После Nvidia MediaTek может убедить еще одну крупную технологическую компанию использовать свой опыт для разработки чипов ИИ

MediaTek бросает вызов Broadcom в стратегии Google по AI-оборудованию нового поколения.

Следующее поколение TPU нацелено на более эффективную обработку ИИ и снижение затрат. Google диверсифицирует поставки чипов для ИИ, сокращая зависимость от Broadcom.

MediaTek и Google будут сотрудничать в разработке тензорных процессорных блоков (TPU) следующего поколения, что, вероятно, приведет к тому, что Google сократит свою зависимость от Broadcom в своем бизнесе по аппаратным средствам для инструментов ИИ. Целью этого сотрудничества является проектирование доступного и энергоэффективного TPU, который будет производиться TSMC и, вероятно, выйдет в составе 7-го поколения TPU Google.

Хотя Google возглавит общий дизайн, MediaTek будет заниматься модулями ввода/вывода для обеспечения связи между процессором и периферийными устройствами. Это ознаменует собой сдвиг от прежней роли Broadcom в разработке ядра TPU, хотя Google не полностью разрывает отношения с Broadcom.

Разработка более эффективных процессоров ИИ

TPU Google, разработанные для сложных вычислений ИИ и необходимых для обучения лучших больших языковых моделей (LLM), как сообщается, получат улучшенную эффективность и производительность, отвечая на растущий спрос на мощную обработку ИИ. Google разрабатывает собственные чипы для серверов ИИ для внутреннего использования и облачных услуг, чтобы снизить зависимость от внешних поставщиков, таких как Nvidia, чей доминирующий статус в аппаратном обеспечении ИИ контрастирует с стремлением Google к более самодостаточной экосистеме за счет инвестиций в TPU.

Тем временем MediaTek расширяет свое присутствие в разработке чипов ИИ, включая партнерства в суперкомпьютерах ИИ. В начале 2025 года компания объявила о совместном проекте суперкомпьютера ИИ, а ее последнее партнерство с Google соответствует более широкой стратегии укрепления ее позиций в индустрии ИИ.

Если это сотрудничество окажется успешным, оно может повлиять на развитие лучших моделей LLM, делая обработку ИИ более эффективной.