O Google anunciou dois novos sistemas de processamento voltados à inteligência artificial: TPU 8tx e TPU 8i Max. Os equipamentos ampliam a oitava geração de unidades de processamento tensorial (TPUs) da companhia e foram desenvolvidos para atender a uma transformação importante no setor tecnológico: a expansão dos agentes de inteligência artificial, capazes de executar tarefas complexas com diferentes níveis de autonomia.
O lançamento, anunciado em 9 de novembro de 2026, reforça a estratégia da empresa de desenvolver infraestrutura própria para competir em um mercado dominado por fornecedores especializados, como a Nvidia. Mais do que aumentar a capacidade de processamento, a proposta é oferecer soluções que combinem velocidade, memória, segurança e eficiência para atender empresas que utilizam inteligência artificial em larga escala.
A iniciativa também fortalece o Google Cloud, divisão que vem ganhando importância nos resultados financeiros da Alphabet, controladora do Google. Com a crescente procura por infraestrutura de IA, os chips próprios passaram a representar uma oportunidade comercial que vai além das necessidades internas da companhia.
Leia mais:
Google vai desativar ferramentas de inteligência artificial para estudantes por padrão
Para que servem os novos chips de inteligência artificial do Google?
Os novos sistemas foram projetados para atender necessidades diferentes dentro da evolução da inteligência artificial. Enquanto os processadores tradicionais precisam executar operações de treinamento ou responder a solicitações, os agentes de IA realizam sequências de tarefas, consultam informações, utilizam ferramentas e interagem com diferentes sistemas para alcançar um objetivo.
Um exemplo é um agente capaz de organizar uma viagem. Em vez de apenas sugerir destinos, ele pode pesquisar passagens, comparar hotéis, consultar compromissos e preparar um roteiro. Cada etapa exige processamento, acesso a informações e comunicação entre diferentes componentes.
Essa mudança aumenta a demanda por infraestrutura computacional. É nesse cenário que o Google apresenta os novos integrantes da família TPU 8, que já contava com os modelos 8t, direcionado ao treinamento de grandes modelos, e 8i, desenvolvido para raciocínio e respostas em tempo reduzido.
TPU 8tx aposta em segurança e proteção de dados
O TPU 8tx foi desenvolvido para operações que envolvem informações confidenciais, como dados financeiros, registros empresariais e informações governamentais.
O diferencial está na computação confidencial integrada ao hardware. Normalmente, informações podem ser protegidas durante o armazenamento e a transmissão, mas precisam ser descriptografadas enquanto são processadas. A tecnologia anunciada pelo Google busca manter os dados isolados e protegidos também durante essa etapa.
O sistema utiliza a mesma base de silício do TPU 8t e trabalha com processadores AMD EPYC de quinta geração. A combinação permite executar modelos e agentes de IA em ambientes que exigem controles mais rigorosos de segurança.
Outro destaque é a rede de baixa latência utilizada pelo equipamento. Segundo o Google, o TPU 8tx pode oferecer até duas vezes menos latência em comparação com o TPU 8t, praticamente sem penalidade de desempenho.
A solução interessa especialmente a bancos, empresas de tecnologia, instituições públicas e organizações que precisam utilizar inteligência artificial sem expor informações sensíveis.
TPU 8i Max prioriza memória e velocidade
O segundo lançamento, TPU 8i Max, foi desenvolvido para lidar com operações que precisam processar grandes volumes de informações simultaneamente.
O equipamento combina dois chips TPU 8i em um único pacote, ampliando a capacidade de processamento e memória. Segundo o Google, a configuração oferece o dobro de capacidade computacional, memória SRAM e largura de banda de memória HBM em comparação com o modelo TPU 8i.
A proposta é reduzir os gargalos que aparecem quando vários agentes trabalham simultaneamente ou precisam consultar grandes quantidades de informações.
Isso pode beneficiar aplicações como assistentes de programação, análise de documentos extensos, pesquisas científicas e desenvolvimento de medicamentos.
Na prática, quanto mais informações um modelo consegue acessar rapidamente, menor tende a ser a necessidade de interromper operações para buscar novos dados em outros componentes do sistema.
Google aumenta concorrência com a Nvidia no mercado de chips
A expansão da família TPU representa mais um passo na disputa entre Google e Nvidia pelo mercado de infraestrutura de inteligência artificial.
A Nvidia construiu uma posição de destaque fornecendo GPUs utilizadas no treinamento e na execução de modelos avançados. O Google, por sua vez, investe em processadores próprios desde 2015, quando começou a desenvolver TPUs para acelerar operações internas de inteligência artificial.
Inicialmente, esses equipamentos atendiam principalmente às necessidades dos serviços da própria companhia. Com a evolução da tecnologia, passaram a sustentar modelos como o Gemini e diferentes aplicações oferecidas pelo Google Cloud.
Agora, a empresa também busca ampliar a comercialização dos processadores para organizações externas. Segundo o Google, sua operação de TPUs já atende quase 100 clientes, incluindo empresas de tecnologia, instituições financeiras, varejistas e universidades.
A estratégia não significa que os novos equipamentos substituirão automaticamente as GPUs da Nvidia. Os dois tipos de processadores possuem arquiteturas e ecossistemas diferentes, e a escolha depende das necessidades de cada aplicação.
Entretanto, oferecer uma alternativa própria amplia a concorrência e pode aumentar as opções disponíveis para empresas que precisam contratar infraestrutura de inteligência artificial.
Google Cloud ganha importância nos resultados da Alphabet
O investimento em chips também está relacionado ao crescimento da computação em nuvem como fonte de receita.
No terceiro trimestre de 2026, o Google Cloud registrou faturamento de US$ 30,7 bilhões, crescimento de 103% na comparação anual. O lucro operacional da divisão chegou a US$ 11,1 bilhões, mais que o triplo dos US$ 3,6 bilhões registrados no mesmo período do ano anterior.
A Alphabet informou que a venda de sistemas TPU contribuiu de maneira relevante para o desempenho da divisão. A expectativa da empresa é ampliar ainda mais esse negócio, com crescimento significativo das vendas de sistemas TPU em 2027. <Cite refs={[“turn202484search3″,”turn202484search2”]}/>
O movimento mostra como a inteligência artificial está criando novas oportunidades comerciais para empresas que conseguem oferecer não apenas modelos generativos, mas também toda a estrutura necessária para executá-los.
Data centers e consumo de energia são desafios para a expansão da IA
Apesar das oportunidades, a expansão da inteligência artificial enfrenta obstáculos relacionados à infraestrutura física.
Os data centers precisam de grandes quantidades de energia elétrica, sistemas de refrigeração, equipamentos de rede e componentes especializados. Quanto maior o número de operações realizadas por agentes autônomos, maior pode ser a pressão sobre essa estrutura.
A instalação dessas unidades também enfrenta resistência em algumas localidades dos Estados Unidos, principalmente por preocupações com consumo de energia, uso de água, impactos ambientais e custos para os consumidores.
No Brasil, esse debate também é relevante. A expansão dos serviços de inteligência artificial depende de investimentos em centros de processamento, disponibilidade energética e conectividade. A infraestrutura precisa acompanhar a demanda sem comprometer a sustentabilidade econômica e ambiental dos projetos.
O próprio Google reconhece que o desempenho dos sistemas depende de uma combinação de componentes. Não basta ter um processador potente: memória, armazenamento, redes e capacidade dos data centers também precisam funcionar de maneira integrada.
(imagem: reprodução/Google)