Dans un vaste laboratoire au siège de Google à Mountain View, en Californie, des centaines de baies de serveurs bourdonnent dans plusieurs allées, effectuant des tâches bien moins omniprésentes que l'exécution du moteur de recherche dominant au monde ou l'exécution de charges de travail pour les millions de clients de Google Cloud.
Au lieu de cela, ils effectuent des tests sur les propres micropuces de Google, appelées Tensor Processing Units ou TPU.
Initialement formés pour les charges de travail internes, les TPU de Google sont disponibles pour les clients du cloud depuis 2018. En juillet, Apple a révélé qu'il utilisait des TPU pour former des modèles d'IA sur lesquels repose Apple Intelligence. Google s'appuie également sur les TPU pour former et exécuter son chatbot Gemini.
"Le monde a en quelque sorte cette conviction fondamentale que toutes les IA, les grands modèles de langage, sont formés sur Nvidia, et bien sûr, Nvidia détient la part du lion du volume de formation. Mais Google a suivi son propre chemin ici", a déclaré Daniel Newman, PDG de Futurum Group. . Il couvre les puces cloud personnalisées de Google depuis leur lancement en 2015.
Google a été le premier fournisseur de cloud à fabriquer des puces IA personnalisées. Trois ans plus tard, Amazon Web Services a annoncé sa première puce d'IA cloud, Inferentia. La première puce d'IA personnalisée de Microsoft, Maia, n'a été annoncée que fin 2023.
Mais être le premier dans le domaine des puces IA ne s’est pas traduit par une place de premier plan dans la course effrénée globale de l’IA générative. Google a été critiqué pour ses lancements de produits bâclés, et Gemini est sorti plus d'un an après ChatGPT d'OpenAI.
Google Cloud, cependant, a pris de l'ampleur en partie grâce aux offres d'IA. La société mère de Google, Alphabet, a annoncé que les revenus du cloud ont augmenté de 29...
[Courte citation de 8% de l'article original]