Produits

Google TPU

Suivez les dernières actualités, explications et histoires technologiques associées.

Dernières actualités

CN
Google teste le fonctionnement de puces TPU en orbite et estime à 1 800 le nombre de lancements nécessaires pour construire des centres de données spatiaux

Google teste le fonctionnement de puces TPU en orbite et estime à 1 800 le nombre de lancements nécessaires pour construire des centres de données spatiaux

Google a lancé sa première puce TPU avancée en orbite à bord d’un satellite expérimental développé par Planet Labs, afin de tester le fonctionnement de l’intelligence artificielle dans l’espace. Selon une étude évaluée par des pairs de l’entreprise, l’extension des centres de données orbitaux pourrait nécessiter environ 1 800 lancements de Starship sur une décennie, tandis que les défis liés aux lancements, au refroidissement, à l’énergie et à l’exploitation à grande échelle restent considérables.

CN
Les entreprises ouvrent la porte aux alternatives à Nvidia dans l’infrastructure de l’IA malgré le ralentissement des décisions de changement

Les entreprises ouvrent la porte aux alternatives à Nvidia dans l’infrastructure de l’IA malgré le ralentissement des décisions de changement

Un sondage de VentureBeat montre que 39,4 % des participants sont susceptibles d’évaluer des accélérateurs autres que ceux de Nvidia au cours des 12 prochains mois, contre 25,3 % pour la prochaine génération de processeurs Nvidia, soit un écart de 14 points de pourcentage. Mais les résultats indiquent également que les entreprises étendent et améliorent l’utilisation de leur infrastructure existante plutôt que de migrer rapidement vers de nouvelles plateformes.

CN
Pourquoi le calcul de l’intelligence artificielle ne reposera-t-il pas à l’avenir sur un seul type de puce ?

Pourquoi le calcul de l’intelligence artificielle ne reposera-t-il pas à l’avenir sur un seul type de puce ?

Les centres de données s’orientent vers des grappes hétérogènes combinant des CPUs, des GPUs, des NPUs, des accélérateurs personnalisés et des interconnexions optiques, plutôt que de s’appuyer sur un seul GPU pour toutes les tâches. Cette transition fait des logiciels ainsi que de la gestion des réseaux et de l’énergie des facteurs essentiels pour réduire le coût des jetons et améliorer l’utilisation du matériel.