全球 AI 芯片与算力加速卡速查数据库 · 硬件规格、Benchmark 评测与国产算力深度研报
您的当前位置:首页 > 云端自研与 TPU > 谷歌 TPU v6 (Trillium) 与 TPU v5p 架构对比:OCS 光路交换网络拓扑、超节点 Pod 扩展性与能效比剖析 硬件规格评测

谷歌 TPU v6 (Trillium) 与 TPU v5p 架构对比:OCS 光路交换网络拓扑、超节点 Pod 扩展性与能效比剖析

谷歌 TPU v6 (Trillium) 与 TPU v5p 架构对比:OCS 光路交换网络拓扑、超节点 Pod 扩展性与能效比剖析

Google TPU v6 (Trillium):自研云端 AI 芯片的能效巅峰

从 2016 年第一代 TPU 问世至今,Google 已经走过了十年的专用张量处理器自研历程。全新的 TPU v6 (代号 Trillium) 作为 Google 支撑下一代 Gemini 基础大模型训练与全网实时搜索推理的旗舰芯片,不仅在单芯片峰值算力上相比 TPU v5e 实现了 4.7 倍 的跨越式增长,更通过革命性的 OCS(Optical Circuit Switch,全光交换网络) 确立了其在超大规模智算集群中的能效霸权。


一、 核心规格与参数跨代对比

规格指标TPU v6 (Trillium)TPU v5p (前代旗舰)TPU v5e (经济型推理)
计算架构增强型脉动阵列 (Matrix Multiply Unit)双核脉动阵列单核脉动阵列
显存容量32GB HBM395GB HBM2e16GB HBM2
显存带宽1.6 TB/s2.76 TB/s819 GB/s
BF16 峰值算力920 TFLOPS459 TFLOPS197 TFLOPS
单 Pod 扩展规模65,536 颗芯片超节点8,960 颗芯片256 颗芯片
互联技术4x 800G 光纤直连 (ICI)4800 Gbps 专有互联1600 Gbps 互联
动态重构网络OCS 纯光交换机OCS 纯光交换机无光交换支持

二、 专用计算架构:脉动阵列(Systolic Array)的极简能效

与 GPU 依赖复杂通用指令调度器不同,TPU 的核心算力源于脉动阵列(Systolic Array):

  • 数据在矩阵乘法单元(MXU)中像血液一样在相邻处理单元间流动,避免了频繁读写寄存器堆(Register File);
  • 极高的计算密度与确定性时序控制,使得 TPU 在执行大规模 GEMM 算子时的能效比(Perf/Watt)比同期 GPU 高出 40% 以上。

三、 OCS 光路交换机:智算网络架构的革命

在传统智算网络中,成千上万条电缆连接到以太网交换机,需要经历高功耗的光电转换(O-E-O)。Google OCS 采用了颠覆性的微镜反射技术:

  1. 零电子功耗路由:通过压电驱动的微机电微镜(MEMS),直接在纯光纤层实现光束物理反射偏转,功耗仅为电交换机的 1/10;
  2. 故障秒级动态隔离:若 Pod 内某机柜节点发生故障,OCS 可以在数毫秒内调整反射角度,将拓扑动态缝合,避免万卡训练因单卡中断而全量重启。

Copyright © 2026 AI Chips 100 | Global AI Hardware & Accelerators Database All Rights Reserved.  

网站地图 (Sitemap)