Ironwood 的性能比上一代快4倍，单个超级集群可连接9216颗TPU，总带宽高达9.6Tb/s，共享1.77PB高速HBM。
AI 最后一场“大规模实验”
AI 行业当前的共识是：模型越大、智能越强，但这一规律是否仍然成立？Ironwood 的问世，将成为验证这一命题的关键时刻。
换句话说，Ironwood 不仅是算力的武器，更是 AI行业的一次“真相实验”。
Ironwood的超强“能量”
Ironwood 的设计理念非常激进：同一套硬件，既能训练最前沿的大模型，又能直接用于大规模推理部署。
核心指标如下：比TPU v5p峰值性能高10倍；比TPU v6e每芯片性能高4倍；9,216颗芯片组成单个Superpod，拥有9.6Tb/s 芯片间互联带宽；共享1.77PB HBM内存，大幅削减跨设备延迟。
在系统层面，Google采用了光学电路交换（Optical Circuit Switching） 技术，可在节点故障时实时重路由；再加上Jupiter网络结构，可把数十个集群链接成“数十万 TPU”的超级算力矩阵，真正实现“规模与稳定性并行”。
从硬件到软件：全面整合的AI平台
Google同时推出一系列软件栈升级：
这一系列优化让开发者能更轻松地利用TPU集群进行训练与推理，而不必在性能与成本之间妥协。
C4A Metal（即将预览）提供专用Arm裸机服务器：最高96 vCPU、768GB 内存、100Gbps 网络、支持 Hyperdisk，适合虚拟化或原生Arm开发环境。
C4A系列提供稳定高性能配置：最高72 vCPU、576GB 内存、100Gbps 网络；支持多种 Hyperdisk 模式与6TB本地 SSD；并具备高级维护控制能力。
值得注意的是，过去几年英伟达的NVL72 架构（72颗GPU 的液冷互联系统）在训练和推理上几乎无可替代，成为全球数据中心的标准配置。
但Ironwood一旦能在9,000+TPU一体化训练 中稳定运行，并通过Jupiter Fabric扩展到数十万芯片级规模，就意味着Google拥有了一个能挑战NVL72 的「超大规模替代方案」。
这不仅是性能层面的竞争，更是生态层面的松动：Google的软硬件协同（TPU + GKE + MaxText + vLLM）在效率和成本上形成封闭优势，可能让更多模型开发从GPU阵营迁移到 TPU平台，不仅云巨头自研芯片将大干快上，博通、美满、联发科等的ASIC阵营将迎来全新商机，对英伟达的护城河也将构成有形的挑战。
进芯片群请扫码
