TPU
Uma TPU (tensor processing unit, unidade de processamento de tensores) é o chip próprio do Google para machine learning, construído em torno de grandes unidades de multiplicação de matrizes e memória de alta largura de banda. O Google oferece TPUs a outras empresas como serviço alugado no Google Cloud.
Também chamado: tensor processing unit, Cloud TPU
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
A maior parte do trabalho de IA roda em GPUs, que começaram como chips gráficos. O Google projetou a TPU como um chip de aplicação específica que faz um só trabalho: a matemática de matrizes no centro das redes neurais. Seu núcleo é uma unidade de matrizes construída como um systolic array, uma grade de células de multiplicação e soma que passam dados às vizinhas, junto com memória de alta largura de banda no próprio chip.
Como usar uma
Você não pode comprar uma TPU de data center. Você a aluga no Google Cloud, seja como máquinas individuais, seja como "slices" de muitos chips ligados por uma interconexão rápida para grandes treinamentos. O código é compilado para a TPU pelo compilador XLA, que JAX, PyTorch (via PyTorch/XLA) e TensorFlow conseguem usar como alvo.
Por que importa
As TPUs são uma das poucas alternativas em grande escala ao hardware da NVIDIA. Para quem constrói, elas são uma opção quando a oferta de GPUs está apertada ou o preço da TPU combina com uma carga de trabalho, principalmente para equipes que já trabalham com JAX.
TPU versus GPU e NPU
Uma GPU é um processador paralelo de uso geral com um enorme ecossistema de software construído em torno do CUDA. Uma TPU é mais restrita e ligada ao Google Cloud e ao XLA, então algumas bibliotecas e kernels personalizados escritos para GPUs não rodam nela sem trabalho. Uma NPU é o equivalente pequeno e de baixo consumo encontrado em celulares e notebooks para inferência no aparelho.
Limites
A depuração e o ajuste de desempenho seguem regras diferentes das GPUs, e o suporte a modelos é mais restrito em algumas ferramentas open source. Verifique se o seu framework e o seu modelo rodam em TPUs antes de se comprometer.
Termos relacionados
- GPU
- Uma GPU (graphics processing unit, unidade de processamento gráfico) é um processador com muitos núcleos pequenos, feito para executar muitos cálculos em paralelo. Sua velocidade em operações com matrizes faz dela o hardware padrão para treinar e rodar modelos de IA.
- NPU
- Uma NPU (neural processing unit, unidade de processamento neural) é um chip, ou um bloco dentro de um chip maior, feito para rodar os cálculos de redes neurais com rapidez e pouco consumo de energia. Celulares e notebooks usam NPUs para rodar pequenos modelos de IA no próprio aparelho.
- Nuvem de GPU
- Uma nuvem de GPU (GPU cloud) é um serviço que aluga máquinas com GPU por hora ou por segundo para treinamento, fine-tuning e inferência de IA. Provedores especializados, às vezes chamados de neoclouds, focam em GPUs e muitas vezes cobram menos do que as grandes nuvens generalistas.
- Model serving
- Model serving (servir modelos) é rodar um modelo treinado como um serviço que as aplicações chamam pela rede, com um software que carrega os pesos nas GPUs, enfileira e agrupa requisições, gerencia a memória e retorna os resultados.
- Inferência
- Inferência (inference) é rodar um modelo treinado para produzir uma saída a partir de uma nova entrada, como um LLM gerando uma resposta a um prompt. É a etapa pela qual os usuários pagam toda vez que chamam um modelo, em oposição ao treinamento.