針對去年在Google I/O 2024揭曉、代號Trillium的第6代TPU，Google Cloud產品群經理Mohan Pichika稍早對此做了進一步說明，並且強調目前在Google Cloud服務提供更多元加速運算元件選擇，藉此滿足不同客戶在服務佈署應用需求。
TPU只是Google Cloud加速運算一環
對於目前市場目標發展的通用型人工智慧 (AGI)，衍生是否能以統一加速元件支撐運算需求的看法，Mohan Pichika認為現階段還沒有辦法實現此理想，因此最主要還是會針對不同運算需求提供合適的加速元件。
例如目前在Google Cloud服務中，除了提供自身TPU加速元件之外，實際上也與Intel、AMD、NVDIA等處理器業者合作，後續也提供以Arm Neroverse架構打造的客製化處理器「Axion」，藉此滿足不同客戶在運算佈署需求的差異。
而自2015年提出的第1代TPU設計，主要是針對Google自有服務如YouTube、Google Search等進行大規模運算加速。而從2018年推出第2代TPU開始，Google便將其TPU與後續迭代更新版本開放全球所有Google Cloud客戶使用 (包含台灣)，其中也包含去年推出、以代號Trillium為稱的第6代TPU，只是各個服務區域上線提供時間會有落差，但基本上都能讓所有Google Cloud客戶選用。
不過，Mohan Pichika也說明不同加速元件能處理項目會有最佳化差異，加上性能與價格成本上的考量，因此在Google Cloud服務仍維持提供不同加速元件選項，讓不同客戶能挑選最佳加速元件佈署服務，同時也能對應不同人工智慧模型規模運算需求。
在去年的Google NEXT’24期間說明中，Google Cloud副總裁暨運算與人工智慧/機器學習架構業務總經理Mark Lohmeyer更透露未來可能計畫推出更多客製化處理器，意味Google接下來也會針對不同運算需求提供功能差異設計的客製化處理器。
TPU本身以大規模運算加速、提升機器學習效率為目標
至於TPU本身主要還是以大規模運算加速、提升機器學習效率為目標，包含此次在第6代TPU強化矩陣乘法單元 (MXU)、提高運作時脈與HBM記憶體容量都是為了加快運算效率，並且能透過Jupiter網路架構形成更大Pod運算規模 (以256組構成單一Pod)，並且進一步擴展至超算規模，讓所有TPU都能以每秒達PB級別傳輸速度互連運作。
但是對於第6代TPU之間以客製化光通訊技術實現晶片對晶片直接連接，使其資料傳輸頻寬增加的作法，是否與NVIDIA提出的NVLink，或是類似蘋果在Apple Silicon處理器採用的UltraFusion融合設計作法相似，Google方面並未具體作分享。
以目前第6代TPU設計來看，訓練效能提升為前一代的4倍以上、推論處理量峰值表現增加為3倍、能源效率提升67%、每個晶片峰值效能比前一代提升4.7倍，而HBM記憶體容量提升1倍、晶片間互連網路傳輸頻寬提升1倍，並且能以Jupiter網路架構連接多達10萬組TPU，形成龐大運算網路。
另外，第6代TPU在每美元的訓練效能比前一代產品提升2.5倍，推論效能則可提升1.4倍，因此強調在永續表現也有大幅提升。
目前並未計畫跟進推出在地人工智慧裝置解決方案或小型超級電腦
而NVIDIA在CES 2025以其Blackwell架構GPU配合客製化Arm架構處理器打造超小型AI超級電腦「Project DIGITS」，Qualcomm也以其Cloud AI加速器打造在地人工智慧裝置解決方案，Google是否也有意推出類似項目？
Mohan Pichika對此表示，目前Google並未有此計畫，原因本身並非晶片設計、生產公司，主要還是聚焦滿足客戶雲端佈署應用需求，因此認為當前提供TPU加速元件，並且與Intel、AMD、NVIDIA等業者合作不同運算元件應用，將是更容易滿足客戶需求的作法。
