AI 算力又迎來了新的標桿。

本周三，谷歌正式發(fā)布了旗下第七代張量處理單元（TPU）Ironwood。谷歌稱，在大規(guī)模部署的情況下，這款 AI 加速器的計算能力能達到全球最快超級計算機的 24 倍以上。

這款在 Google Cloud Next '25 大會上發(fā)布的新芯片代表著谷歌十年來 AI 芯片研發(fā)戰(zhàn)略的重大轉折：谷歌自研的前幾代 TPU 主要面向 AI 的訓練和推理工作負載，而 Ironwood 是第一款專為推理而設計的芯片。

谷歌副總裁兼機器學習、系統(tǒng)和云 AI 總經理 Amin Vahdat 表示：「Ironwood 旨在支持生成式 AI 的下一階段及其巨大的計算和通信需求。這就是我們所說的『推理時代』，AI 代理將主動檢索和生成數據，以協作方式提供洞察和答案，而不僅僅是數據?！?/span>

突破壁壘，最大 42.5 exaflops 算力

Ironwood 擁有超模的技術規(guī)格，當每個 pod 擴展至 9216 塊芯片時，它可提供 42.5 exaflops 的 AI 算力，遠超目前全球最快的超級計算機 El Capitan 的 1.7 exaflops。每塊 Ironwood 芯片的峰值計算能力可達 4614 TFLOPs。

在單芯片規(guī)格上，Ironwood 顯著提升了內存和帶寬，每塊芯片配備 192GB 高帶寬內存（HBM），是去年發(fā)布的上一代 TPU Trillium 的六倍。每塊芯片的內存帶寬達到 7.2 terabits/s，是 Trillium 的 4.5 倍。

在數據中心規(guī)模擴大，供電逐漸成為瓶頸的時代，Ironwood 也大幅提升了計算效率，其每瓦性能是 Trillium 的兩倍，和 2018 年推出的首款 TPU 相比高出近 30 倍。

對于推理的優(yōu)化代表了 AI 發(fā)展歷程中的一個重要轉折點。最近幾年，前沿的 AI 實驗室一直專注在構建參數規(guī)模不斷擴大的基礎模型上。谷歌轉向推理優(yōu)化表明，我們正在進入一個以部署效率和推理能力為核心的新階段。

畢竟對于 AI 參與的業(yè)務而言，模型訓練的次數有限，但隨著 AI 技術應用逐漸鋪開，推理操作每天都會發(fā)生數十億次。由于模型日趨復雜，這些業(yè)務的經濟效益與推理成本緊密相關。

谷歌在過去八年里對于 AI 計算的需求同比增長了 10 倍，總需求量高達驚人的 1 億。如果沒有像 Ironwood 這樣的專用架構，任何摩爾定律的進步都無法滿足這一增長曲線。

尤其值得注意的是，谷歌在發(fā)布中提到了對執(zhí)行復雜推理任務而非簡單模式識別的「思維模型」的關注。這表明，谷歌認為 AI 的未來不僅在于更大的模型，還在于能夠分解問題、進行多步驟推理并模擬類人思維過程的模型。

面向下一代大模型

谷歌將 Ironwood 定位為其最先進 AI 模型的基礎設施，其優(yōu)化的大模型自然包括自家的 Gemini 2.5，它「原生內置了思維能力」。

昨天，谷歌還發(fā)布了 Gemini 2.5 Flash，作為最新旗艦模型的縮小版本，它「可以根據提示的復雜性調整推理深度」，定位于對響應速度敏感的日常應用。

谷歌還展示了其全套多模態(tài)生成模型，包括文本轉圖像、文本轉視頻以及新發(fā)布的文本轉音樂功能 Lyria。谷歌展示 demo 介紹了如何將這些工具結合使用，為一場音樂會制作完整的宣傳視頻。

Ironwood 只是谷歌更廣泛的 AI 基礎設施戰(zhàn)略的一部分，谷歌還宣布推出 Cloud WAN，這是一項托管式廣域網服務，使企業(yè)能夠訪問 Google 的全球規(guī)模私有網絡基礎設施。

Google 還在擴展其面向 AI 工作負載的軟件產品，其中包括由 Google DeepMind 開發(fā)的機器學習運行時 Pathways，現在它允許客戶在數百個 TPU 上擴展模型服務。

提出 A2A、支持 MCP，構建智能體協作生態(tài)

除了硬件之外，谷歌還概述了以多智能體系統(tǒng)為中心的 AI 愿景，發(fā)布了一個促進智能體發(fā)展的協議 ——Agent-to-Agent（A2A），旨在促進不同 AI 智能體之間的安全、標準化通信。

地址：https://google.github.io/A2A/#/

谷歌認為，2025 年將是 AI 方向轉型之年，生成式 AI 的應用形式會從回答單一問題轉向通過智能體系統(tǒng)來解決復雜問題。

A2A 協議允許跨平臺、跨框架的智能體實現互操作，為它們提供了共同的「語言」和安全的通信渠道。這一協議可視為智能體的網絡層，其目標是簡化復雜工作流程中的智能體協作，使專業(yè) AI 智能體能夠協同完成各種復雜度和時長的任務，從而通過協作提升整體能力。

A2A 的工作原理

谷歌在博客中對 MCP 和 A2A 兩種協議進行了比較。

MCP（模型上下文協議，Model Context Protocol）用于工具和資源管理

• 通過結構化的輸入 / 輸出將智能體連接到工具、API 接口和資源
• Google ADK 支持 MCP 工具，使得各類 MCP 服務器能夠與智能體配合使用

A2A（智能體間協議，Agent2Agent Protocol）用于智能體之間的協作

• 在不共享內存、資源和工具的情況下，實現智能體之間的動態(tài)多模態(tài)通信
• 由社區(qū)驅動的開放標準
• 可使用 Google ADK、LangGraph、Crew.AI 等工具查看示例

總的來說，A2A 與 MCP 是互補的：MCP 可以為智能體提供工具支持，而 A2A 則讓這些裝備了工具的智能體能夠相互對話和協作。

從谷歌公布的合作伙伴陣容來看，A2A 似乎有望獲得類似 MCP 的關注度。該計劃已吸引超過 50 家企業(yè)加入首批合作陣營，包括領先科技企業(yè)以及全球頂級咨詢和系統(tǒng)集成服務商。

谷歌強調了該協議的開放性，將其作為智能體相互協作的標準方式，不受底層技術框架或服務供應商的限制。谷歌表示，在與合作伙伴設計協議時，堅持了以下五項關鍵原則：

1. 擁抱智能體能力：A2A 專注于使智能體能夠以其自然、非結構化的方式進行協作，即使它們不共享記憶、工具和上下文。我們正在實現真正的多智能體場景，而不將智能體限制為「工具」。

2. 基于現有標準構建：該協議建立在現有流行標準之上，包括 HTTP、SSE、JSON-RPC，這意味著它更容易與企業(yè)日常使用的現有 IT 堆棧集成。

3. 默認安全：A2A 設計為支持企業(yè)級身份驗證和授權，在發(fā)布時與 OpenAPI 的身份驗證方案相當。

4. 支持長時間運行的任務：我們設計 A2A 具有靈活性，支持各種場景，從快速任務到可能需要數小時甚至數天（當人類參與其中時）的深入研究。在整個過程中，A2A 可以向用戶提供實時反饋、通知和狀態(tài)更新。

5. 模態(tài)無關：智能體世界不僅限于文本，這就是為什么我們設計 A2A 支持各種模態(tài)，包括音頻和視頻流。

官方還給出了一個例子，通過 A2A 招聘流程得到顯著簡化。

在 Agentspace 等統(tǒng)一界面中，招聘經理可指派智能體依據職位需求尋找匹配人選，該智能體會與專業(yè)領域智能體互動完成候選人尋源工作。用戶還可指示智能體安排面試，并啟用其他專項智能體協助背景調查，從而實現跨系統(tǒng)協作的全流程智能化招聘。

與此同時，谷歌也在擁抱 MCP。就在 OpenAI 宣布采用競爭對手 Anthropic 的模型上下文協議（Model Context Protocol，簡稱 MCP）幾周后，Google 也緊隨其后加入了這一行列。

剛剛，Google DeepMind 首席執(zhí)行官 Demis Hassabis 在 X 平臺上發(fā)文宣布，Google 將在其 Gemini 模型和 SDK 中添加對 MCP 的支持。不過他并未給出具體時間表。

Hassabis 表示：「MCP 是一個優(yōu)秀的協議，正在迅速成為 AI 智能體時代的開放標準。期待與 MCP 團隊和業(yè)界其他伙伴一起推進這項技術的發(fā)展?！?/span>

自 2024 年 11 月發(fā)布以來，MCP 迅速走紅，引發(fā)廣泛關注，成為連接語言模型與工具和數據的一種簡單、標準化方式。

MCP 使 AI 模型能夠從企業(yè)工具和軟件等數據源獲取數據以完成任務，并訪問內容庫和應用程序開發(fā)環(huán)境。該協議允許開發(fā)者在數據源與 AI 驅動的應用程序（如聊天機器人）之間建立雙向連接。

開發(fā)者可以通過 MCP 服務器開放數據接口，并構建 MCP 客戶端（如應用程序和工作流）來連接這些服務器。自從 Anthropic 開源 MCP 以來，多個公司已在其平臺中集成了 MCP 支持。