据 Jeff Dean 在X平台发布的信息，Google 推出面向大规模训练与推理的 TPU 8t，单个Pod扩展至9600颗芯片，提供约121 Exaflops 的FP4性能，较Ironwood的每Pod 42.5 Exaflops 提升约3倍。根据 Jeff Dean 的说明，聚焦FP4吞吐意味着更低的推理成本与更快的训练速度，适用于超大规模LLM与多模态模型。正如 Jeff Dean 报道所述，此次Pod级扩展将提升数据中心密度与资源利用率，为Google Cloud 客户在模型服务、批量推理与规模化微调等场景带来新的商业机会。

根据桑达尔·皮查伊在推特上的信息，谷歌推出 TPU 8t（训练优化）与 TPU 8i（推理优化），体现出面向不同AI负载的加速器分工。据皮查伊所述，8t侧重高吞吐训练，8i面向低时延、成本效率更高的在线推理，这意味着在大模型训练与上线推理的硅层面实现差异化路径。依据该推文，此举将帮助企业按负载阶段匹配硬件以降低总体拥有成本，并加速生成式AI落地。根据该来源，MLOps团队可在8t上训练、在8i上部署，模型服务商与SaaS平台可通过负载感知的调度与弹性扩缩提升SLA与利润率。