据Google DeepMind在X平台披露，团队在低带宽网络下将12B规模的Google Gemma模型分布在美国四个地区完成训练，并验证了在TPU6e与TPUv5p等异构硬件上无性能下降的混合训练能力。根据Google DeepMind的说明，这一跨区域编排为企业带来新的算力策略，包括跨区域算力池化、提升容灾与弹性、以及盘活闲置算力；同时，代际混用能力可降低硬件迭代成本与迁移阻力，为分布式大模型训练与推理的商业部署提供更高的灵活性。