گوگل در اتفاقات Google Cloud Next 2025 ادعا کرد آرایش کامل Ironwood TPU v7p با ۹۲۱۶ تراشه می تواند ۴۲.۵ اگزا فلاپس توان پردازشی اراعه کند؛ عددی که از نگاه این شرکت بیشتر از ۲۴ برابر توان El Capitan، سریع ترین ابررایانه ثبت شده در فهرست TOP500، است. اما این قیاس بلافاصله با نقد جدی کارشناسان روبه رو شد.

به نقل از رسانه اخبار فناوری تکنا به نقل از گوگل، امین وحدت (Amin Vahdat)، مدیر ارشد قسمت سیستمهای یادگیری ماشینی و هوش مصنوعی ابری در گوگل، Ironwood را نسل هفتم TPU و نخستین تراشه این خانواده برای عصر inference معارفه کرده است. این شتاب دهنده برای مدلهای زبانی بزرگ، مدلهای Mixture of Experts و ماموریت های reasoning طراحی شده و در دو پیکربندی ۲۵۶ تراشه ای و ۹۲۱۶ تراشه ای اراعه می شود.

مشکل مهم از نوع قیاس اغاز می شود. گوگل عدد ۴۲.۵ اگزا فلاپس Ironwood را در سطح FP8 نقل می کند؛ دقتی پایین که برای بارهای کاری AI زیاد رایج است. در روبه رو، عدد ۱.۷۴۲ اگزا فلاپس El Capitan مربوط به آزمون High Performance LINPACK در سطح FP64 است؛ یعنی محاسبات علمی با دقت زیاد بالاتر و معیار کاملا متفاوت.

El Capitan در آزمایشگاه ملی لارنس لیورمور (Lawrence Livermore National Laboratory) مستقر است و با سخت افزار HPE Cray EX255a، پردازنده های AMD EPYC و شتاب دهنده های AMD Instinct MI300A ساخته شده است. این سامانه در آزمون HPL به ۱.۷۴۲ اگزا فلاپس رسید و مطابق TOP500، در زمان ثبت رکورد به گفتن سریع ترین ابررایانه جهان شناخته شد.

تیموتی پریکِت مورگان (Timothy Prickett Morgan)، تحلیلگر باسابقه حوزه HPC، می گوید گوگل توان پایدار El Capitan در محاسبات FP64 را با توان اوج نظری Ironwood در FP8 قیاس کرده است. از نگاه او، این چنین قیاسی عددی دلنشین می سازد، اما برای سنجش واقعی قوت دو سامانه کافی نیست، چون یکی برای همانند سازیهای علمی و فرد دیگر برای بارهای کاری AI ساخته شده است.

در محاسبات این تحلیلگر، Ironwood TPU v7p Pod نزدیک به ۲۱.۲۶ اگزا فلاپس در FP16 و ۴۲.۵۲ اگزا فلاپس در FP8 اراعه می کند. اما El Capitan اگر با همین سطوح دقت سنجیده شود، به نزدیک به ۴۳.۶۸ اگزا فلاپس در FP16 و ۸۷.۳۶ اگزا فلاپس در FP8 می رسد. به این علت، در این چارچوب El Capitan نزدیک به ۲.۰۵ برابر قوی تر است.

او گفت و گو هزینه نیز ادعای گوگل را پیچیده تر می کند. برآوردها نشان می دهد ساخت یک Ironwood Pod نزدیک به ۴۴۵ میلیون دلار هزینه دارد و اجاره سه ساله آن به نزدیک به ۱.۱ میلیارد دلار می رسد. در روبه رو، هزینه ساخت El Capitan نزدیک به ۶۰۰ میلیون دلار گفتن شده و نسبت قیمت به کارایی آن در محاسبات شبیه، به سود سامانه آمریکایی همه می شود.

با این حال، نقد عدد ۲۴ برابر به معنی بی اهمیت بودن Ironwood نیست. گوگل می گوید هر تراشه Ironwood توان اوج ۴۶۱۴ ترافلاپس دارد، ۱۹۲ گیگابایت HBM اراعه می کند، به پهنای باند ۷.۳۷ ترابایت بر ثانیه می رسد و با شبکه Inter-Chip Interconnect برای اجرای بارهای بزرگ AI در مقیاس ابری طراحی شده است.

در واقع، Ironwood و El Capitan دو جواب متفاوت به دو قضیه متفاوت می باشند. Ironwood برای inference، training و سرویس دهی مدلهای بزرگ در Google Cloud AI Hypercomputer ساخته شده است. El Capitan برای همانند سازیهای علمی، محاسبات دقیق و ماموریتهای راهبردی دولت آمریکا طراحی شده است. به این علت سوال دقیق تر این نیست که کدام سریع تر است، بلکه این است که کدام برای چه کاری سریع تر است.