ChainCatcher 消息，SEMICON Taiwan 2026 記憶體高峯論壇 1 日登場，Alphabet 旗下 Google Cloud 供應鏈基礎架構資深總監 Nikhil Cherian 指出，隨着多模態與混合專家架構普及，AI 運算已從算力受限轉向記憶體受限，高效能記憶體已佔 AI 服務器硬體物料清單成本 75% 以上。面對容量、頻寬與功耗瓶頸，Google 透過推論與訓練硬體分流、無損量化軟體算法等軟硬體雙軌策略，突破 AI 記憶體瓶頸。

Google 在硬體架構上採取分流策略，推出針對低延遲推論的 TPU 8i 以及專攻超大規模訓練的 TPU 8t。TPU 8i 配備 288 GB 高頻寬記憶體，芯片上 SRAM 容量擴增 3 倍至 384 MiB，將動態對話狀態與鍵值快取置於芯片內部，實現零芯片外延遲。TPU 8t 透過 9600 顆芯片組成超大型運算叢集，HBM 共享池化達到 2 PB 規模，消除芯片外數據傳輸瓶頸，搭配 TPU Direct Storage 技術。

Google 開發出免訓練的 TurboQuant 無損量化算法，將大模型的鍵值快取從 32 位元壓縮至 3 位元，精確度零損失前提下縮小 6 倍記憶體佔用，帶來 8 倍注意力運算加速，導入舊世代 DRAM 整合技術延長零組件生命周期。