据外媒报道，谷歌已启动第十代张量处理单元（TPU）的研发，并邀请AMD参与部分芯片设计，双方或在先进封装、CPU IP、互连等领域展开合作。新一代TPU有望首次在封装内集成CPU核心，以提升强化学习、Agent等AI推理任务的执行效率。目前第九代TPU仍由博通、联发科等参与开发，第十代产品则可能针对Agent和强化学习场景进行专项优化。
这一动向的背景是AI负载结构正在发生变化。大模型训练之外，Agent推理、强化学习等任务的占比快速上升，这些负载对低延迟、高并发的小型推理有更高要求，通用加速器未必是最高效的答案。谷歌在芯片设计层面做专项优化，本质是对“下一个算力增长点在哪”的提前押注。
从产品节奏看，谷歌今年刚在Cloud Next 2026大会推出第八代TPU，如今又启动第十代研发，代际推进明显提速。封装内集成CPU、与AMD合作先进封装，指向的都是同一个方向：把异构算力更紧密地捏合在一起，让加速器更贴近Agent和强化学习这类动态推理场景，减少跨芯片传输带来的效率损耗。
但专用化也带来新的问题。为Agent定制的算力芯片需要与软件框架、调度系统深度协同，硬件越专用，生态适配的难度就越高。对企业用户而言，算力选择将变得更加多元也更为复杂，如何在不同芯片之间实现统一调度与弹性分配，会成为实际落地中的现实挑战。
算力芯片走向Agent专用化，意味着智能体应用的算力供给将更精细、更多元。星战科技在GPU算力平台与算力调度方向的持续投入，正是希望帮助企业在新一代异构算力环境下实现弹性分配与统一调度，让Agent应用始终有稳定、高效的算力支撑。
谷歌的动作也折射出整个行业的转向：从“谁家的芯片算大模型最快”到“谁的芯片跑Agent更省更稳”。英伟达、AMD与各大云厂商都在朝Agent与推理优化加码，算力竞争的主战场正从训练转向推理与智能体协同，这将深刻影响未来算力市场的格局。
第十代TPU还处于研发早期，但方向已经清晰：算力正从“通用跑分”走向“为智能体而生”。硬件厂商的每一次专项优化，都在为多智能体规模化落地扫清性能障碍，也预示着算力基础设施正进入一个围绕智能体重构的新周期。