Blackstone met $5 milliards en equity dans une nouvelle joint venture basée aux US avec Google qui vend du TPU compute as-a-service en dehors de la plateforme Google Cloud existante. 500 mégawatts viennent en ligne en 2027 avec expansion planifiée après. Benjamin Treynor Sloss — le longtime exec infrastructure Google qui a codifié SRE comme discipline — est CEO. Google fournit le silicon (l'annonce référence la lineup 8e gen : TPU 8t pour training, TPU 8i pour inference), software, et services de support. La JV bâtit et roule les data centers. C'est le premier découplage crédible de l'accès TPU du stack GCP depuis que les TPUs ont launché.
Sloss comme CEO c'est le signal opérationnel qui compte. Le gars qui a bâti Google SRE et la méthodologie derrière les calculs de production-reliability que tout le monde utilise maintenant roule un opérateur d'infrastructure AI de plusieurs milliards. C'est un appointment de CEO ops-reliability-first, pas un placeholder de financial-engineering. 500 MW en 2027 c'est substantiel — pour contexte, le footprint GPU de CoreWeave était à peu près 800 MW en 2025, donc cette venture rentre à scale d'opérateur TPU-cloud, pas boutique. Structure : Google amène les chips et le stack ; Blackstone amène le capital et le construct opérateur ; la JV amène le buildout data-center, networking, et opérations.
Effet écosystème. Pendant trois ans le playbook cloud infra AI c'était « acheter des GPUs NVIDIA, bâtir un cloud, vendre des GPU-hours » — CoreWeave, Lambda, Nebius, Crusoe, Yotta. Google a maintenant l'équivalent structurel pour TPU. Avant aujourd'hui, l'accès TPU voulait dire s'engager au stack full GCP (IAM BigQuery-adjacent, GKE, Cloud Storage, billing). Maintenant le compute TPU est available comme produit standalone. Trois effets downstream : Anthropic, un des plus gros buyers de TPU, obtient une option non-GCP crédible pour capacité additionnelle ; les enterprises non-GCP (hedge funds, quant shops, déploiements sovereign) qui voulaient du TPU sans lock-in GCP obtiennent un buyer ; la position « default AI compute » de NVIDIA prend un hit réel capitalisé. AMD MI300/MI400 et AWS Trainium restent captive dans leurs clouds respectifs — le move structurel de Google met de la pression sur AWS pour faire quelque chose de similaire avec Trainium, et sur AMD pour trouver un partner JV s'ils veulent compétitionner à la couche opérateur au lieu de juste la couche silicon.
Lundi matin : si tu veux du TPU pour des workloads production, watch la timeline GA de cette venture soigneusement — 2027 land dans la même fenêtre que NVIDIA Rubin qui ship en volume. Les workloads qui sont genuinely TPU-favorables (training large-batch de transformers denses, inference sur architectures style-Gemini) peuvent voir une inflexion de la courbe de coût, vu que les opérateurs third-party historiquement pricent plus aggressivement que le same-rack captive-cloud. Les workloads qui roulent equally well sur GPU ou TPU font face à un choix stratégique : parier sur l'écosystème Google qui mature dans un alternative compute substrate réel, ou rester sur le stack NVIDIA plus large. L'appointment de Sloss augmente la probabilité que cette venture ship de la capacité reliable au lieu de juste l'annoncer. Noms à tracker dans les prochains 6 mois : les hires de Sloss. La composition de son org ops va te dire si c'est un opérateur reliability-first réel ou un véhicule balance-sheet déguisé.