Google Triggerfish AI-chip: Alt, hvad vi ved om TPU v9-opgraderingen med MediaTek

Googles strategi med specialfremstillede chips tager et nyt skridt fremad med en rapporteret opgradering af deres TPU v9 AI-chip. Denne reviderede model, med kodenavnet Triggerfish, er designet til at imødekomme de specifikke krav fra nye AI-arbejdsbelastninger som autonome agenter og reinforcement learning (RL) – og den uddyber samarbejdet med chipproducenten MediaTek.

Alle oplysningerne nedenfor stammer fra en enkelt forsyningskædeanalyse offentliggjort den 22. juni 2026 af Ming-Chi Kuo, analytiker hos TF International Securities. Det er ikke bekræftet eller annonceret af Google. Detaljerne er bredt rapporteret, men stammer fra en enkelt analytikerrapport.

Hvad er Triggerfish?

Triggerfish er en opgraderet revision af Googles TPU v9 AI-chip, baseret på den eksisterende Humufish-platform. Den er placeret som en v9-variant med stærkere inferensegenskaber, ikke et fuldt næste-generations (v10) design . Navnet følger Googles tradition for at bruge fiskerelaterede kodenavne til sine TPU-generationer.

Designpartner: MediaTeks voksende rolle

MediaTek har sikret sig en eksklusiv ordre på Triggerfish-chippen . Ordren har en ~30 % højere enhedspris end den basale Humufish-chip , hvilket signalerer et tættere samarbejde, der går ud over simpel komponentforsyning. Kuo bemærker, at dette yderligere bekræfter MediaTek som Googles førsteprioritetspartner for hele TPU v9-generationen, hvilket indikerer, at MediaTek håndterer mere arkitektur- og integrationsarbejde – et skift hen imod systemniveaudesignsamarbejde .

Vigtigste tekniske opgraderinger

Triggerfish foretager tre primære arkitektoniske ændringer sammenlignet med den nuværende Humufish TPU v9:

• On-chip SRAM: Øget med 2–3 gange. Dette gør det muligt for en større del af en AI-agents eller RL-models aktive arbejdssæt at forblive på chippen lokalt, hvilket reducerer behovet for at hente data fra langsommere hukommelse uden for chippen. Resultatet er lavere dataflytningsomkostninger og forbedret effektivitet under ultralav-latency-dekodning .
• Off-chip DRAM: Opgraderet fra HBM4 til næste generations HBM4E. Dette giver højere hukommelsesbåndbredde til inferens i stor skala .
• Ny simuleringsdie: En dedikeret analog/simuleringsdie er tilføjet specifikt til RL- og agent-arbejdsbelastninger. Mulige funktioner inkluderer lokal TPU-styring, skift mellem trænings-/inferenstilstand og reinforcement learning med AI-agent-samarbejde .

Disse ændringer sigter direkte mod de såkaldte "CPU-wall" og "memory wall" flaskehalse, der er almindelige i AI ASIC'er .

Målrettet mod AI-agenter og reinforcement learning

Triggerfish er eksplicit designet til den næste bølge af AI-arbejdsbelastninger: AI-agenter og reinforcement learning .

• Større SRAM betyder, at mere af en agents aktive tilstand – den arbejdshukommelse, der er nødvendig for flertrinsræsonnement – kan forblive på chippen, hvilket dramatisk reducerer latency.
• Den nye simuleringsdie er en hardwareaccelerator optimeret til de trial-and-error-læringsløkker, der definerer RL- og agentbaserede systemer.
• HBM4E-hukommelse sikrer, at når data skal forlade chippen, kan det bevæge sig med den højest mulige båndbredde.

Dette fokus er i tråd med Googles bredere AI-strategi. Som det fremgår af Googles egen dokumentation: "Skiftet til Agentic AI kræver infrastruktur, der er i stand til flertrinsræsonnement og kontinuerlig reinforcement learning." TPU'er er designet til at "bryde inferensens 'memory wall' ved at være vært for massive KV-caches helt på silicium, ved hjælp af udvidet on-chip SRAM" .

Produktionstidslinje og -mængder

Ifølge Kuos forsyningskædeanalyse:

Milepæl	Estimat
Produktionsstart	Sent i 2027 (H2 2027)
Volumenopskalering	2028
Samlet levetidsforsendelse (Triggerfish)	100–200 millioner enheder (oveni 400–500 millioner Humufish-enheder)

Disse mængder er relativt beskedne sammenlignet med den basale TPU v9, hvilket afspejler Triggerfishs position som en målrettet opgradering til specifikke, højværdi-inferensarbejdsbelastninger snarere end en masse-markedserstatning.

Hvordan Triggerfish passer ind i Googles strategi vs. Nvidia

Triggerfish er en del af Googles langvarige strategi om at udvikle interne specialfremstillede chips (TPU'er) for at reducere afhængigheden af Nvidia GPU'er til AI-arbejdsbelastninger .

Ved at opgradere TPU v9 i stedet for at vente på en fuld v10, kan Google hurtigere iterere på inferensspecifikke forbedringer til nye arbejdsbelastninger som AI-agenter og RL – områder, hvor Nvidias generelle GPU'er kan være overkonstruerede til ren inferens .

Chippen er designet til "effektiv compute-maksimering" – at holde aktive data på chippen for at sænke omkostninger og latency, og dermed direkte konkurrere på totale inferensomkostninger mod Nvidias H100/B200-klasse hardware .

Vigtige forbehold

Alle detaljer stammer fra en enkelt analytikeranalyse (Ming-Chi Kuo, TF International Securities, 22. juni 2026). Google har ikke bekræftet Triggerfish-kodenavnet, specifikationerne eller tidslinjen. Priser, mængder og partner-eksklusivitet er ikke blevet bekræftet af de involverede virksomheder. Indtil Google kommer med en officiel meddelelse, bør disse oplysninger behandles som en troværdig, men ubekræftet industrirapport.