Google Triggerfish : tout savoir sur la version améliorée du TPU v9 conçue avec MediaTek

Partenaire de conception : le rôle croissant de MediaTek

MediaTek a obtenu une commande exclusive pour la puce Triggerfish . La commande a un prix unitaire environ 30 % plus élevé que la puce Humufish de base , signalant une collaboration plus profonde qui va au-delà de la simple fourniture de composants. Kuo note que cela valide davantage MediaTek en tant que partenaire de premier choix de Google pour toute la génération TPU v9, indiquant que MediaTek gère davantage de travaux d'architecture et d'intégration — une évolution vers une collaboration de conception au niveau système .

Principales améliorations techniques

Triggerfish apporte trois changements architecturaux principaux par rapport au TPU v9 (Humufish) actuel :

• SRAM sur puce : augmentée de 2 à 3 fois. Cela permet à une plus grande partie du jeu de travail actif d'un agent IA ou d'un modèle RL de rester localement sur la puce, réduisant ainsi le besoin de récupérer des données depuis une mémoire hors puce plus lente. Le résultat est une réduction des coûts de déplacement des données et une efficacité améliorée lors du décodage à très faible latence .
• DRAM hors puce : passe de la HBM4 à la HBM4E de nouvelle génération. Cela offre une bande passante mémoire plus élevée pour l'inférence à grande échelle .
• Nouveau die de simulation : un die analogique/de simulation dédié est ajouté spécifiquement pour les charges de travail RL et d'agents. Les fonctions possibles incluent la gestion locale du TPU, la commutation entre les modes entraînement/inférence, et l'apprentissage par renforcement avec la collaboration d'agents IA .

Ces changements ciblent directement les goulots d'étranglement courants des ASIC IA : le « CPU wall » et le « memory wall » .

Ciblage des agents IA et de l'apprentissage par renforcement

Triggerfish est explicitement conçu pour la prochaine vague de charges de travail IA : les agents IA et l'apprentissage par renforcement .

• La plus grande SRAM signifie qu'une plus grande partie de l'état actif d'un agent — la mémoire de travail nécessaire au raisonnement en plusieurs étapes — peut rester sur la puce, réduisant considérablement la latence.
• Le nouveau die de simulation est un accélérateur matériel optimisé pour les boucles d'apprentissage par essais et erreurs qui définissent le RL et les systèmes basés sur des agents.
• La mémoire HBM4E garantit que lorsque les données doivent quitter la puce, elles peuvent se déplacer à la bande passante la plus élevée possible.

Cette orientation s'aligne sur la stratégie IA plus large de Google. Comme indiqué dans la documentation de Google Cloud, « le passage à l'IA agentive nécessite une infrastructure capable de raisonnement en plusieurs étapes et d'apprentissage par renforcement continu ». Les TPU sont conçus pour « briser le "memory wall" de l'inférence en hébergeant de vastes caches KV entièrement sur silicium, en utilisant une SRAM sur puce étendue » .

Calendrier de production et volumes

Selon l'enquête de Kuo sur la chaîne d'approvisionnement :

Ces volumes sont relativement modestes par rapport au TPU v9 de base, reflétant la position de Triggerfish en tant que mise à niveau ciblée pour des charges de travail d'inférence spécifiques et de grande valeur, plutôt qu'un remplacement de masse.

Comment Triggerfish s'inscrit dans la stratégie de Google face à Nvidia

Triggerfish fait partie de la stratégie de longue date de Google visant à développer son propre silicium sur mesure (TPU) pour réduire sa dépendance vis-à-vis des GPU Nvidia pour les charges de travail IA .

En améliorant le TPU v9 plutôt que d'attendre une v10 complète, Google peut itérer plus rapidement sur des améliorations spécifiques à l'inférence pour les charges de travail émergentes comme les agents IA et le RL — des domaines où les GPU à usage général de Nvidia peuvent être surdimensionnés pour la pure inférence .

La puce est conçue pour la « maximisation du calcul effectif » — en gardant les données actives sur la puce pour réduire le coût et la latence, en concurrençant directement sur le coût total de l'inférence contre le matériel de classe H100/B200 de Nvidia .

Limitations clés

Tous les détails proviennent d'une seule enquête d'analyste (Ming-Chi Kuo, TF International Securities, 22 juin 2026). Google n'a pas confirmé le nom de code Triggerfish, les spécifications ou le calendrier. Les prix, les volumes et l'exclusivité des partenaires restent non vérifiés par les entreprises concernées. Jusqu'à ce que Google fasse une annonce officielle, ces informations doivent être traitées comme un rapport crédible mais non confirmé de l'industrie .