Google Triggerfish: tutto quello che sappiamo sul chip TPU v9 potenziato con MediaTek, HBM4E e il supporto per l'AI agent

La strategia di Google nel campo dei chip personalizzati accelera con un aggiornamento della sua TPU v9. Con il nome in codice Triggerfish, questa versione rivista è progettata per affrontare le esigenze specifiche dei nuovi carichi di lavoro AI, come gli agenti autonomi e il reinforcement learning (RL), e approfondisce la collaborazione con il progettista di chip MediaTek.

Attenzione: tutte le informazioni seguenti provengono da un singolo sondaggio sulla catena di fornitura pubblicato il 22 giugno 2026 da Ming-Chi Kuo, analista di TF International Securities. Non sono state confermate o annunciate da Google. I dettagli sono ampiamente riportati, ma provengono da un unico report di analisi.

Cos'è Triggerfish?

Triggerfish è una revisione migliorata del chip AI TPU v9 di Google, basata sulla piattaforma Humufish esistente. È posizionato come una variante della v9 con capacità di inferenza più potenti, non un progetto di nuova generazione (v10) completo . Il nome prosegue la tradizione di Google di utilizzare nomi in codice legati ai pesci per le sue generazioni di TPU.

Partner di design: il ruolo crescente di MediaTek

MediaTek si è aggiudicata un ordine esclusivo per il chip Triggerfish . L'ordine ha un prezzo unitario superiore di circa il 30% rispetto al chip Humufish di base , segnalando una collaborazione più profonda che va oltre la semplice fornitura di componenti. Kuo osserva che questo conferma ulteriormente MediaTek come partner preferito di Google per l'intera generazione TPU v9, indicando che MediaTek gestisce più lavoro architetturale e di integrazione, un passo verso una collaborazione di design a livello di sistema .

Principali aggiornamenti tecnici

Triggerfish introduce tre modifiche architetturali principali rispetto all'attuale TPU v9 Humufish:

• SRAM on-chip: aumentata di 2-3 volte. Ciò consente a più working set attivi di un agente AI o di un modello RL di rimanere localmente sul chip, riducendo la necessità di recuperare dati dalla memoria off-chip più lenta. Il risultato è un costo di movimento dati inferiore e una maggiore efficienza durante la decodifica a latenza ultra-bassa .
• DRAM off-chip: aggiornata da HBM4 alla nuova generazione HBM4E. Questo fornisce una larghezza di banda di memoria maggiore per l'inferenza su larga scala .
• Nuovo die di simulazione: viene aggiunto un die dedicato analogico/di simulazione specifico per carichi di lavoro RL e agenti. Le possibili funzioni includono la gestione locale della TPU, il passaggio tra modalità training/inferenza e l'apprendimento per rinforzo con la collaborazione di agenti AI .

Questi cambiamenti mirano direttamente ai colli di bottiglia "CPU wall" e "memory wall" comuni negli ASIC AI .

Target: agenti AI e reinforcement learning

Triggerfish è progettato esplicitamente per la prossima ondata di carichi di lavoro AI: agenti AI e reinforcement learning .

• L'SRAM più grande significa che più stato attivo di un agente (la memoria di lavoro necessaria per il ragionamento multi-step) può rimanere sul chip, riducendo drasticamente la latenza.
• Il nuovo die di simulazione è un acceleratore hardware ottimizzato per i cicli di apprendimento per tentativi ed errori che definiscono i sistemi RL e basati su agenti.
• La memoria HBM4E garantisce che, quando i dati devono lasciare il chip, possano muoversi alla massima larghezza di banda possibile.

Questo focus si allinea con la strategia AI più ampia di Google. Come indicato nella documentazione di Google Cloud: "Il passaggio all'Agentic AI richiede un'infrastruttura in grado di eseguire ragionamenti multi-step e apprendimento per rinforzo continuo. Le TPU sono progettate per infrangere il 'memory wall' dell'inferenza ospitando vaste cache KV interamente su silicio, utilizzando SRAM on-chip espansa" .

Tempistiche di produzione e volumi

Secondo il sondaggio sulla filiera di Kuo:

Tappa	Stima
Inizio produzione	Fine 2027 (seconda metà del 2027)
Aumento dei volumi	2028
Spedizioni totali (Triggerfish)	1-2 milioni di unità (oltre a 4-5 milioni di unità Humufish)

Questi volumi sono relativamente modesti rispetto alla TPU v9 base, riflettendo la posizione di Triggerfish come aggiornamento mirato per carichi di lavoro di inferenza specifici e di alto valore, piuttosto che una sostituzione di massa.

Come Triggerfish si inserisce nella strategia di Google contro Nvidia

Triggerfish fa parte della strategia di lunga data di Google di sviluppare silicio personalizzato interno (TPU) per ridurre la dipendenza dalle GPU Nvidia per i carichi di lavoro AI .

Aggiornando la TPU v9 invece di aspettare una v10 completa, Google può iterare più velocemente su miglioramenti specifici per l'inferenza per carichi di lavoro emergenti come agenti AI e RL, aree in cui le GPU per uso generale di Nvidia potrebbero essere eccessivamente complesse per la sola inferenza .

Il chip è progettato per la "massimizzazione del calcolo effettivo" (effective compute maximization), mantenendo i dati attivi sul chip per abbassare costi e latenza, competendo direttamente sul costo totale di inferenza contro l'hardware di classe H100/B200 di Nvidia .

Avvertenze importanti

Tutti i dettagli provengono da un singolo sondaggio di un analista (Ming-Chi Kuo, TF International Securities, 22 giugno 2026). Google non ha confermato il nome in codice Triggerfish, le specifiche o la tempistica. Prezzi, volumi ed esclusività del partner rimangono non verificati dalle aziende coinvolte. Fino a quando Google non farà un annuncio ufficiale, queste informazioni dovrebbero essere trattate come un report di settore credibile ma non confermato.