Cip AI Triggerfish Google: Apa Yang Anda Perlu Tahu Tentang Naik Taraf TPU v9 dengan MediaTek

Naik Taraf Teknikal Utama

Triggerfish membuat tiga perubahan seni bina utama berbanding TPU v9 Humufish semasa:

• SRAM pada cip: Ditingkatkan sebanyak 2–3x. Ini membolehkan lebih banyak set kerja aktif ejen AI atau model RL kekal pada cip secara setempat, mengurangkan keperluan untuk mengambil data daripada memori luar cip yang lebih perlahan. Hasilnya ialah kos pemindahan data yang lebih rendah dan kecekapan yang lebih baik semasa penyahkodan kependaman ultra-rendah .
• DRAM luar cip: Dinaik taraf daripada HBM4 kepada HBM4E generasi akan datang. Ini menyediakan lebar jalur memori yang lebih tinggi untuk inferens pada skala besar .
• Die simulasi baharu: Die analog/simulasi khusus ditambah khusus untuk beban kerja RL dan ejen. Fungsi yang mungkin termasuk pengurusan TPU setempat, pensuisan mod latihan/inferens, dan pembelajaran pengukuhan dengan kerjasama ejen AI .

Perubahan ini secara langsung menyasarkan hambatan "tembok CPU" dan "tembok memori" yang biasa dalam ASIC AI .

Menyasarkan Ejen AI dan Pembelajaran Pengukuhan

Triggerfish direka bentuk secara eksplisit untuk gelombang beban kerja AI seterusnya: ejen AI dan pembelajaran pengukuhan .

• SRAM yang lebih besar bermakna lebih banyak keadaan aktif ejen — memori kerja yang diperlukan untuk penaakulan pelbagai langkah — boleh kekal pada cip, secara dramatik mengurangkan kependaman.
• Die simulasi baharu ialah pemecut perkakasan yang dioptimumkan untuk gelung pembelajaran cuba-dan-ralat yang mentakrifkan sistem RL dan berasaskan ejen.
• Memori HBM4E memastikan apabila data mesti meninggalkan cip, ia boleh bergerak pada lebar jalur tertinggi yang mungkin.

Tumpuan ini sejajar dengan strategi AI Google yang lebih luas. Seperti yang dinyatakan dalam dokumentasi Google Cloud sendiri, "Peralihan kepada AI Agentik memerlukan infrastruktur yang mampu melakukan penaakulan pelbagai langkah dan pembelajaran pengukuhan berterusan." TPU direka untuk "memecahkan 'tembok memori' inferens dengan mengehoskan cache KV yang besar sepenuhnya pada silikon, menggunakan SRAM pada cip yang diperluas" .

Garis Masa Pengeluaran dan Volume

Menurut tinjauan rantaian bekalan Kuo:

Volume ini agak sederhana berbanding TPU v9 asas, mencerminkan kedudukan Triggerfish sebagai naik taraf yang disasarkan untuk beban kerja inferens tertentu dan bernilai tinggi dan bukan pengganti pasaran massa.

Bagaimana Triggerfish Sesuai Dengan Strategi Google vs. Nvidia

Triggerfish adalah sebahagian daripada strategi jangka panjang Google untuk membangunkan silikon tersuai dalaman (TPU) bagi mengurangkan pergantungan pada GPU Nvidia untuk beban kerja AI .

Dengan menaik taraf TPU v9 daripada menunggu v10 penuh, Google boleh lelaran lebih pantas pada penambahbaikan khusus inferens untuk beban kerja baru muncul seperti ejen AI dan RL — bidang di mana GPU tujuan umum Nvidia mungkin terlalu direka bentuk untuk inferens tulen .

Cip ini direka untuk "pemaksimuman pengiraan berkesan" — memastikan data aktif pada cip untuk mengurangkan kos dan kependaman, bersaing secara langsung pada jumlah kos inferens berbanding perkakasan kelas H100/B200 Nvidia .

Amaran Penting

Semua butiran adalah daripada satu tinjauan penganalisis (Ming-Chi Kuo, TF International Securities, 22 Jun 2026). Google belum mengesahkan nama kod Triggerfish, spesifikasi, atau garis masa. Harga, volume, dan eksklusif rakan kongsi masih belum disahkan oleh syarikat yang terlibat. Sehingga Google membuat pengumuman rasmi, maklumat ini harus dianggap sebagai laporan industri yang boleh dipercayai tetapi belum disahkan.