Google'ın Yeni Nesil Yapay Zeka Çipi: Triggerfish TPU v9 Hakkında Bilinenler

Tasarım Ortağı: MediaTek'in Artan Rolü

Mediatek'in, Triggerfish çipi için özel bir sipariş aldığı belirtiliyor . Bu siparişin birim fiyatı, temel Humufish çipine göre yaklaşık %30 daha yüksek . Bu durum, MediaTek'in Google'ın TPU v9 nesli için birinci tercih ortak konumunu pekiştiriyor ve MediaTek'in artık sadece bileşen tedarikinden daha fazlasını üstlendiğini, sistem düzeyinde tasarım iş birliğine doğru kaydığını gösteriyor .

Ana Teknik Yenilikler

Triggerfish, mevcut Humufish TPU v9'a kıyasla üç temel mimari değişiklik sunuyor:

• Yerleşik SRAM: 2-3 kat artırıldı. Bu sayede, bir yapay zeka ajanının veya RL modelinin aktif çalışma setinin daha büyük bir kısmı çip üzerinde kalabiliyor. Bu da verilerin daha yavaş olan çip dışı belleğe taşınma ihtiyacını azaltarak, veri taşıma maliyetlerini düşürüyor ve ultra düşük gecikmeli kod çözme işlemlerinde verimliliği artırıyor .
• Çip Dışı DRAM: HBM4'ten bir sonraki nesil olan HBM4E'ye yükseltildi. Bu, büyük ölçekli çıkarım işlemleri için daha yüksek bellek bant genişliği sağlıyor .
• Yeni Simülasyon Çekirdeği: RL ve ajan iş yükleri için özel olarak bir analog/simülasyon çekirdeği (simulation die) eklendi. Olası işlevleri arasında yerel TPU yönetimi, eğitim/çıkarım modu geçişi ve yapay zeka ajan iş birliği ile pekiştirmeli öğrenme yer alıyor .

Bu değişiklikler, yapay zeka ASIC'lerinde yaygın olarak görülen 'CPU duvarı' ve 'bellek duvarı' darboğazlarını hedef alıyor .

Yapay Zeka Ajanları ve Pekiştirmeli Öğrenme Hedefi

Triggerfish, açıkça yapay zeka ajanları ve pekiştirmeli öğrenme gibi yeni nesil iş yükleri için tasarlanmıştır .

• Büyük SRAM, bir ajanın aktif durumunun (çok adımlı akıl yürütme için gerekli çalışma belleği) çip üzerinde kalmasını sağlayarak gecikmeyi önemli ölçüde azaltıyor.
• Yeni simülasyon çekirdeği, RL ve ajan tabanlı sistemleri tanımlayan deneme-yanılma öğrenme döngüleri için optimize edilmiş bir donanım hızlandırıcı görevi görüyor.
• HBM4E belleği, verilerin çipi terk etmesi gerektiğinde mümkün olan en yüksek bant genişliğinde hareket etmesini sağlıyor.

Bu odak, Google'ın daha geniş yapay zeka stratejisiyle örtüşüyor. Google Cloud'un kendi dokümantasyonunda belirttiği gibi, 'Ajan temelli yapay zekaya geçiş, çok adımlı akıl yürütme ve sürekli pekiştirmeli öğrenme yapabilen bir altyapı gerektiriyor.' TPU'lar, 'genişletilmiş yerleşik SRAM kullanarak büyük KV önbelleklerini tamamen silikon üzerinde barındırarak çıkarım 'bellek duvarını' kırmak' için tasarlanmıştır .

Üretim Zaman Çizelgesi ve Hacimler

Kuo'nun tedarik zinciri anketine göre:

Bu hacimler, temel TPU v9'a kıyasla nispeten mütevazıdır. Bu da Triggerfish'in kitlesel bir pazar değişimi değil, belirli, yüksek değerli çıkarım iş yükleri için hedeflenmiş bir yükseltme olduğunu gösteriyor.

Triggerfish, Google'ın Nvidia Stratejisine Nasıl Uyuyor?

Triggerfish, Google'ın yapay zeka iş yükleri için Nvidia GPU'larına olan bağımlılığı azaltmak amacıyla kendi özel silikonunu (TPU) geliştirme stratejisinin bir parçasıdır .

Google, tamamen yeni bir v10'u beklemek yerine TPU v9'u yükselterek, yapay zeka ajanları ve RL gibi yeni gelişen iş yükleri için çıkarıma özel iyileştirmeleri daha hızlı bir şekilde hayata geçirebilir. Bu alanlarda Nvidia'nın genel amaçlı GPU'ları, saf çıkarım için fazla mühendislik ürünü olabilir .

Çip, 'etkili hesaplama maksimizasyonu' için tasarlanmıştır; yani aktif veriyi çip üzerinde tutarak maliyeti ve gecikmeyi düşürür ve bu sayede Nvidia'nın H100/B200 sınıfı donanımlarına karşı toplam çıkarım maliyeti konusunda doğrudan rekabet eder .

Önemli Uyarılar

Tüm detaylar, tek bir analist anketine (Ming-Chi Kuo, TF International Securities, 22 Haziran 2026) dayanmaktadır. Google, Triggerfish kod adını, özelliklerini veya zaman çizelgesini henüz doğrulamamıştır. Fiyatlandırma, hacimler ve ortak özel durumu, ilgili şirketler tarafından doğrulanmamıştır. Google'dan resmi bir duyuru gelene kadar bu bilgiler, güvenilir ancak doğrulanmamış bir sektör raporu olarak değerlendirilmelidir.