Що таке Triggerfish?

Triggerfish — це оновлена версія AI-чипа Google TPU v9, яка базується на існуючій платформі Humufish. Її позиціонують як варіант v9 з більш потужними можливостями інференції (висновку), але не як повноцінне наступне покоління (v10) . Назва продовжує традицію Google використовувати "рибні" кодові назви для своїх поколінь TPU.

Партнер з розробки: розширення ролі MediaTek

MediaTek отримала ексклюзивне замовлення на виробництво чипа Triggerfish . Вартість цього замовлення приблизно на 30% вища за базовий чип Humufish . Це свідчить про глибшу співпрацю, яка виходить за рамки простого постачання компонентів. За словами Куо, це підтверджує, що MediaTek стає для Google головним партнером для всього покоління TPU v9, беручи на себе більше архітектурної та інтеграційної роботи — фактично переходячи до рівня системного дизайну .

Ключові технічні оновлення

Порівняно з поточним TPU v9 (Humufish) Triggerfish має три основні архітектурні зміни:

• Вбудована SRAM-пам'ять: збільшена в 2–3 рази. Це дозволяє зберігати більше активних даних AI-агента або моделі на самому чипі, зменшуючи потребу в зверненні до повільнішої зовнішньої пам'яті. Результат — нижчі витрати на переміщення даних та краща ефективність під час декодування з наднизькою затримкою .
• Зовнішня DRAM-пам'ять: оновлено з HBM4 до новітньої HBM4E. Це забезпечує вищу пропускну здатність пам'яті для масштабної інференції .
• Новий симуляційний чип (simulation die): додано спеціалізований аналоговий/симуляційний чип, призначений для роботи з навчанням з підкріпленням (RL) та AI-агентами. Його можливі функції включають локальне керування TPU, перемикання між режимами навчання та інференції, а також прискорення RL-алгоритмів у взаємодії з AI-агентами .

Ці зміни безпосередньо спрямовані на подолання так званих "стін CPU" та "стін пам'яті" — поширених вузьких місць у спеціалізованих AI-чипах (ASIC) .

Орієнтація на AI-агентів та навчання з підкріпленням

Triggerfish чітко спроектований для наступної хвилі AI-навантажень: AI-агентів та навчання з підкріпленням .

• Більша SRAM-пам'ять означає, що активний стан агента — його робоча пам'ять, необхідна для багатокрокових міркувань — може залишатися на чипі, що кардинально знижує затримку.
• Новий симуляційний чип — це апаратний прискорювач, оптимізований для циклів навчання методом проб і помилок, які є основою RL та систем на основі агентів.
• Пам'ять HBM4E гарантує, що коли дані все ж мають покинути чип, вони можуть передаватися з максимально можливою швидкістю.

Цей фокус узгоджується з ширшою AI-стратегією Google. Як зазначено в документації Google Cloud, "перехід до Agentic AI (агентного штучного інтелекту) вимагає інфраструктури, здатної на багатокрокові міркування та безперервне навчання з підкріпленням". TPU, за їхніми словами, покликані "зламати 'стіну пам'яті' інференції, розміщуючи величезні KV-кеші повністю на кремнії, використовуючи розширену вбудовану SRAM" .

Виробничий графік та обсяги

За даними опитування постачальників, проведеного Куо:

Ці обсяги є відносно скромними порівняно з базовим TPU v9, що свідчить про позиціонування Triggerfish як цільового оновлення для специфічних високовартісних завдань інференції, а не як масової заміни.

Як Triggerfish вписується в стратегію Google проти Nvidia

Triggerfish є частиною довгострокової стратегії Google з розробки власних спеціалізованих мікросхем (TPU) для зменшення залежності від графічних процесорів Nvidia для AI-навантажень .

Оновлюючи TPU v9, а не чекаючи на повноцінний v10, Google може швидше впроваджувати вдосконалення, орієнтовані на інференцію для нових завдань (AI-агенти, RL). У цих сферах універсальні графічні процесори Nvidia можуть бути надмірно складними для чистої інференції .

Чип спроектований для "максимізації ефективних обчислень" — утримання активних даних на чипі для зниження вартості та затримки. Таким чином, він безпосередньо конкурує на показнику загальної вартості інференції з обладнанням класу Nvidia H100/B200 .

Ключові застереження

Всі деталі походять з одного аналітичного звіту (Мін-Чі Куо, TF International Securities, 22 червня 2026 року). Google не підтверджував кодову назву Triggerfish, технічні характеристики або графік виробництва. Ціни, обсяги та ексклюзивність партнерства залишаються непідтвердженими залученими компаніями. До офіційного оголошення Google цю інформацію слід вважати надійним, але непідтвердженим звітом з індустрії.

Що таке Triggerfish?

Triggerfish — це оновлена версія AI-чипа Google TPU v9, яка базується на існуючій платформі Humufish. Її позиціонують як варіант v9 з більш потужними можливостями інференції (висновку), але не як повноцінне наступне покоління (v10) . Назва продовжує традицію Google використовувати "рибні" кодові назви для своїх поколінь TPU.

Партнер з розробки: розширення ролі MediaTek

MediaTek отримала ексклюзивне замовлення на виробництво чипа Triggerfish . Вартість цього замовлення приблизно на 30% вища за базовий чип Humufish . Це свідчить про глибшу співпрацю, яка виходить за рамки простого постачання компонентів. За словами Куо, це підтверджує, що MediaTek стає для Google головним партнером для всього покоління TPU v9, беручи на себе більше архітектурної та інтеграційної роботи — фактично переходячи до рівня системного дизайну .

Ключові технічні оновлення

Порівняно з поточним TPU v9 (Humufish) Triggerfish має три основні архітектурні зміни:

• Вбудована SRAM-пам'ять: збільшена в 2–3 рази. Це дозволяє зберігати більше активних даних AI-агента або моделі на самому чипі, зменшуючи потребу в зверненні до повільнішої зовнішньої пам'яті. Результат — нижчі витрати на переміщення даних та краща ефективність під час декодування з наднизькою затримкою .
• Зовнішня DRAM-пам'ять: оновлено з HBM4 до новітньої HBM4E. Це забезпечує вищу пропускну здатність пам'яті для масштабної інференції .
• Новий симуляційний чип (simulation die): додано спеціалізований аналоговий/симуляційний чип, призначений для роботи з навчанням з підкріпленням (RL) та AI-агентами. Його можливі функції включають локальне керування TPU, перемикання між режимами навчання та інференції, а також прискорення RL-алгоритмів у взаємодії з AI-агентами .

Ці зміни безпосередньо спрямовані на подолання так званих "стін CPU" та "стін пам'яті" — поширених вузьких місць у спеціалізованих AI-чипах (ASIC) .

Орієнтація на AI-агентів та навчання з підкріпленням

Triggerfish чітко спроектований для наступної хвилі AI-навантажень: AI-агентів та навчання з підкріпленням .

• Більша SRAM-пам'ять означає, що активний стан агента — його робоча пам'ять, необхідна для багатокрокових міркувань — може залишатися на чипі, що кардинально знижує затримку.
• Новий симуляційний чип — це апаратний прискорювач, оптимізований для циклів навчання методом проб і помилок, які є основою RL та систем на основі агентів.
• Пам'ять HBM4E гарантує, що коли дані все ж мають покинути чип, вони можуть передаватися з максимально можливою швидкістю.

Цей фокус узгоджується з ширшою AI-стратегією Google. Як зазначено в документації Google Cloud, "перехід до Agentic AI (агентного штучного інтелекту) вимагає інфраструктури, здатної на багатокрокові міркування та безперервне навчання з підкріпленням". TPU, за їхніми словами, покликані "зламати 'стіну пам'яті' інференції, розміщуючи величезні KV-кеші повністю на кремнії, використовуючи розширену вбудовану SRAM" .

Виробничий графік та обсяги

За даними опитування постачальників, проведеного Куо:

Ці обсяги є відносно скромними порівняно з базовим TPU v9, що свідчить про позиціонування Triggerfish як цільового оновлення для специфічних високовартісних завдань інференції, а не як масової заміни.

Як Triggerfish вписується в стратегію Google проти Nvidia

Triggerfish є частиною довгострокової стратегії Google з розробки власних спеціалізованих мікросхем (TPU) для зменшення залежності від графічних процесорів Nvidia для AI-навантажень .

Оновлюючи TPU v9, а не чекаючи на повноцінний v10, Google може швидше впроваджувати вдосконалення, орієнтовані на інференцію для нових завдань (AI-агенти, RL). У цих сферах універсальні графічні процесори Nvidia можуть бути надмірно складними для чистої інференції .

Чип спроектований для "максимізації ефективних обчислень" — утримання активних даних на чипі для зниження вартості та затримки. Таким чином, він безпосередньо конкурує на показнику загальної вартості інференції з обладнанням класу Nvidia H100/B200 .

Ключові застереження

Всі деталі походять з одного аналітичного звіту (Мін-Чі Куо, TF International Securities, 22 червня 2026 року). Google не підтверджував кодову назву Triggerfish, технічні характеристики або графік виробництва. Ціни, обсяги та ексклюзивність партнерства залишаються непідтвердженими залученими компаніями. До офіційного оголошення Google цю інформацію слід вважати надійним, але непідтвердженим звітом з індустрії.