Google Triggerfish AI Chip: Mọi điều cần biết về bản nâng cấp TPU v9 với MediaTek

Các nâng cấp kỹ thuật chính

So với phiên bản TPU v9 Humufish hiện tại, Triggerfish có ba thay đổi kiến trúc chính:

• SRAM trên chip: Tăng gấp 2–3 lần. Điều này cho phép giữ nhiều không gian làm việc đang hoạt động (active working set) của mô hình AI Agent hoặc RL ở ngay trên chip, giảm nhu cầu lấy dữ liệu từ bộ nhớ ngoài chậm hơn. Kết quả là giảm chi phí di chuyển dữ liệu và cải thiện hiệu suất trong giai đoạn giải mã (decoding) có độ trễ cực thấp .
• DRAM ngoài chip: Nâng cấp từ HBM4 lên HBM4E thế hệ tiếp theo. Điều này cung cấp băng thông bộ nhớ cao hơn cho việc suy luận ở quy mô lớn .
• Simulation die (khuôn mô phỏng) mới: Một khuôn mô phỏng/tương tự chuyên dụng được thêm vào dành riêng cho khối lượng công việc RL và AI Agent. Các chức năng có thể bao gồm quản lý TPU cục bộ, chuyển đổi chế độ huấn luyện/suy luận, học tăng cường và cộng tác với AI Agent .

Những thay đổi này trực tiếp giải quyết các nút thắt cổ chai "CPU wall" và "memory wall" thường gặp trong các chip AI ASIC .

Nhắm mục tiêu AI Agent và Học tăng cường (RL)

Triggerfish được thiết kế rõ ràng cho làn sóng khối lượng công việc AI tiếp theo: AI Agent và học tăng cường .

• SRAM lớn hơn giúp giữ nhiều trạng thái hoạt động hơn của một agent — bộ nhớ làm việc cần thiết cho suy luận đa bước — trên chip, cắt giảm đáng kể độ trễ.
• Simulation die mới là một bộ tăng tốc phần cứng được tối ưu hóa cho các vòng lặp học thử-sai (trial-and-error) đặc trưng của RL và hệ thống agent.
• Bộ nhớ HBM4E đảm bảo rằng khi dữ liệu phải rời khỏi chip, nó có thể di chuyển với băng thông cao nhất có thể.

Sự tập trung này phù hợp với chiến lược AI rộng lớn hơn của Google. Như đã nêu trong tài liệu của Google Cloud, "Sự chuyển dịch sang Agentic AI đòi hỏi cơ sở hạ tầng có khả năng suy luận đa bước và học tăng cường liên tục." Các chip TPU được thiết kế để "phá vỡ 'rào cản bộ nhớ' (memory wall) trong suy luận bằng cách lưu trữ các bộ nhớ đệm KV (KV caches) khổng lồ hoàn toàn trên silicon, sử dụng SRAM trên chip mở rộng" .

Tiến độ sản xuất và Sản lượng

Theo khảo sát chuỗi cung ứng của ông Kuo:

Những con số này tương đối khiêm tốn so với TPU v9 cơ bản, phản ánh vị thế của Triggerfish như một bản nâng cấp có mục tiêu cho các khối lượng công việc suy luận cụ thể, giá trị cao, chứ không phải là sản phẩm thay thế đại trà.

Triggerfish phù hợp với chiến lược của Google như thế nào so với Nvidia

Triggerfish là một phần trong chiến lược lâu dài của Google nhằm phát triển silicon tùy chỉnh nội bộ (TPU) để giảm sự phụ thuộc vào GPU của Nvidia cho khối lượng công việc AI .

Bằng cách nâng cấp TPU v9 thay vì chờ đợi một phiên bản v10 hoàn chỉnh, Google có thể lặp lại nhanh hơn các cải tiến dành riêng cho suy luận đối với các khối lượng công việc mới nổi như AI Agent và RL — những lĩnh vực mà GPU đa năng của Nvidia có thể bị thiết kế quá mức cần thiết cho suy luận thuần túy .

Chip này được thiết kế để "tối đa hóa hiệu quả tính toán" — giữ dữ liệu đang hoạt động trên chip nhằm giảm chi phí và độ trễ, cạnh tranh trực tiếp về tổng chi phí suy luận (total cost of inference) so với phần cứng lớp H100/B200 của Nvidia .

Lưu ý quan trọng

Tất cả thông tin chi tiết đều được lấy từ một cuộc khảo sát của một nhà phân tích duy nhất (Ming-Chi Kuo, TF International Securities, ngày 22 tháng 6 năm 2026). Google chưa xác nhận tên mã Triggerfish, thông số kỹ thuật hay mốc thời gian. Giá cả, sản lượng và tính độc quyền của đối tác vẫn chưa được các công ty liên quan xác minh. Cho đến khi Google đưa ra thông báo chính thức, thông tin này nên được coi là một báo cáo ngành đáng tin cậy nhưng chưa được xác nhận.