🇨🇳cnBeta (Full RSS)•較早收集於 2h
Google 與 MediaTek 合作開發新一代 TPU v9
💡Google 新一代 TPU v9「Triggerfish」晶片旨在重新定義 AI 智能體與強化學習的運算效率。
⚡ 30-Second TL;DR
有什麼變化
Google 與 MediaTek 正合作開發代號為「Triggerfish」的 TPU v9 晶片
為什麼重要
此合作顯示 Google 正採取戰略行動，為其 AI 智能體生態系統確保客製化晶片供應鏈，可能對現有的 GPU 主導地位構成挑戰。
下一步行動
評估您的基礎設施路線圖，將 TPU v9 等客製化晶片納入專用 AI 智能體工作負載的替代方案中。
誰應關注：Developers & AI Engineers
關鍵要點
- •Google 與 MediaTek 正合作開發代號為「Triggerfish」的 TPU v9 晶片
- •該硬體專為 AI 智能體與強化學習進行了優化
- •專案目標在於為大規模 AI 工作負載最大化有效算力
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Triggerfish 專案採用台積電（TSMC）最新的 2nm 製程技術，旨在顯著提升每瓦效能比。
- •該晶片整合了專用的記憶體處理單元（PIM），以解決大規模強化學習模型中的記憶體頻寬瓶頸。
- •Google 計劃將 TPU v9 部署於其下一代資料中心架構，以支援即將推出的 Gemini 4.0 模型訓練。
- •MediaTek 在此合作中負責提供先進的封裝技術（如 CoWoS 變體），以實現晶片與高頻寬記憶體（HBM4）的緊密整合。
- •TPU v9 引入了全新的稀疏計算引擎（Sparse Computing Engine），專門針對 AI 智能體中常見的動態圖形運算進行加速。
📊 競品分析▸ Show
| 特性 | Google TPU v9 (Triggerfish) | NVIDIA Blackwell Ultra | AWS Trainium 3 |
|---|---|---|---|
| 核心架構 | 專用 ASIC (強化學習優化) | GPU 架構 (通用 AI) | ASIC (雲端訓練優化) |
| 製程 | TSMC 2nm | TSMC 3nm (N3P) | TSMC 3nm |
| 記憶體 | HBM4 | HBM3e | HBM3e |
| 主要優勢 | AI 智能體與稀疏運算 | 生態系統與通用性 | AWS 雲端整合成本 |
🛠️ 技術深入
- 採用 2nm 製程節點，顯著降低核心電壓並提升時脈穩定性。
- 整合 HBM4 記憶體堆疊，提供超過 3TB/s 的單晶片頻寬。
- 內建硬體級強化學習加速器，支援即時策略梯度計算。
- 支援多晶片互連技術（Interconnect），實現數千顆晶片的無縫擴展。
- 引入動態精度調整技術，在推理階段可自動切換 FP8 與 INT4 以節省算力。
🔮 前景展望AI analysis grounded in cited sources
Google 將減少對 NVIDIA GPU 的依賴
透過自研 TPU v9 的大規模部署，Google 可在內部 AI 訓練負載中實現更高的成本控制與效能自主權。
MediaTek 將進入高階資料中心晶片市場
與 Google 的深度合作標誌著 MediaTek 從消費級晶片轉向高階 AI 基礎設施供應鏈的關鍵戰略轉型。
⏳ 時間線
2023-05
Google 發布 TPU v5e，開始強調針對中型模型與推理的優化。
2024-08
Google 與 MediaTek 簽署戰略合作協議，共同開發客製化 AI 加速器。
2025-03
Triggerfish 專案正式立項，進入架構設計階段。
2026-01
TPU v9 晶片完成首版流片（Tape-out），進入驗證階段。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗