來源較早收集於 2h

Google 與 MediaTek 合作開發新一代 TPU v9

閱讀原文: cnBeta (Full RSS)
#ai-chips#hardware#ai-agents

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 秒速覽

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

本篇為 AI 生成分析,非原文內容。

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

核心架構
Google TPU v9 (Triggerfish)
專用 ASIC (強化學習優化)
NVIDIA Blackwell Ultra
GPU 架構 (通用 AI)
AWS Trainium 3
ASIC (雲端訓練優化)
製程
Google TPU v9 (Triggerfish)
TSMC 2nm
NVIDIA Blackwell Ultra
TSMC 3nm (N3P)
AWS Trainium 3
TSMC 3nm
記憶體
Google TPU v9 (Triggerfish)
HBM4
NVIDIA Blackwell Ultra
HBM3e
AWS Trainium 3
HBM3e
主要優勢
Google TPU v9 (Triggerfish)
AI 智能體與稀疏運算
NVIDIA Blackwell Ultra
生態系統與通用性
AWS Trainium 3
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。

前景展望基於引用來源的 AI 分析

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 →

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)

這是摘要,不是原文。去看原站,或訂閱每週簡報。

每週電子報

每週一封,可隨時退訂。