Google 把 TPU 推理和训练分开，AI 芯片定价逻辑在变

Google 在 TPU v9 规划里加了更强的推理版本。这不是简单多做几颗，而是显示定制 AI 芯片正从大而全转向按任务拆分。

Triggerfish 项目把 MediaTek 从边缘推到 Google 供应链的核心位置，也说明大型云厂商正在拆分工作负载，找 Nvidia 在大规模部署时顾不到的成本与性能组合。

推理芯片单独做：Broadcom 被挤，MediaTek 得利

| 叙事 / 解读阵营 | 证据 / 信号 / 判断依据 | 对行业认知或市场定位的影响 | 策略判断 | |---|---|---|---| | MediaTek 进入一线 AI ASIC 供应商位置 | Kuo 关于 Triggerfish 独家合作的笔记；2-3 倍 SRAM、simulation die、HBM4E，以及相较 Humufish 高 30% 的定价；Counterpoint 与 CryptoBriefing 也指向其 2028 年 25% 市占率预期 | MediaTek 不再只是“手机芯片公司”；市场开始把其云端 ASIC 收入看到 2027 年 180 亿美元以上 | MediaTek 的利润率上行可能快于市场预期，因为推理芯片具备高于训练芯片的定价空间 | | Google 正在降低对 Broadcom 的依赖 | TPU v8 已经拆分为 Broadcom Sunfish 负责训练、MediaTek Zebrafish 负责推理；同时引入 Marvell 和 Intel，形成四方供应体系 | 行业叙事从“Nvidia vs 定制芯片”变成“多 ASIC 阵营分工”；Broadcom 的议价权被压缩 | 一旦推理订单转向更低成本合作方，Broadcom 的定制 AI 收入预测会显得偏高 | | AI Agent 与强化学习改变硬件瓶颈 | simulation die 与 SRAM 扩张对应 Agent 协同和低延迟解码需求；量产时间指向 2028 年 | 市场讨论重点从原始 FLOPS 转向内存效率，因为这才是 Agent 系统的真实约束 | 早期布局 Agent 工具链的参与者会获得持续成本优势；后入者将在推理成本上付出更高价格 |

真正重要的变化，是训练芯片与推理芯片之间的边界被明确拉开。Agent 工作负载不是在旧架构上做小修小补，而是在重新定义硬件经济账。

• 训练芯片仍然强调灵活性和高毛利；推理芯片则会被成本约束持续压缩和优化。
• MediaTek 的 SerDes 能力与 TSMC 关系，正在直接转化为 AI 云端收入，这是手机周期过去无法提供的增量曲线。
• Google 额外规划的 100 万至 200 万颗 Triggerfish，并不是从 Humufish 既有订单中切走需求，而是叠加在已承诺训练芯片量之上的推理增量。

不要把这件事误读成单纯的供应链博弈。30% 的价格溢价与 simulation die 的加入，说明这次升级是在补强化学习和 Agent 推理中的真实短板；否则 Google 没有理由为同类芯片支付更高价格。

现在推理专用 ASIC 的事还早。真正能占优的是那些围绕推理成本、Agent 工作负载和定制硅布局的人。还把 AI 芯片当训练芯片主导或只看 Broadcom 的交易者，会在 2028 年前继续看错。