MediaTek Dimensity 9600 und Google TPU v7 Ironwood: wie Cloud-Know-how die nächste Generation mobiler KI effizienter macht

Smartphone-Chips haben sich leise, aber radikal verändert. Ein moderner Flaggschiff-SoC ist längst nicht mehr nur eine CPU mit etwas GPU drumherum, sondern ein kleines Rechenzentrum im Handy: Er muss 4K-Video verarbeiten, komplexe Kamerapipelines befeuern, Games in hoher Bildrate stemmen und gleichzeitig immer größere KI-Modelle lokal ausführen. Genau in diesem Spannungsfeld wird die Zusammenarbeit zwischen Google und MediaTek rund um den TPU v7 Ironwood spannend – denn das, was Google in der Cloud lernt, landet früher oder später in Chips wie dem Dimensity 9600.

Ironwood ist ein spezialisierter KI-Beschleuniger (ASIC), den Google selbstbewusst als ernsthaften Herausforderer für NVIDIAs Blackwell-GPUs im Bereich der Inferenz positioniert. Hinter den Benchmark-Balken steckt aber noch eine andere Geschichte: MediaTek war direkt am Design beteiligt und konnte an vorderster Front lernen, wie man Datenpfade, Speicher und Energieverbrauch in einem extrem anspruchsvollen System ausbalanciert. Dieses Wissen ist für einen Smartphone-Chip, der täglich am Limit von Akku und Kühlung arbeitet, Gold wert.

Warum der Google TPU v7 Ironwood so viel Aufmerksamkeit bekommt

Über Jahre hinweg waren NVIDIA-GPUs in Kombination mit CUDA der quasi Standard für KI-Workloads: flexibel, mächtig und vor allem bereits etabliert. TPUs verfolgen einen anderen Ansatz. Sie sind keine Allzweckwaffe, sondern maßgeschneiderte ASICs, optimiert für genau die Arten von Rechenoperationen, die in modernen neuronalen Netzen dominieren. Das macht sie weniger universell, eröffnet aber enorme Spielräume bei Effizienz und Kosten, wenn sie für den richtigen Zweck eingesetzt werden.

Genau dort setzt Ironwood an. Während die Branche sich von gigantischen, schwerfälligen Foundation-Modellen langsam hin zu schlankeren, produktionsreifen Modellen bewegt, rückt die Inferenz in den Fokus. Hier zählt nicht die absolute Maximalleistung, sondern das Verhältnis aus Performance, Energieverbrauch und Kosten pro Anfrage. Erste Einschätzungen deuten darauf hin, dass Ironwood bei Inferenz-Workloads sehr nahe an NVIDIAs aktuellen GPUs liegt, dabei aber insgesamt günstiger zu betreiben ist – von der Anschaffung über Strom und Kühlung bis hin zur benötigten RZ-Fläche.

Für Google bedeutet das: Mehr KI-Dienste lassen sich wirtschaftlich abbilden, und die Plattform kann aggressiver skaliert werden. Für MediaTek heißt es: Die eigenen Ingenieurteams bekommen Einblick in ein System, bei dem jeder Fehler in der Architektur mit Millionenkosten bestraft würde – eine perfekte Schule für effizientere mobile SoCs.

Ein Blick in die Architektur: was im Inneren von Ironwood arbeitet

Im Zentrum von TPU v7 Ironwood steht ein Paket aus zwei Chiplets, das nach außen als ein einziger Beschleuniger erscheint. Jeder dieser Chiplets bringt mehrere Spezialblöcke mit, die unterschiedliche Aspekte von KI-Berechnungen abdecken:

• TensorCore mit systolischem Array: hier passiert der Hauptteil der linearen Algebra. Systolische Arrays schleusen Daten im Takt durch ein Gitter aus Recheneinheiten, statt ständig große Datenmengen aus der HBM zu laden. Das reduziert Speicherzugriffe drastisch und steigert den Durchsatz bei Matrixmultiplikationen – also genau der Operation, aus der sich viele KI-Modelle im Kern zusammensetzen.
• Vector Processing Unit (VPU): sie kümmert sich um elementweise Operationen wie Aktivierungsfunktionen, Normalisierungen oder einfache arithmetische Transformationen. Diese Aufgaben sind zu fein-granular für reine Matrix-Hardware, würden aber eine klassische CPU überlasten. Die VPU füllt hier elegant die Lücke.
• Matrix Multiply Unit (MXU): ergänzt den TensorCore bei speziellen Formen der Matrixmultiplikation, etwa mit anderen Datenformaten oder Datenflüssen. Zusammen sorgen TensorCore und MXU dafür, dass Ironwood mit sehr unterschiedlichen Modellarchitekturen umgehen kann, ohne Effizienz zu verlieren.
• Zwei SparseCores pro Chiplet: Sparsität ist eines der wichtigsten Stichworte moderner KI-Optimierung. Viele Gewichte und Eingaben sind effektiv Null oder können ignoriert werden. SparseCores sind dafür ausgelegt, mit diesen unregelmäßigen, datenabhängigen Speicherzugriffen effizient umzugehen, insbesondere bei Embeddings. Diese Embeddings verwandeln lange Listen kategorischer Merkmale – etwa Wörter eines Vokabulars – in kompakte Vektoren und sind zentral für Sprachmodelle und Empfehlungssysteme.
• 96 GB HBM: der große Pool an High Bandwidth Memory erlaubt es, sehr umfangreiche Modelle und Embedding-Tabellen direkt am Beschleuniger vorzuhalten. So sinkt die Notwendigkeit, ständig langsamere Stufen der Speicherhierarchie anzuzapfen.

Damit das alles harmoniert, braucht es eine entsprechend starke Vernetzung. Die beiden Chiplets in einem Ironwood-Paket sind über ein besonders schnelles Die-to-Die-Interface verbunden, das laut Google etwa sechsmal mehr Bandbreite bietet als ein klassischer eindimensionaler ICI-Link. Auf Rack-Ebene werden 64 dieser Chips per Inter-Chip Interconnect (ICI) zusammengeschaltet, pro Chip stehen etwa 1,2 TB/s bidirektionale ICI-Bandbreite bereit. Dieser 64-Chip-Verbund wird als Cube bezeichnet.

Mehrere Cubes wiederum sind über ein Netzwerk aus Optical Circuit Switches (OCS) verbunden und formen gemeinsam einen sogenannten Superpod. Im Vollausbau umfasst ein Ironwood-Superpod 144 Cubes, also 9.216 einzelne Chips. Was nach Sci-Fi klingt, ist in der Praxis eine hocheffiziente KI-Fabrik – und genau in dieser Fabrik hat MediaTek an zentralen Stellen mitgebaut.

MediaTeks Rolle: unscheinbar im Datenblatt, entscheidend im Alltag

In früheren TPU-Generationen arbeitete Google sehr eng mit Broadcom zusammen. Beim Ironwood wurde das Setup neu gemischt: Berichten zufolge erhielt MediaTek den Auftrag, die I/O-Module zu entwickeln, also die Logik, die Ironwood mit Speicher und anderer Peripherie verbindet. Auf Folien nimmt dieser Block meist wenig Platz ein, in der Realität ist er jedoch extrem sensibel. Jede unnötige Wartezeit, jeder zu groß dimensionierte Puffer zahlt direkt auf Energieverbrauch und Auslastung ein.

Analysten von UBS gehen davon aus, dass MediaTek aus der Zusammenarbeit mit Google für den TPU v7 langfristig rund 4 Milliarden US-Dollar Umsatz generieren könnte. Noch wichtiger als die Zahl auf dem Papier ist aber der Erfahrungsschatz: Wer I/O für einen Beschleuniger dieser Größenordnung entwirft, lernt, wie man Bandbreite und Effizienz unter realen Bedingungen optimiert – und genau dieses Know-how lässt sich später in anderen Produkten nutzen.

Vom Rechenzentrum in die Hosentasche: was beim Dimensity 9600 ankommt

Natürlich sind ein Cloud-TPU und ein Smartphone-SoC völlig unterschiedliche Kategorien. Ironwood ist ein spezialisierter Baustein, der in klimatisierten Racks mit üppiger Stromversorgung läuft. Der Dimensity 9600 hingegen muss CPU, GPU, Modem, ISP, KI-Beschleuniger und mehr auf einem Die vereinen – inklusive all der Kompromisse, die ein dünnes Smartphone-Gehäuse mit begrenztem Akku erzwingt.

MediaTek kann die Ironwood-Bausteine also nicht einfach kopieren. Sehr wohl übernehmen lässt sich aber die Art, wie man an Effizienz herangeht. Drei Felder sind besonders relevant:

• Feingranulares Power Gating: je genauer sich einzelne Blocks – etwa I/O-Einheiten, Speichercontroller oder Teile des KI-Beschleunigers – abschalten lassen, desto weniger Energie fließt in Leerlaufzustände. Die Arbeit am Ironwood hat MediaTek geholfen, Domänen klarer zu trennen und schnelle Aufwachpfade zu entwerfen, sodass der Nutzer vom Energiesparen möglichst wenig spürt.
• Präziseres Spannungs- und Frequenzmanagement: in einem Superpod mit Tausenden von TPUs wird jeder zusätzliche Watt zur Kostenfrage hoch n skaliert. Die feinen DVFS-Strategien, die dort nötig sind, lassen sich im Kleinen auch auf einen Dimensity 9600 anwenden. Ziel ist, jedem Block nur genau so viel Spannung zu geben, wie er in der aktuellen Situation wirklich braucht.
• Konsequenter Clock Gating: wer reale Datenflüsse kennt, kann gesamte Taktbereiche für Millisekunden oder Sekunden drosseln oder pausieren, ohne dass der Nutzer Verzögerungen bemerkt. Gerade bei dauerhaften Hintergrundaufgaben und kurz aufflackernden KI-Jobs summiert sich das zu spürbar besserer Akkulaufzeit.

Diese Maßnahmen werden noch wichtiger, weil MediaTek bei seinen High-End-Designs zunehmend auf klassische Ultra-Effizienz-Kerne verzichtet und stattdessen auf eine Kombination aus großen und mittelgroßen Kernen setzt. Wo keine Mini-Kerne mehr sind, muss das System als Ganzes intelligenter mit Energie umgehen – und genau da fließt das Ironwood-Wissen ein.

MediaTeks KI-Pläne jenseits des Smartphones

Schon heute ist absehbar, dass MediaTek nicht nur im Smartphone-Segment mitreden will. Das Unternehmen arbeitet an eigenen KI-Chips für Edge-Geräte, Automotive-Plattformen und smarte Hardware im Haushalt. In diesen Bereichen wird der Transfer aus der TPU-Welt noch direkter: systolische Arrays, umfangreiche Unterstützung für Sparsity und der Umgang mit ungleichmäßigen Speicherzugriffen lassen sich dort fast unverändert nutzen.

Der Dimensity 9600 bleibt aber vorerst das sichtbarste Schaufenster. Er wird in Oberklasse-Androids landen, die von Tech-Kanälen und Nutzerinnen gnadenlos auf Hitzeentwicklung, Laufzeit und KI-Features geprüft werden. MediaTek wird deshalb nicht nur mit TOPS-Zahlen werben, sondern versuchen, konkrete Vorteile hervorzuheben: längere 4K-Clips ohne Hitzestau, schnellere Foto- und Video-Optimierung auf dem Gerät, Sprachassistenten, die offline zuverlässig funktionieren, und generative Funktionen, die nicht sofort den Akku leersaugen.

Was Nutzer und Branche davon haben

Für Endnutzer klingt Ironwood vielleicht nach etwas, das in einem Google-Rechenzentrum weit weg steht. Die Auswirkungen können sich trotzdem ganz direkt zeigen. Ein effizienterer Dimensity 9600 bedeutet Smartphones, die in Games weniger drosseln, bei KI-Filtern für Fotos nicht sofort heißlaufen und am Ende des Tages noch ein paar Prozent Akku mehr übrig haben – obwohl im Hintergrund mehr KI als je zuvor mitläuft.

Für die Branche zeigt die Google-MediaTek-Achse, wie sich der Markt verschiebt: Weg vom Modell, bei dem die GPU alle Rollen übernehmen soll, hin zu einem Mix aus mächtigen GPUs und hochspezialisierten ASICs wie dem TPU. Wer an solchen Systemen mitarbeitet, kann dieses Spezialwissen in andere Segmente mitnehmen – und sich so von der Konkurrenz absetzen. MediaTek positioniert sich damit als ernst zu nehmende Alternative zu Qualcomm, vor allem dort, wo Effizienz und Preis mindestens so wichtig sind wie ein großer Markenname.

Dimensity 9600: Hype oder echter Gamechanger?

Solange keine unabhängigen Messungen vorliegen, bleibt ein Teil der Erwartungen rund um den Dimensity 9600 zwangsläufig Theorie. Der Trend dahinter ist jedoch klar: Indem MediaTek beim Ironwood nicht nur von außen zuschaut, sondern aktiv Komponenten liefert, wächst das Verständnis dafür, wie moderne KI-Hardware aussehen muss – vom 9.000-Chip-Superpod bis zum dünnen Smartphone.

Wenn es gelingt, diese Erfahrungen sauber in das Design des Dimensity 9600 und seiner Nachfolger zu übertragen, könnte die nächste Android-Generation sich spürbar anders anfühlen: weniger Hitzestress, stabilere Performance, deutlich mehr KI-Funktionen, die komplett auf dem Gerät laufen – und trotzdem ein Alltag, in dem die Nutzer nicht permanent nach einer Steckdose suchen müssen. Der Weg vom Google-Rechenzentrum bis in die Hosentasche ist kürzer, als man denkt.