谷歌正在开发一款专为Gemini AI模型量身定制的新型服务器芯片。核心思路很直接——把模型架构直接固化在硅片里，以此换取更快的推理速度和更低的功耗。

据科技媒体The Information周一报道，这款内部代号为"Frozen v2"的芯片，效率预计可达现有自研芯片的6到10倍。最早有望在2028年投入部署。

消息源透露，这个项目的直接驱动力是谷歌内部日益严峻的AI算力短缺问题。这一问题已经引发内部矛盾，甚至迫使谷歌云拒绝部分外部客户。

Frozen v2的思路是：把Gemini模型的某些决策逻辑预先嵌入芯片。这样可以减少运行时的计算步骤和数据搬运，换来更快的响应和更低的单位功耗。

谷歌发言人在声明中表示，团队“持续研究和探索新创新，以为用户和客户提供最高性能与效率”。同时补充说，“并非每个项目都会进入量产，但这种严格的探索是我们全栈方法的核心”。

消息出来后，谷歌股价周一盘中一度上涨3.7%，最终收涨1.52%。

01 专用推理芯片：效率优先的架构赌注

Frozen v2的核心设计理念，说白了就是把Gemini模型的底层架构永久刻进芯片。它处理推理请求时，不需要像通用芯片那样做大量实时决策。

以每单位功耗能处理的token数量来看，效率预计是谷歌最新一代自研AI芯片的6到10倍。

这和通用AI芯片的逻辑完全不同。谷歌现有的TPU和英伟达GPU类似，设计上兼容多种模型。运行特定模型时，需要处理大量动态决策过程。Frozen v2通过预先固化部分决策，换来了更高的运行效率，代价是通用性打了折扣。

谷歌正在评估应该把多少信息固化在芯片里，在灵活性和效率之间找平衡。知情人士指出，Frozen v2只能兼容与设计时相同底层架构的Gemini后续版本。这意味着谷歌实际上是在赌自己会长期沿用当前的Gemini架构。谷歌表示，芯片可以支持模型权重的更新——也就是决定模型如何响应的那些参数设置。

02 项目沿革：从“全固化”到“弹性固化”

Frozen项目其实不是新想法。据称，它的前身是谷歌DeepMind首席科学家Jeff Dean主导的“原版Frozen”方案。该方案计划把模型权重直接烧录进芯片。但这样一来，芯片只能服务一个特定版本的Gemini，生命周期太短，所以被搁置了。

Frozen v2在这个基础上做了调整，转向“弹性固化”——固化模型架构，而不是具体权重。这样既保留效率优势，又延长了芯片的使用周期。

在行业参照上，加拿大芯片初创公司Taalas用了类似的设计理念，把特定AI模型硬编码进芯片，已经融资超过2亿美元。相比之下，SambaNova、d-Matrix以及OpenAI、微软等公司也在开发推理芯片，但技术路径不同。英伟达去年12月斥资200亿美元与推理芯片初创公司Groq达成技术授权，强化自己在推理市场的布局。

03 定位：TPU之外的新分支，而非替代品

谷歌明确把Frozen v2定位为TPU之外的新分支，不是替代现有自研芯片。TPU和英伟达GPU一样是通用AI芯片，兼容多种模型；Frozen v2专为Gemini打造，两条线会并行发展。

目前谷歌没有计划把Frozen v2扩产到和TPU相当的体量。知情人士说，相对有限的部署规模，让谷歌可以在项目后期再引入外部设计和制造合作伙伴，不需要像重大产品发布那样提前大规模统筹。而且，这一代产品某种程度上也是工程试验——为工程师积累开发更高专用化芯片的经验，尤其是在AI模型架构逐渐趋于稳定的背景下。

谷歌现有的自研芯片战略已经初见成效。今年，谷歌发布了第八代TPU，并开始直接向云计算客户销售，向英伟达的主导地位发起挑战。谷歌已经和Meta签署了数十亿美元规模的TPU租用协议，还在积极争取其他云服务提供商的客户。知情人士表示，自研芯片让谷歌能以更低成本运行Gemini模型——Frozen v2如果能成功，这个成本优势可能会进一步放大。

《夸克》非常好用的免费AI浏览器

下载APP查看