谷歌正研发Frozen v2芯片，大幅提升Gemini模型效率

谷歌在AI芯片领域的战略布局再度提速。据内部消息透露，该公司正在研发一款代号为“Frozen v2”的全新服务器芯片，其设计理念极为激进：将Gemini大模型的底层运算架构直接固化到硬件层面。这意味着，AI推理过程中的能耗与延迟有望显著降低——单位功耗下可处理的词元数量，预计可达谷歌现有自研AI芯片的6到10倍。

当前，谷歌正面临严峻的AI算力短缺挑战。内部资源紧张程度如何？谷歌云甚至不得不拒绝部分外部客户的合作订单。Frozen v2项目的启动，正是为了从根本上解决这一瓶颈。据知情人士透露，该芯片最早计划于2028年部署。

“Frozen”（冻结）这一代号精准概括了其设计哲学：将大模型的部分运算逻辑永久蚀刻在硅片硬件中。与英伟达GPU及谷歌TPU等通用型芯片不同，Frozen v2并非通用芯片，而是专为Gemini系列模型量身打造的专用芯片。通用芯片在运行任意模型时需要实时执行大量逻辑判断，而Frozen v2通过内置Gemini的底层运算逻辑，能够显著减少运算步骤和数据搬运量，实现更快的用户响应速度，并有望支撑谷歌推出创新的AI应用场景。

事实上，这并非谷歌首次尝试将AI模型“写入”硬件。初代方案由谷歌DeepMind首席科学家杰夫·迪恩（Jeff Dean）主导，计划将完整的模型权重直接蚀刻进芯片。但该方案存在致命缺陷：芯片只能适配单一版本的Gemini模型，硬件生命周期极短，因此项目被搁置多年。

Frozen v2在初代基础上进行了关键调整——不再固化完整模型权重，而是仅将底层架构逻辑固化进芯片，同时保留通过更新内置模型权重（决定模型回答质量的核心参数）进行迭代的能力。不过，这也意味着谷歌押注自身将持续沿用当前Gemini大模型的底层架构：只有后续迭代的Gemini模型沿用与芯片设计时一致的基础架构，才能在该芯片上正常运行。

目前，工程师团队仍在确定核心功能模块及各组件的协同方案，同时权衡固化模型信息的深度，以在硬件灵活性与运行能效之间取得最佳平衡。

Frozen v2将开辟一条全新的自研芯片产品线，与谷歌现有的张量处理器（TPU）形成互补关系，而非取而代之。谷歌今年已推出第八代TPU，并直接面向云客户推广，正面挑战英伟达在AI芯片市场的垄断地位。谷歌已与Meta签署了数十亿美元的大单，向其出租TPU算力，同时积极将TPU推向英伟达的核心云厂商客户。

值得关注的是，谷歌自研AI芯片的战略已初见成效。通过在设计TPU时围绕Gemini进行适配，谷歌已有效降低了Gemini模型的运行成本，只是TPU内置的模型信息远少于Frozen系列芯片。

尽管技术前景广阔，谷歌目前并无大规模量产Frozen v2的计划，其产能规模将远低于TPU。知情人士透露，有限的量产规模使谷歌可以延后引入外部设计和代工合作伙伴。谷歌更将这一代产品视为技术试验平台，待大模型底层架构趋于稳定后，为研发更高专用化芯片积累工程经验。

谷歌最新发言人对此回应称，公司各团队“持续研发、测试各类创新技术，力求为用户与企业客户实现极致性能与能效”，并强调“并非所有研发项目都会落地量产，但这种全方位技术探索，是我们全栈自研技术路线的核心一环”。