将 Gemini 架构固化硬件，能效提升 6-10 倍

据 The Information 报道，知情人士透露，谷歌正在研发一款代号为 Frozen v2 的全新服务器芯片，其核心突破在于将 Gemini 大模型的底层运算架构直接固化进硬件层面，从而大幅降低 AI 推理过程中的能耗与延迟。该芯片的单位功耗可处理的词元数量预计达到谷歌现有自研 AI 芯片的 6 至 10 倍，最早计划于 2028 年部署。谷歌当前正面临严峻的 AI 算力短缺困境，内部资源紧张已导致谷歌云不得不回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破解这一瓶颈。

Frozen 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，可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全新的 AI 应用场景。

Frozen v2 并非谷歌首次尝试将 AI 模型写入硬件。其初代方案由谷歌 DeepMind 首席科学家杰夫·迪恩牵头，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进行迭代的能力。不过，这也意味着谷歌押注自身会持续沿用当前 Gemini 大模型的底层架构。

目前，工程师团队仍在敲定核心功能模块及各组件的协同方案，同时在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 签署数十亿美元大单，向其出租 TPU 算力。

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。谷歌官方发言人回应称，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。

要点

• Frozen v2 芯片将 Gemini 底层架构固化进硬件，能效提升 6-10 倍，最早 2028 年部署。
• 与初代方案不同，Frozen v2 仅固化架构逻辑，保留更新模型权重的迭代能力。
• 该芯片专为 Gemini 模型设计，与谷歌 TPU 互补，旨在破解 AI 算力短缺困境。
• 谷歌目前无大规模量产计划，将其视为技术试验平台，为未来积累工程经验。
• 谷歌自研 AI 芯片战略已初见成效，TPU 已有效降低 Gemini 运行成本。