谷歌搞了个 Frozen v2，专为 Gemini 模型定制，效率比现有芯片高 6 到 10 倍，还能更新权重。AI 芯片方向的新探索，值得关注。
谷歌正在研发代号 Frozen v2 的专用芯片，将 Gemini 模型底层架构固化到硬件中，单位功耗处理词元数可达现有自研 AI 芯片的 6 至 10 倍。该芯片最早计划于 2028 年部署，保留通过更新权重进行迭代的能力。Frozen v2 将与谷歌现有的 TPU 形成互补关系，而非替代。谷歌已与 Meta 签署数十亿美元 TPU 租用订单，并积极拓展云客户。
消息称谷歌正研发全新 Frozen v2 芯片，可大幅提升 Gemini 模型运行效率
IT之家 7 月 20 日消息，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，该芯片的核心突破在于将 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，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。 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。知情人士表示，该芯片最早计划于 2028 年部署。 IT之家注意到，“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（Jeff Dean）牵头，计划将完整的模型权重直接蚀刻进芯片。但该方案存在一个致命缺陷：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会持续沿用当前 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，同时积极将 TPU 推向英伟达的核心云厂商客户。 值得注意的是，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。 谷歌官方发言人对此回应称，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”。