Frozen 目前在 AI 领域主要有两层含义:一是谷歌传闻中为 Gemini 模型定制的专用芯片 Frozen v2,据称将模型架构直接固化到硬件中;二是企业 AI 落地语境中的“frozen middle”(冻结中层)概念,指组织中间层在审批与流程环节卡住 AI 试点项目。两条线索在近期报道中同时活跃,均反映了 AI 产业从“能力验证”走向“效率与落地”的阶段特征。
Frozen v2 芯片近期进展
Frozen Middle:企业 AI 的“冻结中层”
另一个值得注意的语境是 Adobe 在 2026 年 10 月 13 日发布的东南亚调研:Adobe 调研:57% 东南亚企业 AI 项目卡在 IT 与安全审批环节。所谓 frozen middle,指的不是技术瓶颈,而是中层管理者在安全、合规、预算审批上的迟滞,导致试点无法进入生产环境。同日的 Adobe 报告:57% 东南亚企业 AI 试点难以规模化 给出了同一数字:57% 的企业试点难以规模化。
对应的产业动作也随之出现。Red Hat 于 2026 年 10 月 23 日在 新加坡开设 AI 中心,目标正是帮助企业脱离“试点炼狱”,用平台化的合规与运维能力打通中间层。
当前焦点与观察点
学术侧,Frozen 相关的常见技术含义是“冻结参数”(frozen parameters),即微调时不更新预训练权重。近期 arXiv 上 Frozen LLM金融RAG研究 显示,在不改动底层模型、只优化检索策略的前提下,市场反馈自适应检索将策略 Sharpe 提升至 0.84;另一项 两级临床新颖性框架 也以冻结表征为基础对 EHR 疾病轨迹排序。
综合来看,Frozen 一词横跨硬件(芯片固化架构)、组织(冻结中层)与技术方法(参数冻结)三个层面。未来观察点有三:谷歌是否官方确认 Frozen v2 的封装与能效数据;东南亚企业试点卡壳问题能否通过平台化方案缓解;以及参数冻结式微调在垂直领域检索增强中的效果边界。