谷歌正在研发一款代号"Frozen v2"的全新服务器芯片，将Gemini大模型的底层架构直接蚀刻进芯片硬件，单位功耗可处理的Token数量将达到现役自研AI芯片的6至10倍，计划最早2028年部署。

从通用走向专用

据知情人士透露，Frozen v2旨在开辟一条全新自研芯片产品线，与谷歌现有张量处理器（TPU）形成互补而非替代。当前应用最广泛的英伟达GPU和谷歌TPU均为通用型芯片，可适配多款不同模型，但运行任何模型时都需要实时执行大量逻辑判断。Frozen v2则直接内置适配Gemini系列模型的底层运算逻辑，大幅减少运算步骤与数据搬运量，从而实现能效的质的飞跃。

"Frozen"这一代号源于其核心设计思路：将大模型的部分运算逻辑永久"冻结"在硅片硬件中。不过这一路线也意味着谷歌需要持续沿用当前Gemini大模型的底层架构——只有后续Gemini版本与芯片设计时保持一致，才能在Frozen v2上正常运行。

应对算力缺口

该项目的直接驱动力是谷歌当前严重的AI算力短缺。算力缺口已引发内部资源矛盾，甚至迫使谷歌云拒绝了不少外部客户订单。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"，但也坦言并非所有项目都会落地量产。

事实上，Frozen v2的研发并非从零起步。其初代方案由谷歌DeepMind首席科学家Jeff Dean牵头，计划直接将完整模型权重蚀刻进芯片，但因芯片仅能适配单一版本Gemini、硬件生命周期极短而被搁置。如今团队仍在权衡固化多少模型信息，以平衡硬件灵活性与运行能效。

推理芯片竞赛升温

将模型逻辑硬编码至芯片的路线并非谷歌独有。加拿大芯片初创公司Taalas同样采用类似思路，已完成超2亿美元融资。此外，Samba Nova、d-Matrix、OpenAI、微软等也在布局AI推理芯片，目标都是超越英伟达GPU的推理能效——英伟达去年也斥资200亿美元收购了推理芯片厂商Groq的技术授权。

自研AI芯片已经为谷歌带来了回报。今年谷歌推出第八代TPU并直接面向云客户推广，已与Meta签署数十亿美元大单出租TPU算力，自研芯片也帮助降低了Gemini模型的运行成本。不过知情人士表示，Frozen v2暂无大规模量产计划，产能将远低于TPU，谷歌将其视为技术试验平台，为未来更高专用化芯片积累工程经验。