共计 1218 个字符，预计需要花费 4 分钟才能阅读完成。
谷歌在 AI 算力领域的野心再度升级。 据 The Information 报道, 知情人士透露, 谷歌正在秘密研发一款代号为“Frozen v2”的全新服务器芯片, 其核心设计理念是将 Gemini 大模型的底层运算架构直接蚀刻进硬件, 从而在推理过程中实现能耗与延迟的大幅降低。据悉, 该芯片的单位功耗可处理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。
📌“冻结”哲学: 从通用到专用
- 重点: 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“…
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
“Frozen”(冻结) 这一代号精准点明了芯片的设计精髓: 将大模型的部分运算逻辑永久固化在硅片中。 不同于英伟达 GPU 或谷歌 TPU 这类通用型芯片 ,Frozen v2 并非面向任意模型, 而是为 Gemini 系列模型量身打造。通用芯片在运行不同模型时需要实时执行大量逻辑判断和指令调度, 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, 从而在响应速度和能效上实现质的飞跃。
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, 导致项目被搁置多年。
🔍 关键调整: 保留权重更新能力
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。这意味着, 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。有限的量产规模也使谷歌可以延后引入外部设计和代工合作伙伴, 将这一代产品视为技术试验平台。
💡 与 TPU 互补, 而非替代
围绕“消息称谷歌正研发全新 Frozen v2 芯片, 可大幅提”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
📊 行业观察: 专用化趋势与风险
从商业角度看, 谷歌面临严峻的 AI 算力短缺 。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。然而, 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”, 并强调“并非所有研发项目都会落地量产”。这表明谷歌仍将 Frozen v2 定位为技术探索, 而非短期商业产品。
