先来了解几个关键信息：谷歌正在低调推进一款代号为“Frozen v2”的新型服务器芯片，目标非常明确——让Gemini模型运行更快、消耗更少资源。这并非小修小补，而是直接将Gemini的部分架构“嵌入”芯片中，相当于把模型的核心逻辑固化为硬件的一部分，从而在回答用户问题时，大幅减少需要传输的数据量和计算量。

据外媒报道，谷歌工程师内部测算显示，Frozen芯片在单位功耗下的Token处理能力，相比谷歌最新一代TPU（张量处理器）可提升6至10倍。这一数字相当惊人，但不要急于将其视为TPU的替代品——谷歌计划在2028年部署这款芯片，将其定位为定制芯片产品线中一个更专注的专用分支，而非通用计算的主力。

消息一出，股市迅速反应：谷歌A（GOOGL）早盘一度上涨近3.7%，谷歌C（GOOG）最高涨幅约3.9%。资本市场对这类信号的敏感度从来不会说谎。

谷歌官方声明则显得较为克制，仅表示团队“持续研究并试验各类创新技术，旨在为用户和客户提供最佳性能与最高效率”。不过，后面那句“虽然并非所有项目都会进入量产阶段，但这种严格的探索是我们全栈战略的核心组成部分”颇具深意——既承认了项目的存在，也为未来调整留足了空间。他们还强调，“通过从底层协同设计硬件与软件，我们确保整个系统实现深度集成，并针对真实工作负载进行了高度优化”。

抛开官方措辞，分析人士普遍认为，Frozen项目背后折射出谷歌内部日益严峻的算力短缺问题。算力不足不仅导致内部团队抢资源激烈，甚至迫使谷歌云不得不拒绝部分外部客户——这绝非好兆头。就在上个月，谷歌还与SpaceX签署了一份每月近10亿美元的合同，以弥补算力缺口、兑现对客户的承诺。

当然，专用芯片的设计思路也伴随着代价。最明显的是灵活性下降：Frozen只有在未来Gemini模型继续沿用相同底层架构时，才能兼容后续版本。换言之，一旦模型架构出现变化，这款芯片可能就面临作废的风险。目前谷歌将Frozen v2定位为一次试验性项目，暂时没有像TPU那样大规模量产的计划。

而眼下，谷歌AI业务面临的挑战远不止芯片。有消息称，下一代Gemini Pro的发布时间已经推迟，同时多位资深AI研究人员跳槽去了竞争对手那里。芯片再强，留不住人才也不行。