谷歌正在研发一款专为Gemini AI模型量身打造的新型服务器芯片，其核心思路非常直接——将模型架构直接固化在硅片上，以此换取更快的推理速度和更低的功耗。

据科技媒体The Information周一报道，这款内部代号为“Frozen v2”的芯片，其效率预计可达现有自研芯片的6到10倍，最早有望在2028年投入部署。

消息源透露，该项目的直接驱动力来自谷歌内部日益严峻的AI算力短缺问题——这一问题已引发内部矛盾，甚至迫使谷歌云拒绝部分外部客户。Frozen v2的思路是，将Gemini模型的某些决策逻辑预先嵌入芯片，减少运行时的计算步骤和数据搬运，从而带来更快的响应和更低的单位功耗。

谷歌发言人在声明中表示，团队“持续研究和探索新创新，以为用户和客户提供最高性能与效率”，同时补充说“并非每个项目都会进入量产，但这种严格的探索是我们全栈方法的核心”。

消息传出后，谷歌股价周一盘中一度上涨3.7%，最终收涨1.52%。

01

专用推理芯片：效率优先的架构赌注

Frozen v2的核心设计理念，本质上是将Gemini模型的底层架构永久刻入芯片，使其在处理推理请求时，无需像通用芯片那样进行大量实时决策。

以每单位功耗能处理的token数量来衡量，其效率预计是谷歌最新一代自研AI芯片的6到10倍。

这与通用AI芯片的逻辑截然不同。谷歌现有的TPU与英伟达GPU类似，设计上兼容多种模型，因此运行特定模型时，需要处理大量动态决策过程。Frozen v2通过预先固化部分决策，换来了更高的运行效率，代价是通用性有所降低。

谷歌正在评估应该将多少信息固化在芯片中，以在灵活性和效率之间寻找平衡。知情人士指出，Frozen v2只能兼容与设计时相同底层架构的Gemini后续版本，这意味着谷歌实际上是在押注自己会长期沿用当前的Gemini架构。谷歌表示，芯片可以支持模型权重的更新，即决定模型如何响应的参数设置。

02

项目沿革：从“全固化”到“弹性固化”

Frozen项目并非全新概念。据称，其前身是谷歌DeepMind首席科学家Jeff Dean主导的“原版Frozen”方案，计划将模型权重直接烧录进芯片。但这样一来，芯片只能服务一个特定版本的Gemini，生命周期过短，因此被搁置。

Frozen v2在此基础上进行了调整，转向“弹性固化”——固化模型架构，而非具体权重，既保留了效率优势，又延长了芯片的使用周期。

在行业参照上，加拿大芯片初创公司Taalas采用了类似的设计理念，将特定AI模型硬编码进芯片，已融资超过2亿美元。相比之下，SambaNova、d-Matrix以及OpenAI、微软等公司也在开发推理芯片，但技术路径不同。英伟达去年12月斥资200亿美元与推理芯片初创公司Groq达成技术授权，强化其在推理市场的布局。

03

定位：TPU之外的新分支，而非替代品

谷歌明确将Frozen v2定位为TPU之外的新分支，而非替代现有自研芯片。TPU与英伟达GPU一样属于通用AI芯片，兼容多种模型；Frozen v2专为Gemini打造，两条线将并行发展。

目前谷歌没有计划将Frozen v2扩产到与TPU相当的体量。知情人士表示，相对有限的部署规模，使谷歌可以在项目后期再引入外部设计和制造合作伙伴，无需像重大产品发布那样提前大规模统筹。而且，这一代产品某种程度上也是一项工程试验——为工程师积累开发更高专用化芯片的经验，尤其是在AI模型架构逐渐趋于稳定的背景下。

谷歌现有的自研芯片战略已初见成效。今年，谷歌发布了第八代TPU，并开始直接向云计算客户销售，向英伟达的主导地位发起挑战。谷歌已与Meta签署了数十亿美元规模的TPU租用协议，还在积极争取其他云服务提供商的客户。知情人士表示，自研芯片让谷歌能以更低成本运行Gemini模型——如果Frozen v2成功，这一成本优势可能会进一步放大。