Alphabet正在开发一款服务器芯片，它能做到之前任何Google处理器都未曾做到的事情：将Gemini的架构直接嵌入硅晶片中。这款内部代号为Frozen v2的芯片专为Google旗舰AI模型系列设计，牺牲了TPU的通用灵活性，换取了显著效率提升。
据The Information 7月20日报道，该项目目标在2028年部署，每单位功耗可生成的token数量比Google最新TPU世代,,今年早些时候推出的训练用TPU 8t和推理用TPU 8i,,高出六到十倍。消息公布后，Alphabet股价上涨约3%。
该名称借用了训练术语中的概念：”冻结”模型参数使其停止变化。应用于芯片设计，这意味着将Gemini决策过程的部分环节直接硬连线到物理硅片中，而非每次进行计算。其结果是每次响应所需的电功更少，从而降低大规模AI服务的成本,,这是每个新一代模型运营成本都在攀升的行业中一个核心矛盾。
“大规模AI服务的成本已成为行业的核心矛盾之一，”CNBC在其相关报道中指出，并援引分析师评论称，未来两年效率竞赛可能比能力竞赛更为重要。
Google拒绝确认该项目具体细节，但发表声明称：”我们的团队不断研究和尝试创新，为用户和客户提供最佳性能和效率。并非每个项目都能投入生产，但这种严谨的探索是我们全栈方法的核心。”
Frozen v2是更广泛行业转变的一部分。OpenAI于6月发布了其首款定制推理芯片，代号Jalapeño。据报道，Anthropic正与三星就芯片制造进行初期讨论。共同点是：随着AI模型能力不断增强，对Nvidia等公司现成芯片的依赖既是成本负担，也是供应链风险。Google已经在构建自己的TPU，但Frozen v2更进一步，将芯片设计与单一模型系列结合,,这是一场赌注，押注Gemini的架构足够稳定，值得这样的投资。
每瓦特token数量提升6至10倍，如果实现，将大幅降低Gemini的大规模运营成本。在一个推理成本决定哪些功能能够上线、哪些仍处于实验阶段的世界里，这种效率差距可能成为战略优势,,如果架构假设被证明是错误的，也可能成为脆弱点。
Sources: Google is working on a new AI chip designed to make Gemini more efficient (TechCrunch， July 2026); Google’s Frozen v2 chip targets Gemini efficiency (NoWrap.ai， July 2026)
婷 翻译