Alphabetは、Googleのプロセッサとしては前例のないサーバーチップを開発している。Geminiのアーキテクチャをシリコンに直接組み込むというものだ。社内でFrozen v2と呼ばれるこのチップは、Googleの旗艦AIモデルファミリー専用に設計されており、TPUの汎用性を犠牲にする代わりに大幅な効率向上を実現する。
The Informationが7月20日に報じたところによると、このプロジェクトは2028年の展開を目標としており、Googleが今年初めに発表した最新TPU世代（訓練用TPU 8tおよび推論用TPU 8i）と比べて、消費電力あたりのトークン数で6～10倍の向上が見込まれている。このニュースを受け、Alphabetの株価は約3%上昇した。
名称は訓練用語から借用した概念で、モデルのパラメーターを「凍結」して変化しないようにすることに由来する。チップ設計に応用すると、Geminiの意思決定の一部を毎回計算するのではなく、物理シリコンに直接配線することを意味する。その結果、応答あたりの電気的処理が減り、AIの大規模運用コストを引き下げる,,モデルの新世代ごとに運用コストが増大する業界において、中心的な課題の一つである。
「AIの大規模運用コストは業界の中心的な課題の一つになっている」とCNBCは独自の報道で指摘し、今後2年間は性能競争よりも効率競争の方が重要になる可能性があるとするアナリストの見解を引用した。
Googleはプロジェクトの詳細を確認することを拒否したが、「当社のチームは常に新たな革新を研究・実験し、ユーザーと顧客に最大のパフォーマンスと効率を提供しています。すべてのプロジェクトが製品化されるわけではありませんが、この厳格な探求は当社のフルスタックアプローチの中核です」との声明を発表した。
Frozen v2はより広範な業界の変化の一部である。OpenAIは6月に初のカスタム推論チップ（コードネームJalapeño）を発表した。AnthropicはSamsungとのチップ製造に関する初期協議に入っていると報じられている。共通する背景として、AIモデルがより高性能になるにつれ、Nvidiaなど既製シリコンへの依存はコスト負担とサプライチェーンリスクの両方になる。Googleは既に独自のTPUを構築しているが、Frozen v2はチップ設計を単一のモデルファミリーに結び付けることでさらに一歩進んでおり、Geminiのアーキテクチャが投資に見合うほど安定しているという賭けでもある。
トークンあたりの消費電力で6～10倍の改善が実現すれば、Geminiの大規模運用コストを大幅に削減できる。推論コストがどの機能を出荷し、どの機能を実験的に留めるかを決定する世界において、このような効率格差は戦略的優位性にもなり得る,,あるいは、アーキテクチャの前提が誤っていた場合の脆弱性にもなり得る。
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)
雅子 訳