Arquitetura Gemini Implementada Diretamente no Silício: Detalhes Técnicos do Novo Chip de Inferência de IA do Google “Frozen v2” Revelados, Processamento por Unidade de Consumo de Energia Aumentado em até 10 Vezes

A origem do codinome "Frozen" decorre de seu conceito de design principal: gravar permanentemente parte da lógica de computação do grande modelo Gemini no hardware de silício — de forma semelhante a "congelar" o software no chip. Os engenheiros ainda estão finalizando os módulos funcionais centrais do chip e as soluções colaborativas para vários componentes, e o Google planeja implantar esse chip de IA já em 2028.

O projeto Frozen visa criar uma linha de produtos de chips de IA totalmente nova para complementar as Tensor Processing Units (TPUs) existentes do Google, em vez de substituí-las.

Atualmente, os chips de IA mais amplamente utilizados — Nvidia ( NVDA) GPUs e TPUs do Google — são todos chips de uso geral que podem se adaptar a múltiplos modelos grandes diferentes. No entanto, quando chips de uso geral executam qualquer modelo, eles precisam realizar um grande número de decisões lógicas demoradas em tempo real; em contrapartida, o chip de inferência de IA Frozen v2 incorpora diretamente a lógica de computação subjacente adaptada aos modelos da série Gemini, reduzindo significativamente as etapas de computação do chip e a movimentação de dados, alcançando assim um salto qualitativo na eficiência de inferência.

Pessoas familiarizadas com o assunto disseram que este chip de IA dedicado pode responder às consultas dos usuários de forma mais rápida, o que deve apoiar o Google no lançamento de cenários de aplicação de IA totalmente novos.

O roadmap técnico do Frozen v2 significa que o Google está fazendo uma aposta estratégica — apostando que continuará a usar a arquitetura subjacente do atual grande modelo Gemini. Apenas se as iterações subsequentes do modelo Gemini adotarem uma arquitetura subjacente consistente com aquela utilizada quando o chip de IA foi projetado é que elas conseguirão rodar adequadamente no chip.

Pessoas familiarizadas com o assunto acrescentaram que o Google ainda pode realizar otimização iterativa no chip, incluindo a atualização dos pesos integrados do modelo — os pesos são as configurações fundamentais de parâmetros que determinam como o modelo de IA responde às perguntas.

Um porta-voz do Google respondeu que as equipes da empresa "pesquisam, desenvolvem e testam continuamente várias tecnologias inovadoras, buscando alcançar o máximo desempenho e eficiência energética para usuários e clientes corporativos", acrescentando que "nem todos os projetos de P&D acabarão entrando em produção em massa, mas essa exploração técnica abrangente é parte fundamental do nosso roadmap de tecnologia proprietária full-stack".

A revelação do chip de IA Frozen v2 reflete a profunda lógica estratégica do Google no setor de infraestrutura de IA, tendo a ansiedade por capacidade de computação de IA como o principal motor. À medida que o tamanho dos modelos Gemini continua a crescer, o teto de eficiência energética dos chips de uso geral se aproxima. Incorporar a lógica de grandes modelos diretamente no hardware representa uma solução radical para romper o gargalo de eficiência energética da computação de IA.

Isso também sinaliza que o Google está replicando um caminho de integração vertical "ao estilo Apple", que combina software e hardware. De suas TPUs desenvolvidas internamente à série Frozen de chips de IA dedicados, o Google tenta estabelecer um ciclo fechado full-stack, indo da arquitetura do modelo ao design do chip na era da IA. Se esse caminho for bem-sucedido, ele reduzirá drasticamente os custos de inferência de IA, pavimentando o caminho para a comercialização do Gemini.

No entanto, os riscos são igualmente impossíveis de ignorar. O acoplamento profundo entre chips e modelos significa que, caso a arquitetura subjacente do Gemini passe por uma grande iteração, os chips de IA Frozen poderão se tornar obsoletos rapidamente. O posicionamento do Frozen v2 pelo Google como uma "plataforma de testes técnicos", em vez de um produto de produção em massa, demonstra justamente que esse caminho ainda exige tempo para ser validado.

Este conteúdo foi traduzido por IA e revisado por humanos. Ele é fornecido apenas para fins informativos e de referência, não constituindo aconselhamento financeiro ou recomendação de investimento.