将Gemini架构直接写入硅片！谷歌全新AI推理芯片“Frozen v2”技术细节曝光，单位功耗处理量最高提升10倍
AI播客
谷歌正研发代号“Frozen v2”的专用AI推理芯片，旨在将Gemini大模型架构直接固化在硬件中，通过软硬深度绑定提升推理效率。预计该芯片单位功耗下的Token处理能力可达现有自研产品的6至10倍，计划2028年部署，以缓解谷歌云日益严峻的算力短缺及能效瓶颈。此举标志着谷歌正推行全栈垂直整合战略，通过降低推理成本促进Gemini商业化。然而，该路线存在模型架构迭代导致芯片过时的技术风险，目前该项目仍处于技术探索与验证阶段。受此消息影响，谷歌股价表现强劲。
TradingKey - 据The Information援引两名知情人士消息，谷歌（GOOGL）正在研发一款全新服务器芯片，可将Gemini大模型的底层架构直接固化进芯片硬件，以此大幅提升面向用户提供AI服务的运行效率。
这款AI推理芯片的内部代号为“Frozen v2”，直指谷歌当前AI算力严重短缺的痛点。知情人士透露，算力缺口已引发内部资源矛盾，甚至迫使谷歌云拒绝了不少外部客户订单。研发团队测算，该芯片正式落地后，单位功耗可处理的Token数量，将达到谷歌现有自研AI芯片最新一代产品的6至10倍。
【来源：TradingView】
受消息刺激影响，谷歌股价今日强势，盘中最高价报359.67美元。截至发稿，仍涨3.28%，报358.14美元。股价重返5日、10日、20日均线上方。
为什么叫Frozen？
"Frozen"代号的由来，源于其核心设计思路：将Gemini大模型的部分运算逻辑永久蚀刻在硅片硬件中——如同将软件"冻结"在芯片里。工程师仍在敲定芯片核心功能模块及各组件协同方案，谷歌计划最早2028年部署这款AI芯片。
Frozen项目旨在开辟一条全新AI芯片产品线，与谷歌现有张量处理器（TPU）形成互补，而非取而代之。
当下应用最广泛的AI芯片——英伟达（NVDA）GPU以及谷歌TPU——均为通用型芯片，可适配多款不同大模型。但通用芯片运行任意模型时，都需要实时执行大量耗时逻辑判断；而Frozen v2 AI推理芯片直接内置适配Gemini系列模型的底层运算逻辑，大幅减少芯片运算步骤与数据搬运量，从而实现推理效率的质变。
知情人表示，这款专用AI芯片能够更快响应用户提问，有望支撑谷歌推出全新的AI应用场景。
谷歌Frozen v2芯片的战略赌注：软硬深度绑定
Frozen v2的技术路线意味着谷歌正在进行一场战略押注——赌自身将持续沿用当前Gemini大模型的底层架构。只有后续迭代的Gemini模型采用与AI芯片设计时一致的基础架构，才能在该芯片上正常运行。
知情人补充，谷歌仍可对芯片进行迭代优化，包括更新内置模型权重——权重是决定AI模型如何回答问题的核心参数配置。
谷歌官方发言人回应称，公司各团队"持续研发、测试各类创新技术，力求为用户与企业客户实现极致性能与能效"，并表示"并非所有研发项目都会落地量产，但这种全方位技术探索，是我们全栈自研技术路线的核心一环"。
谷歌Frozen v2芯片的软硬件一体的野心
Frozen v2 AI芯片的曝光，折射出谷歌在AI基础设施领域的深层战略逻辑，其中AI算力焦虑是主要原因。Gemini模型规模持续膨胀，通用芯片的能效天花板越来越近。将大模型逻辑写进硬件，是突破AI算力能效瓶颈的激进解法。
这也标志着谷歌正在复制“苹果式”的软硬一体垂直整合路径。从自研TPU到Frozen系列专用AI芯片，谷歌试图在AI时代建立从模型架构到芯片设计的全栈闭环。这条路若走通，将大幅拉低AI推理成本，为Gemini商业化铺平道路。
但风险同样不容忽视。芯片与模型深度绑定意味着，一旦Gemini底层架构发生重大迭代，FrozenAI芯片可能面临快速过时。谷歌将Frozenv2定位为"技术试验平台"而非量产产品，恰恰说明这条路线仍需时间验证。
