將 Gemini 架構直接寫入晶片！Google 全新 AI 推理晶片「Frozen v2」技術細節曝光，單位功耗處理量最高提升 10 倍
AI 播客
Google正研發代號「Frozen v2」的全新伺服器晶片，旨在將Gemini大模型底層架構直接固化於硬體中，以解決AI算力短缺並提升推理效率。預估該晶片單位功耗處理效能可達現有TPU的6至10倍，預計2028年部署。此舉反映Google採取「蘋果式」軟硬垂直整合策略，透過專用晶片降低推理成本。然而，軟硬深度綁定亦帶來技術迭代風險，若模型架構大幅變更，晶片恐面臨過時，該項目目前仍定位為技術試驗平台。受此消息激勵，Google股價表現強勢，盤中漲幅逾3%。
TradingKey - 據《The Information》引述兩名知情人士消息，Google（GOOGL）正在研發一款全新伺服器晶片，可將 Gemini 大模型的底層架構直接固化進晶片硬體，藉此大幅提升面向用戶提供 AI 服務的運作效率。
這款 AI 推理晶片內部代號為「Frozen v2」，直指 Google 目前 AI 算力嚴重短缺的痛點。知情人士透露，算力缺口已引發內部資源衝突，甚至迫使 Google Cloud 拒絕了不少外部客戶訂單。研發團隊估算，該晶片正式落地後，單位功耗可處理的 Token 數量，將達到 Google 現有自研 AI 晶片最新一代產品的 6 至 10 倍。
【來源：TradingView】
受此消息激勵，Google 股價今日強勢，盤中最高價報 359.67 美元。截至發稿，仍漲 3.28%，報 358.14 美元。股價重返 5 日、10 日、20 日均線上方。
為什麼叫Frozen？
「Frozen」代號的由來，源於其核心設計思路：將 Gemini 大型模型的部分運算邏輯永久蝕刻在矽晶片硬體中——如同將軟體「凍結」在晶片裡。工程師仍在敲定晶片核心功能模組及各元件協同方案，Google 計劃最早於 2028 年部署這款 AI 晶片。
Frozen 專案旨在開闢一條全新 AI 晶片產品線，與 Google 現有張量處理器 (TPU) 形成互補，而非取而代之。
當前應用最廣泛的 AI 晶片——輝達（NVDA）GPU 以及 Google TPU——均為通用型晶片，可支援多款不同大型模型。但通用晶片執行任意模型時，都需要即時進行大量耗時的邏輯判斷；而 Frozen v2 AI 推理晶片直接內建支援 Gemini 系列模型的底層運算邏輯，大幅減少晶片運算步驟與資料搬移量，進而實現推理效率的質變。
知情人士表示，這款專用 AI 晶片能夠更快回應用戶提問，有望支撐 Google 推出全新的 AI 應用場景。
Google Frozen v2 晶片的戰略賭注：軟硬深度綁定
Frozen v2 的技術路線意味著 Google 正在進行一場戰略押注——賭自身將持續沿用目前 Gemini 大型模型的底層架構。只有後續疊代的 Gemini 模型採用與 AI 晶片設計時一致的基礎架構，才能在該晶片上正常運作。
知情人士補充，Google 仍可對晶片進行疊代優化，包括更新內建模型權重——權重是決定 AI 模型如何回答問題的核心參數配置。
Google 官方發言人回應表示，公司各團隊 "持續研發、測試各類創新技術，力求為用戶與企業客戶實現極致性能與能效"，並表示 "並非所有研發專案都會落地量產，但這種全方位技術探索，是我們全棧自研技術路線的核心一環"。
Google Frozen v2 晶片的軟硬體一體的野心
Frozen v2 AI 晶片的曝光，折射出 Google 在 AI 基礎設施領域的深層戰略邏輯，其中 AI 算力焦慮是主要原因。Gemini 模型規模持續膨脹，通用晶片的能效天花板越來越近。將大模型邏輯寫入硬體，是突破 AI 算力能效瓶頸的激進解法。
這也標誌著 Google 正在複製「蘋果式」的軟硬整合垂直整合路徑。從自研 TPU 到 Frozen 系列專用 AI 晶片，Google 試圖在 AI 時代建立從模型架構到晶片設計的全端閉環。這條路若走通，將大幅降低 AI 推論成本，為 Gemini 商業化鋪平道路。
但風險同樣不容忽視。晶片與模型深度綁定意味著，一旦 Gemini 底層架構發生重大迭代，Frozen AI 晶片可能面臨快速過時。Google 將 Frozen v2 定位為「技術試驗平台」而非量產產品，恰恰說明這條路線仍需時間驗證。
本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。
