谷歌正在构建一款专为一项任务设计的芯片：让Gemini运行得更快、更便宜。据The Information周一报道，这款代号为Frozen v2的芯片为谷歌提供了一个潜在解决方案，以应对它无法通过快速投入资金来解决的问题：它已经无法满足自身所激发的AI需求。
今年3月，谷歌曾告诉Meta，无法满足Meta想购买的Gemini计算量。Meta不得不指示员工限制AI使用。谷歌——今年在AI基础设施上投入高达1900亿美元——正因服务器不足而拒绝客户。因此，它现在正在构建一款仅针对其AI模型设计的芯片。
关于这款新芯片的信息不多，但从命名惯例来看，它不是谷歌张量处理单元（TPU）的又一次升级——TPU是谷歌自2015年以来一直在打造的定制芯片，为Gemini及其面向外部开发者的云服务提供动力。那些Tensor芯片可以运行加载到其上的任何AI模型。Frozen v2则有所不同。据报道，它将Gemini的部分架构——决定模型如何路由和处理信息的结构蓝图——直接固化到硬件中。
在机器学习中，“冻结”意味着将某物永久锁定。这里被冻结的是架构，而不是模型的权重（Gemini通过训练获得的实际知识，权重保持可更新）。通过将这一蓝图硬连线到芯片电路中，该芯片跳过了冗余计算，并停止了每次查询时在内存之间穿梭数据。工程师预计，每消耗一瓦电所产生的token——构成每个AI响应的小文本块——将提升6到10倍。这意味着谷歌可以用一度电的成本服务十次查询。
如果你使用Gemini，Frozen v2不会改变你的使用感受。但它会改变运行成本——运行成本更低的Gemini可以更激烈地与OpenAI、Anthropic以及中国AI实验室竞争，这些竞争对手目前已经占据了美国公司AI token使用量的45%，主要原因是它们的运行成本低60-90%。你的AI可能不会变得更便宜，但谷歌很可能会更盈利。
受此消息影响，Alphabet股价周一上涨约3%，盘中触及356美元。该公司将于7月22日周三公布2026年第二季度财报，今日盘后涨幅有所回落，投资者正在等待谷歌最新业绩。
这是大型AI公司为摆脱对NVIDIA硬件的过度依赖而做出的又一努力。NVIDIA控制着约85%的AI GPU市场，各大科技公司都想摆脱它。NVIDIA的硬件最初是为视频游戏而非语言模型设计的——它可以工作，但存在专用芯片所没有的开销。在谷歌的规模上，6-10倍的效率差距并非抽象概念，而是数十亿美元的得失。
Meta、亚马逊、微软和OpenAI都出于同样的原因拥有定制芯片计划。正如Decrypt在3月报道的那样，即使AWS——它承诺到2027年部署100万块NVIDIA GPU——也在同步构建自己的芯片以减少长期依赖。
Frozen v2仍处于探索阶段。关键设计尚未最终确定，谷歌也未证实该项目的存在，并且该芯片不会提供给外部云客户——为单一模型硬连线的硬件无法运行任何其他模型。据报道，部署目标最早定于2028年。在此期间，谷歌每月向SpaceX支付9.2亿美元，从xAI的数据中心租赁11万块NVIDIA GPU作为过渡方案。