Google秘密研发Frozen V2芯片：为Gemini量身定制的AI加速器来了

据报道，Google母公司Alphabet正在开发一款代号为”Frozen V2″的新型AI芯片，专门为Gemini系列模型优化推理效率。这个消息由36氪援引外媒报道率先披露，随后TechCrunch也跟进确认。

为什么是”Frozen”？

这个代号很有意思。业内人士分析，”Frozen”（冻结）可能暗示这款芯片的设计思路：将训练好的模型权重”冻结”在芯片架构中，通过软硬件协同设计大幅减少推理过程中的数据搬运开销。

Google并非芯片领域的新玩家。从2018年的TPU v1开始，Google已经迭代了多代TPU（张量处理单元），但之前的TPU更像是面向通用AI训练的”瑞士军刀”。而Frozen V2的目标非常明确——只为Gemini服务。

专用芯片的价值在哪？

当前AI推理的主流方案是NVIDIA GPU或Google自研TPU。无论是哪种方案，模型推理时都需要在显存和计算单元之间频繁搬运数据。对于一个2万亿参数的模型，每次推理的数据搬运开销可能占到总延迟的40%以上。

专用芯片的核心思路是”近存计算”：将计算单元尽可能靠近存储单元，甚至直接在存储单元中完成部分计算。这样一来，数据搬运的开销被压缩到最小。有分析认为，Frozen V2可能采用HBM4内存和3D堆叠封装技术，将计算Die和存储Die垂直整合。

**核心逻辑**：通用芯片追求灵活性，专用芯片追求极致效率。当你的模型架构已经稳定，专用芯片的性能优势是碾压级的。

对行业意味着什么？

第一，Google云服务的竞争力将大幅提升。如果Gemini的推理成本能降低50%以上，Google Cloud在与AWS和Azure的AI服务竞争中会获得明显的价格优势。

第二，这可能开启”模型专用芯片”的新赛道。Meta、微软、亚马逊都有自研芯片团队，如果Google的路线被验证成功，其他大厂必然会跟进。

第三，NVIDIA的统治地位不会被动摇——至少短期内不会。专用芯片只适用于推理，而训练仍然需要通用GPU。但长期来看，推理市场的碎片化对NVIDIA不是好消息。

什么时候能用上？

目前还没有明确的发布时间表。但考虑到Google TPU v5于2023年底发布，按照18-24个月的迭代周期，Frozen V2可能在2025年底或2026年初进入Google Cloud数据中心。届时使用Gemini API的开发者将最先感受到推理速度和成本的改善。

更深一层的思考

Google为什么选择在这个时间点曝光Frozen V2？一个可能的解释是：Gemini在与GPT-5和Kimi K3的竞争中感受到了压力。当模型能力差距难以拉开时，推理成本就成为了决定性因素。

另一个值得关注的趋势是芯片设计的”软硬协同”范式正在回归。上世纪80年代，Lisp Machine和Symbolics等公司尝试过软硬一体的AI计算机，但最终被通用计算范式击败。如今，AI模型的架构收敛（Transformer及其变体）让专用芯片重新变得可行。

这也解释了为什么OpenAI在积极布局自研芯片、微软在投资Maia、特斯拉在打造Dojo——当模型架构从”百花齐放”走向”Transformer一统天下”，硬件专用的窗口期就打开了。谁先锁定这个窗口，谁就能在下一阶段的AI竞争中占据成本优势。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn