谷歌研发 Frozen v2 芯片：把 Gemini 架构焊进硅片

据 The Information 独家报道，谷歌正在研发一款代号「Frozen v2」的自定义服务器芯片，将 Gemini 模型的部分底层架构永久蚀刻进硅片。参与项目的谷歌员工透露，按每瓦特可处理的 Token 数量计算，该芯片能效有望达到谷歌最新一代 TPU 的 6 到 10 倍，最快 2028 年部署。受此消息提振，Alphabet 股价周一上涨 3.7%。

从「通用芯片」到「模型专用芯片」

Frozen v2 的设计思路与英伟达 GPU 或谷歌现有 TPU 截然不同：后者属于通用芯片，任何模型都能跑，但代价是运行时必须反复做决策、搬运数据、查询路径。Frozen v2 则只为 Gemini 一个模型而生——把针对 Gemini 的关键计算路径直接内建进电路，芯片无需再「思考」该怎么走，路已经浇铸在硅片里。

这一思路其实早有前身。最初的 Frozen 概念由 Google DeepMind 首席科学家 Jeff Dean 主导，方案更激进：直接把模型权重烧进芯片。但该方案被搁置，因为一旦权重固化，芯片就只能服务特定版本的 Gemini，模型一更新芯片就报废。Frozen v2 是折中版本——只固化底层计算蓝图，权重仍可更新。前提是 Gemini 的架构不发生大改。

谷歌内部仍在权衡「锁定深度」：固化得越多能效越高，但灵活性也越差。这个分寸是整个项目最关键的工程判断。

算力短缺逼出的「硬连线」路线

推动这一激进方案的直接动因是算力荒。据报道，Google Cloud 已开始拒绝外部客户订单；今年 6 月，谷歌与 SpaceX 签署合同，每月向其支付 9.2 亿美元租用 11 万张英伟达 GPU，合同期至 2029 年。一家全球顶级云厂商向火箭公司租算力，本身已是行业紧绷的强烈信号。

全行业都在押注推理芯片赛道：

• SambaNova、d-Matrix 等初创公司专注推理芯片
• OpenAI、微软自研推理硬件
• 亚马逊有 Trainium 与 Inferentia
• 微软推出 Maia
• 英伟达 2024 年 12 月斥资 200 亿美元拿下推理芯片公司 Groq 的技术授权

「把模型硬连线进硅片」这条路，此前只有加拿大初创公司 Taalas 在走，已融资超 2 亿美元。如今，谷歌亲自下场。

十倍能效的代价是「僵化」

能效的代价是失去通用性。Frozen v2 能否长期服役，取决于后续世代 Gemini 是否沿用相同架构。从纯 Transformer 到 MoE 混合专家、从纯文本到多模态原生、从密集到稀疏激活——模型架构的迭代速度极快，谷歌实质上是在赌未来几年 Gemini 不需要大改底层范式。

因此 Frozen v2 不会以 TPU 的规模量产，更像一次有限度的工程试验：赌对了是印钞机，数据中心电费与机柜成本被大幅压缩；赌错了则是为下一代专用芯片积累工程经验。

值得注意的是，The Information 同期披露 Gemini 3.5 Pro 因编程能力等指标不达标而三度延期。模型侧承压的谷歌，把更多筹码压向了自己最深的护城河——芯片。从自研 TPU 减少对英伟达的依赖，到把模型焊进硅片，谷歌走的始终是同一条路的纵深：软硬件协同的尽头，是软硬件合体。AI 的竞争正在变成一场物理层面的较量。