Google
2026-07-20
Google研发Frozen v2专用AI芯片：固化Gemini架构能效达TPU 6-10倍，计划2028年投产
内容摘要
核心要点
Google于2026年7月披露其正在研发代号为Frozen v2的全新AI芯片，核心创新是将Gemini大模型的底层架构直接固化在硅基硬件中。这意味着芯片的计算流由硬件定义，而非像TPU那样由软件定义。据称，按单位功耗可处理的Token数量计算，其能效可达Google现有最新一代TPU的6至10倍。该芯片并非替代TPU，而是开辟新的自研芯片产品线，并保留通过更新模型权重完成升级的弹性空间，但底层架构固化。计划最早2028年正式投产部署。
与TPU的差异明显：TPU是通用AI加速器，支持多种模型（Gemini、PaLM、Claude等），架构持续更新（V4至V8）；而Frozen v2是专用架构，牺牲灵活性换取极致能效。行业意义上，这确认了AI芯片"专用化"趋势，与Etched Sohu（Transformer专用ASIC）和SambaNova的融资信号一致。技术挑战包括Gemini架构演进可能导致芯片快速过时，以及需要维护两套硬件生态（TPU和Frozen v2）。对Google AI战略，这将大幅降低Gemini运营成本，推动盈利，并巩固Google Cloud在AI推理市场的成本优势。对NVIDIA，这意味着GPU vs ASIC竞争白热化，算力供应链分化。此外，Frozen v2的能效提升源于消除通用计算开销，但代价是灵活性，一旦Gemini引入新的算子或注意力机制，芯片可能无法支持，导致用户被迫升级或迁移。Google强调权重更新弹性，但这仅能调整参数，无法改变计算图，因此架构演进受限。
重要性说明
Google的Frozen v2表面上是技术突破，实质上是在防守NVIDIA在AI推理市场的统治地位，并试图通过硬件锁定将用户绑定在Gemini生态内。专用ASIC意味着一旦企业采用Frozen v2进行推理，将无法灵活切换至其他模型（如Claude、开源LLaMA），因为芯片仅针对Gemini架构优化，其他模型的推理效率会大幅下降。这构成了隐性锁定：企业不仅被锁定在Google Cloud，还被锁定在Gemini模型上。
然而，Google刻意淡化了物理限制：固化架构意味着无法适应Gemini未来的重大架构变化（如引入新的注意力机制、多模态融合等）。虽然保留权重更新，但权重更新无法改变计算图，一旦Gemini升级核心架构，Frozen v2可能立即过时。此外，2028年投产的节奏表明Google并未解决当前算力紧缺，而是押注长期，但届时竞争对手可能已推出更先进的方案。维护两套硬件（TPU+Frozen v2）将增加运营复杂性和成本，且Frozen v2在非Gemini工作负载下可能成为沉没成本。从工程视角看，尾部延迟和拥塞控制等性能指标在专用硬件中可能更脆弱，因为缺乏通用GPU的灵活调度能力。
PRO 决策建议
【厂商】竞争对手如NVIDIA和AWS应强调Frozen v2的灵活性损失和生态锁定风险。NVIDIA可推出针对特定模型的优化库（如TensorRT-LLM）以缩小能效差距，同时强调其GPU在支持多种模型和快速迭代上的优势。Etched等专用ASIC厂商应突出其Transformer通用性，而非绑定单一模型。
【企业】CIO和架构师应进行零信任技术审计：评估Frozen v2对多模型工作负载的适用性，避免被单一模型锁定。要求Google提供跨模型性能基准，并保留在其他硬件上运行推理的能力。考虑采用开放标准（如OpenAI的API）以保持模型可移植性。不要因能效提升而忽视架构过时风险，建议在合同中加入技术演进保障条款。
【投资者】看穿公关辞令：Frozen v2的能效数据是基于特定假设（可能仅针对特定Gemini版本），实际部署效果存疑。2028年投产意味着当前无法贡献收入，且研发成本可能侵蚀利润。关注Google是否能在TPU和Frozen v2之间实现协同，否则可能造成资源浪费。长期看，专用化趋势利好ASIC设计公司（如Etched、SambaNova），但需警惕Google的封闭生态可能抑制竞争。
觉得这篇分析有用？
每周收到3-5条AI基础设施关键信号 →
💬 评论 (0)