谷歌研发全新“Frozen”专用芯片，大幅提升AI模型运行效率
据两名知情人士透露，谷歌正在研发一款全新服务器芯片，可将Gemini大模型的底层架构直接固化进芯片硬件，以此大幅提升面向用户提供AI服务的运行效率。
这款内部代号Frozen v2的芯片，旨在解决谷歌当前AI算力严重短缺的难题。算力缺口已引发内部资源矛盾，甚至迫使谷歌云拒绝了不少外部客户的合作订单。知情人士称，研发团队测算，该芯片正式落地后，单位功耗可处理的词元（Token）数量，将达到谷歌现有自研AI芯片最新一代产品的6至10倍，能效实现质的飞跃。
“Frozen”这一代号的由来，源于其核心设计思路：将大模型的部分运算逻辑永久蚀刻在硅片硬件中。工程师仍在敲定这款芯片的核心功能模块，以及各组件协同工作的方案。知情人士表示，谷歌计划最早2028年部署该芯片。
Frozen项目旨在开辟一条全新自研芯片产品线，与谷歌现有张量处理器（TPU）形成互补，而非取而代之。当下应用最广泛的AI芯片——英伟达GPU，以及谷歌TPU，均为通用型芯片，可适配多款不同大模型。但通用芯片运行任意模型时，都需要实时执行大量耗时的逻辑判断；而Frozen v2直接内置适配Gemini系列模型的底层运算逻辑，能够大幅减少芯片运算步骤与数据搬运量。
其中一名知情人士表示，这款专用芯片能够更快响应用户提问，有望支撑谷歌推出全新AI应用场景。但该芯片也意味着谷歌押注自身会持续沿用当前Gemini大模型的底层架构：只有后续迭代的Gemini模型采用与芯片设计时一致的基础架构，才能在该芯片上正常运行。
知情人士补充，谷歌仍可对芯片进行迭代优化，包括更新内置模型权重（权重是决定模型如何回答问题的核心参数配置）。
谷歌官方发言人对外回应称：公司各团队“持续研发、测试各类创新技术，力求为用户与企业客户实现极致性能与能效”。
发言人补充道：“并非所有研发项目都会落地量产，但这种全方位技术探索，是我们全栈自研技术路线的核心一环。”
推理芯片为何成为行业焦点
包括Samba Nova、d-Matrix等初创企业，以及OpenAI、微软等科技巨头，都在研发AI推理芯片——也就是专门用于大模型对外提供服务的算力硬件。各家的目标都是实现超越英伟达GPU的推理能效，缓解算力紧缺、压低运营成本。英伟达自身也在去年12月斥资200亿美元，收购推理芯片厂商Groq的技术授权。
行业各家的技术路线与谷歌Frozen方案存在差异，但Frozen v2的设计思路，与加拿大芯片初创公司Taalas高度相似：后者同样选择把特定大模型的逻辑硬编码至芯片内部。Taalas已完成超2亿美元融资，投资方包括Quiet Capital、富达投资。
Frozen v2的研发迭代自初代Frozen方案而来。初代方案由谷歌DeepMind首席科学家杰夫·迪恩牵头，计划直接将完整模型权重蚀刻进芯片。但该方案存在明显短板：芯片仅能适配单一版本的Gemini，硬件生命周期极短，因此搁置多年。
另一名知情人士透露，谷歌仍在权衡Frozen v2芯片固化多少模型信息，以此平衡硬件灵活性与运行能效。
谷歌自研芯片的布局至今已收获回报。今年谷歌推出第八代TPU，并直接面向云客户推广，正面冲击英伟达的垄断市场份额。谷歌已与Meta签署数十亿美元大单，向其出租TPU算力，同时试图将TPU供货给英伟达的核心云厂商客户。
自研AI芯片、不完全依赖英伟达GPU，已经帮谷歌降低了Gemini模型的运行成本——谷歌在设计TPU时便围绕Gemini做了适配，只是TPU内置的模型信息远少于Frozen系列芯片。
谷歌暂无计划大规模量产Frozen v2，产能规模将远低于TPU。知情人士表示，这款芯片量产规模有限，谷歌可延后引入外部设计、代工合作伙伴；同时谷歌将这一代产品视作技术试验平台，待大模型底层架构趋于稳定后，为研发更高专用化芯片积累工程经验。
责任编辑：刘明亮
