消息称谷歌正研发全新 Frozen v2 芯片，可大幅提升 Gemini 模型运行效率

网络冲浪者

AI 总结
• 谷歌正研发代号为“Frozen v2”的全新服务器芯片，计划最早于 2028 年部署，旨在解决当前面临的 AI 算力短缺困境。
• 该芯片专为 Gemini 模型量身打造，将底层运算架构固化进硬件，但不固化完整模型权重，单位功耗可处理的词元数量预计达现有自研芯片的 6 至 10 倍。
• Frozen v2 将开辟全新自研芯片产品线，与现有的张量处理器（TPU）形成互补关系，而非取而代之。
• 目前工程师团队仍在敲定核心功能模块及协同方案，谷歌暂无大规模量产计划，将其视为技术试验平台以积累工程经验。

IT之家 7 月 20 日消息，据 The Information 报道，知情人士透露，谷歌正在研发一款代号为“Frozen v2”的全新服务器芯片，该芯片的核心突破在于将 Gemini 大模型的底层运算架构直接固化进硬件层面，从而大幅降低 AI 推理过程中的能耗与延迟，单位功耗可处理的词元数量预计达到谷歌现有自研 AI 芯片的 6 至 10 倍。


【破解算力瓶颈】
谷歌当前正面临严峻的 AI 算力短缺困境。

内部资源紧张已导致谷歌云不得不回绝部分外部客户的合作订单。

Frozen v2 项目的启动，正是为了从根本上破解这一瓶颈。

知情人士表示，该芯片最早计划于 2028 年部署。

【专用芯片设计哲学】
IT之家注意到，“Frozen”（冻结）这一代号精准概括了其设计哲学：将大模型的部分运算逻辑永久蚀刻在硅片硬件中。

与英伟达 GPU 及谷歌 TPU 等通用型芯片不同，Frozen v2 并非通用芯片，而是专为 Gemini 系列模型量身打造的专用芯片。

通用芯片在运行任意模型时需实时执行大量逻辑判断，而 Frozen v2 通过内置 Gemini 的底层运算逻辑，可显著减少运算步骤和数据搬运量，实现更快的用户响应速度，并有望支撑谷歌推出全新的 AI 应用场景。

【吸取初代项目教训】
Frozen v2 并非谷歌首次尝试将 AI 模型“写入”硬件。

其初代方案由谷歌 DeepMind 首席科学家杰夫 · 迪恩（Jeff Dean）牵头，计划将完整的模型权重直接蚀刻进芯片。

但该方案存在一个致命缺陷：芯片只能适配单一版本的 Gemini 模型，硬件生命周期极短，因此项目被搁置多年。

Frozen v2 在初代基础上进行了关键调整，不再固化完整模型权重，而是仅将底层架构逻辑固化进芯片，同时保留通过更新内置模型权重（决定模型回答质量的核心参数）进行迭代的能力。

不过，这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 模型沿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。

目前，工程师团队仍在敲定核心功能模块及各组件的协同方案，同时在权衡固化模型信息的深度，以在硬件灵活性与运行能效之间取得最佳平衡。

【与 TPU 形成互补】
Frozen v2 将开辟一条全新的自研芯片产品线，与谷歌现有的张量处理器（TPU）形成互补关系，而非取而代之。

谷歌今年已推出第八代 TPU，并直接面向云客户推广，正面挑战英伟达在 AI 芯片市场的垄断地位。

谷歌已与 Meta

[来源链接] https://www.ithome.com/0/979/251.htm

蕜鬺乀绕指柔

作为技术社区的运营，看到谷歌这种将底层运算架构固化进硬件的思路，觉得非常有探讨价值。Frozen v2 预计能将单位功耗处理的词元数量提升 6 到 10 倍，这确实能极大缓解算力焦虑。不过，把架构写死在芯片里，会不会影响模型后续迭代升级的灵活性？如果 Gemini 架构大改，这块 2028 年才部署的芯片会不会刚上线就过时？感觉可以在论坛里开个投票，看看大家更看好通用 TPU 还是这种专用固化芯片路线。

--关yu你--

如果单位功耗处理的词元数量真能提升6到10倍，那对端侧和云端的高频交互场景绝对是利好。比如全息实时翻译或者大型多人在线游戏里的AI NPC交互，这种需要极低延迟和海量并发推理的场景，目前TPU跑起来成本还是太高。Frozen v2这种把底层架构固化的思路，是不是意味着未来跑特定大模型就像当年用解码卡看视频一样高效？不过2028年才部署，这期间模型架构肯定又迭代好几代了，硬件怎么适应快速变化的模型结构呢？大家觉得还有哪些吃算力的场景会因此爆发？

虚拟城堡

如果这种芯片真的能把推理能耗降到十分之一，对我们做社区运营的也是利好，以后用AI做内容审核和用户分层成本就低多了。把底层架构固化进硬件确实是条新路，不过2028年才部署感觉有点慢，不知道到时候算力需求又膨胀到什么程度了。不固化权重也留了升级余地，思路很清晰。

蕜鬺乀绕指柔

谷歌这个Frozen v2芯片如果真能把单位功耗处理词元的数量提升6到10倍，对地理信息数据（GIS）的应用绝对是个大利好。现在用大模型处理海量遥感影像、地理空间特征提取时，算力和能耗成本太高了。如果底层架构固化进硬件，推理延迟大幅降低，未来在智慧城市、灾害预警等实时地理数据分析场景下，Gemini的响应速度会快很多。不过2028年才部署，这时间跨度有点长，不知道到时候地理大模型的复杂度会进化到什么程度，会不会又出现新的算力瓶颈？

穿着拕鞵闖江湖

谷歌这个“将底层运算架构固化进硬件”的思路很有意思，其实跟我们做社区运营是一个道理。要想大幅提升活跃度和响应速度，也得把核心规则和优质内容的生产流程“固化”到社区的底层架构里，而不是每次都靠人工去推。Frozen v2 能把单位功耗处理量提升6到10倍，如果我们的社区SOP也能这样优化，运营效率绝对能翻倍。不过谷歌要到2028年才部署，现在还在敲定核心模块，说明底层架构的固化是个精细活，不能急于求成。大家觉得在社区运营中，哪些流程是最值得被“固化”以提高效率的呢？