外媒 The Information 独家爆料谷歌 Alphabet 内部代号Frozen v2的服务器专用 AI 推理芯片研发全貌。这款深度绑定 Gemini 大模型架构的定制化硅基芯片，凭借底层硬件固化创新实现能效跨越式突破，单位功耗 Token 处理效率为现有顶级 TPU 的 6-10 倍，核心面向长上下文、全天候高负载 AI 智能体推理业务，预计 2028 年正式落地部署。消息曝光后，Alphabet 美股盘中涨幅最高达 3.7%，市场高度看好谷歌软硬一体算力战略落地价值。
一、核心技术突破：Gemini 架构硅基固化，破解通用芯片能效瓶颈
Frozen 系列命名源自 “Frozen（冻结）” 核心设计哲学：将大模型高频复用底层运算逻辑永久蚀刻至芯片硅片，彻底区别于 TPU、英伟达 GPU 等通用可编程 AI 加速芯片。
- 差异化硬件架构 初代 Frozen 方案尝试固化完整模型权重，存在适配单一模型、硬件生命周期短的缺陷；Frozen v2 完成关键迭代优化，仅固化 Gemini 通用决策、解码核心运算通路，保留模型权重迭代更新能力，兼顾极致能效与版本兼容空间IT之家。通用芯片运行大模型时需实时执行海量逻辑调度、频繁搬运内存数据，长期高并发场景下 “内存墙” 功耗损耗突出；Frozen v2 通过硬件级固化运算链路，大幅削减冗余计算与数据传输能耗，缩短推理响应时延。
- 能效行业级跃升 谷歌内部工程测算数据显示，以行业核心指标每瓦可处理 Token 数量衡量，Frozen v2 单位功耗算力达最新一代 TPU 的 6 至 10 倍。该指标聚焦推理真实业务负载，而非纸面峰值算力，完美匹配 AI 智能体持续对话、多轮交互、超长文本生成的全天候运行需求，可大幅降低谷歌自有 AI 服务机房电力与散热成本，缓解当下全球 AI 推理算力成本高企的行业痛点。
二、精准定位：专供 AI 智能体推理，与 TPU 形成双轨算力布局
Frozen v2 并非替代现有 TPU 产品线，而是构建谷歌自研芯片 “通用 + 专用” 双轨并行战略：
- Frozen v2 专属赛道：仅适配 Gemini 系列底层架构模型，供给谷歌内部 Gemini 大模型、自主智能体、多模态自动化代理等高并发推理业务，承接内部高负载、长周期推理需求，解决谷歌当前算力紧缺、云业务接单受限难题；
- TPU 通用赛道：第八代 TPU 持续对外开放，面向全球政企客户提供多模型兼容训练、通用推理算力租赁，承接多元化第三方 AI 开发需求。 行业分析指出，Frozen v2 标志 AI 算力竞争正式进入模型 – 硬件深度耦合新阶段，告别单纯比拼通用峰值算力的赛道，垂直自研企业将凭借软硬协同获得长期成本优势。
三、落地背景与行业影响
- 研发核心动因：缓解谷歌算力短缺压力 知情人士透露，现阶段谷歌内部算力资源分配紧张，算力缺口已导致谷歌云被迫回绝部分外部大客户算力订单。Frozen v2 项目旨在从硬件底层压缩单 Token 推理能耗，规模化降低自研 AI 智能体运营成本，支撑谷歌落地更多全天候运行的自动化智能体产品矩阵。
- 产业范式变革信号 当前全球主流 AI 加速芯片以通用化设计为主，兼顾训练、多模型推理灵活度，但能效天花板明显。谷歌 Frozen v2 验证 “专用 ASIC 绑定自有大模型” 技术路线可行性，或将带动头部大模型厂商跟进定制化推理芯片研发，重塑推理算力产业竞争格局。
- 官方回应 谷歌对外表示，团队长期持续探索软硬件协同创新技术，持续优化大模型运行效率；同时补充说明，并非所有内部研发项目都会最终量产落地，Frozen v2 相关能效指标仍处于内部设计验证阶段。
文章版权声明
