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。