AI算力短缺已经到了让谷歌不得不“掀桌子”的地步。

7月20日，据科技媒体The Information报道，谷歌正在研发一款代号为“Frozen v2”的新型服务器芯片，计划将Gemini大模型的底层架构直接固化进硬件，单位功耗可处理的Token数量将达到现有自研AI芯片的6至10倍。受此消息提振，谷歌股价周一盘中一度上涨3.7%。

一、为什么要有Frozen v2？算力真的不够了

Frozen v2项目的直接驱动力，是谷歌内部严峻的AI算力短缺问题。

算力缺口已引发内部资源紧张，甚至迫使谷歌云拒绝了不少外部客户的合作订单。就在上月，谷歌还同意每月向SpaceX支付近10亿美元，以填补算力缺口、兑现对企业客户的算力承诺。

二、核心设计：把Gemini“刻”进硅片

Frozen v2的核心设计理念，在于将Gemini模型的底层架构永久刻入芯片硅基，使其在处理推理请求时无需像通用芯片那样进行大量实时决策。

现有TPU与英伟达GPU类似，设计为兼容多种AI模型，运行特定模型时需要处理大量动态决策。而Frozen v2通过预先固化部分决策逻辑，大幅减少运算步骤与数据搬运量，换取更高的运行效率。

代价是通用性的降低——Frozen v2芯片仅能兼容与设计时所采用的相同底层架构的Gemini后续版本。这意味着谷歌实际上在押注自身将长期沿用当前的Gemini模型架构。

三、项目沿革：从“全固化”到“弹性固化”

Frozen项目并非全新构想。其前身为最初由谷歌DeepMind首席科学家Jeff Dean主导的“原版Frozen”方案，该方案计划将模型权重本身直接烧录进芯片。

然而，这一设计将使芯片仅能服务于某一特定版本的Gemini模型，生命周期过短，该方案已被搁置。

Frozen v2在此基础上作出调整，转向 “弹性固化”思路——固化模型架构而非具体权重，从而在保留效率优势的同时延长芯片使用周期。芯片仍支持模型权重的更新。

四、定位：TPU之外的新分支，而非替代品

谷歌明确将Frozen v2定位为TPU产品线之外的新分支，而非对现有自研芯片体系的替代。TPU与英伟达GPU同属通用AI芯片，可适配多种大模型；Frozen v2则专为Gemini打造，两条产品线将并行发展。

谷歌目前暂无将Frozen v2规模扩产至与TPU相当体量的计划。知情人士表示，相对有限的部署规模使谷歌得以在项目后期再引入外部设计与制造合作伙伴。谷歌也将这一代产品部分视为工程试验——为工程师积累开发更高专用化芯片的经验。

五、行业影响与风险

自研AI芯片已帮助谷歌降低Gemini的运行成本。今年，谷歌发布了第八代TPU，并开始将其直接向云计算客户销售，向英伟达的主导地位发起挑战。

但Frozen v2也是一场豪赌。只有当后续Gemini模型采用与芯片设计一致的基础架构，才能在该芯片上正常运行。一旦模型底层大改，烙进去的设计便可能失效。

与谷歌同赛道的，还有加拿大芯片初创公司Taalas——同样采用将特定AI模型硬编码入芯片的设计理念，已融资逾2亿美元。英伟达则于去年12月斥资200亿美元与推理芯片初创公司Groq达成技术授权协议。

Frozen v2最早于2028年部署。在它到来之前，谷歌要先稳住的是眼下的模型节奏与人才防线——有消息称下一代Gemini Pro的发布时间已经推迟，同时多名资深AI研究人员流向了竞争对手。