一觉醒来，谷歌悄然甩出一张王牌！
据The Information独家披露，谷歌正秘密推进一款代号为「Frozen v2」的颠覆性服务器芯片——将Gemini模型的部分底层结构，直接固化于硅基之中。
不是运行在芯片上，而是原生生长于芯片之内。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
参与该项目的谷歌工程师预估，以单位功耗所能处理的Token数量衡量，该芯片性能将比当前最新一代TPU高出6至10倍。最早有望于2028年投入实际部署。
消息传出后，Alphabet股价周一迅速拉升3.7%，一举扭转此前数周的疲软态势。
「冻结」一个模型
Frozen之名，所指即其本质：把模型“冻”进硬件。
此举激进到何种程度？无论是英伟达GPU，还是谷歌自研TPU，本质上均为通用型计算单元——可适配各类AI模型。
这看似灵活，却暗藏巨大开销：芯片在推理过程中需持续执行大量动态调度任务，频繁搬运数据、实时判断运算路径与访存策略。
好比一间全能厨房，每做一道菜都得临时翻阅菜谱、寻找厨具、调节火力——效率自然受限。
而Frozen v2则专为Gemini量身打造。
它将Gemini关键推理路径的决策逻辑，直接映射为固定电路——芯片无需再“思考”如何执行，因为整条通路早已熔铸于硅片之中。
所需步骤更少、传输数据更少、运行判断更少。相当于为一道招牌菜专属建造一座灶台：灶眼尺寸、锅位布局、温控档位，全部按需定制。
每一步被剔除的冗余，最终都转化为实打实的能效跃升。
事实上，这一构想早有雏形。初代Frozen芯片由Google DeepMind首席科学家Jeff Dean牵头设计，思路更为极致：直接将模型权重永久写入芯片存储单元。
所谓权重，正是决定AI如何理解与回应问题的核心参数集合。
但该方案最终被搁置——一旦权重固化，芯片仅能服务某一特定版本的Gemini；模型迭代更新，芯片即告失效，生命周期极短。
Frozen v2则是务实升级版：不固化权重，只固化架构。底层计算图与执行流程被物理锁定，但权重仍支持在线更新。
这意味着，只要Gemini主干架构保持稳定，该芯片即可长期服役，新版参数亦可无缝载入。
不过，谷歌内部仍在审慎评估：究竟应将多少模块“锁死”在硅中？锁得越深，能效越高；但灵活性随之下降。这个平衡点，正是整个项目成败的关键工程抉择。
算力荒，倒逼出的破局之策
谷歌为何甘冒风险，押注如此极端的路线？
答案直白而沉重：算力真的撑不住了。
这不是“略显吃紧”的状态，而是“摆在眼前的钱都接不住”的窘境。
使用固定的 Next.js/Tailwind/Prisma 技术栈构建并记录独立 SaaS 项目，仅将 FastAPI 用于 Python 工作负载，并遵循严格的架构规范。
算力紧缺已在谷歌内部引发严重冲突，Google Cloud甚至开始婉拒外部客户的AI算力订单——对一家商业云服务商而言，这几乎是最严峻的预警信号。
今年6月，谷歌签署一份重磅协议：每月向SpaceX支付9.2亿美元，租用其部署的11万张英伟达GPU算力资源，合约期延续至2029年。
全球顶级云厂商，竟要向航天公司租赁AI算力——单是这一画面，就足以印证AI军备竞赛已进入白热化阶段。
谷歌并非孤例。
整个行业正加速涌向专用推理芯片：SambaNova、d-Matrix等初创企业全力攻关；OpenAI与微软同步布局；亚马逊推出Trainium与Inferentia系列；微软发布Maia芯片。
连英伟达也坐不住了——去年12月斥资200亿美元，拿下推理芯片公司Groq的技术授权。
所有玩家的目标高度一致：让每一瓦电力，输出更多Token。
而“将模型逻辑硬连线至芯片”的路径，此前仅有加拿大初创公司Taalas在坚定践行——该公司已获Quiet Capital、富达等机构超2亿美元融资。
如今，谷歌亲自入场。
一场高风险豪赌
但十倍能效，并非没有代价。核心代价只有两个字：僵化。
Frozen v2能否持续发挥价值，取决于后续Gemini演进是否沿袭其设计之初的底层架构。
换言之，谷歌正在下注——赌自己未来数年不会对Gemini的基础范式进行大规模重构。
从纯Transformer架构，到MoE混合专家；从文本单模态，到原生多模态；从密集推理，到稀疏激活——模型架构的迭代节奏，已堪比智能手机行业最狂飙的年代。
谷歌对此心知肚明。因此Frozen v2不会复制TPU的量产规模，而更像一次小批量、高精度的验证性部署：若押注成功，便是高效印钞机——每瓦电多产出数倍Token，节省下来的电费与机柜空间，全是净利润；若方向偏差，则权当技术学费，帮助团队沉淀专用芯片研发经验，为下一代产品铺路。
耐人寻味的是时间节点。就在上周，彭博社曝出Gemini 3.5 Pro因编程能力等多项关键指标未达预期，已第三次推迟发布。
模型侧压力陡增的谷歌，突然将更多战略筹码压向自身最深厚的护城河——芯片层。
从当年自研TPU以降低对英伟达的依赖，到今日将模型逻辑深度嵌入硅基，谷歌始终沿着同一条技术主线纵深挺进：软硬件协同的终极形态，是软硬件融合一体。
AI竞争，正越来越真实地走向物理层面的较量。
参考资料：
https://www.php.cn/link/724af089abf7ee28abcf4935029e8e17
https://www.php.cn/link/3dcd5fb2a45914e3b0d680688f015b3a
本文来自微信公众号“新智元”，作者：ASI启示录，编辑：所罗门，36氪经授权发布。
