两名知情人士透露证券投资系统，谷歌正在研发一款全新服务器芯片，这款芯片可将 Gemini 大模型的底层架构方案直接固化在硅基硬件中，能够极大提升谷歌面向用户提供 AI 服务的运行效率。
这款内部代号为Frozen v2（固化二代）的芯片，用于缓解谷歌当前严峻的 AI 算力缺口。算力不足不仅引发了谷歌内部各部门矛盾，还导致谷歌云不得不回绝大量外部客户的算力采购订单。参与该芯片研发的工程师测算，按单位功耗可处理的 Token 数量（AI 算力核心计量指标）计算，该芯片正式落地后，能效可达谷歌现有最新一代自研 AI 张量处理器（TPU）的6 至 10 倍。
该芯片命名为 Frozen（固化），源于其设计思路：将大模型的部分运算逻辑永久蚀刻在芯片硅片内部。工程师现阶段仍在敲定芯片核心功能模块、各单元协同工作机制。知情人士称，谷歌计划最早在 2028 年正式投产部署该芯片。
Frozen 项目并非用来替代谷歌现有的 TPU 张量处理器，而是开辟一条全新的自研芯片产品线。当下行业使用最广泛的英伟达 GPU、谷歌 TPU 均属于通用型 AI 加速芯片，能够兼容各式各样的 AI 模型。
通用芯片在运行不同大模型时，需要实时执行大量繁杂的运算调度判断；而 Frozen v2 将 Gemini 模型的部分固定运算逻辑内置在硬件层面，精简了芯片的运算步骤与数据搬运量。
知情人员表示，硬件内置运算逻辑能够缩短 AI 问答的响应时延，有望支撑谷歌落地一批全新 AI 应用。但这套方案也押注谷歌会长期沿用当前 Gemini 大模型的研发架构；只有后续迭代的 Gemini 模型基于芯片设计时的底层架构开发，这款芯片才能正常适配新一代模型。
研发人员补充，芯片保留了弹性调整空间，可通过更新模型权重（决定模型应答逻辑的核心参数配置）完成模型版本升级迭代。
谷歌官方发言人对外回应：谷歌各团队始终在持续研发、试验各类创新技术，力求为用户与企业客户交付性能、效率最优的 AI 服务。发言人还表示：并非所有研发项目最终都会量产落地，但这种全方位的技术探索，是谷歌全栈式 AI 布局的关键一环。
推理芯片为何成为行业研发热点
一大批企业都在布局 AI 推理芯片（承载大模型线上运行的算力硬件），既有 SambaNova、d-Matrix 这类初创公司，也包含 OpenAI、微软等科技巨头。各家的目标都是打造比英伟达 GPU 能效更高的推理芯片，缓解全球算力紧缺、算力成本高企的行业痛点。英伟达自身也在去年 12 月斥资 200 亿美元，收购推理芯片初创企业 Groq 的相关技术授权。
各家厂商的技术路线与谷歌 Frozen 方案存在差异，但 Frozen v2 的设计思路和加拿大芯片初创公司 Taalas 相近：二者均把特定 AI 模型的运算逻辑硬编码至芯片硬件。Taalas 已完成超 2 亿美元融资，投资方包含 Quiet Capital、富达投资。
Frozen v2 的设计源自初代 Frozen 方案，该初代构想由谷歌 DeepMind 首席科学家杰夫・迪恩牵头，计划直接将模型权重烧制在芯片硬件中。但这套多年前的方案存在明显短板：芯片只能适配固定版本的 Gemini 模型，硬件服役生命周期过短，最终被搁置。
另一名知情人士透露，谷歌团队目前正在权衡芯片内置固化数据的体量，在硬件能效与产品通用性之间寻找平衡点。
谷歌自研芯片的过往收益
谷歌多年的自研芯片布局已经兑现价值。今年谷歌正式发布第八代 TPU，并且开始直接向云客户售卖该芯片产品，正面冲击英伟达在 AI 芯片市场的垄断地位。谷歌已和 Meta 签署数十亿美元 TPU 供货协议，同时积极向其他原本忠实采购英伟达硬件的云厂商推销自家 TPU 产品。
依靠自研芯片搭配 Gemini 模型协同设计，谷歌目前运行自家大模型的硬件成本已经下降。只不过现有 TPU 仅嵌入了少量模型底层信息，集成度远不及 Frozen 系列芯片。
谷歌现阶段没有规划大规模量产 Frozen v2 芯片，产能规模远低于 TPU。较小的量产体量意味着谷歌无需在项目早期就引入外部设计、代工合作方。谷歌也将本次 Frozen 二代视作一次技术试验：待未来 AI 大模型架构趋于定型后，本次研发积累的经验，能够帮助工程师设计出更加专用化的高性能 AI 芯片。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：郭明煜 证券投资系统
文章为作者独立观点，不代表联华证券-联华证券配资-联华证券炒股观点
