算力「芯」动向 | 谷歌Frozen v2芯片:推理芯片从“通用”走向“极致专用”的产业拐点

🐆:谷歌Frozen v2芯片将Gemini架构固化进硅片,能效提升6至10倍。这标志AI算力竞争从“通用芯片”转向“模型-芯片深度耦合”,垂直整合玩家将获得结构性成本优势,推理芯片赛道正经历从灵活到专用的范式转移。


当大模型厂商开始将自家模型的架构逻辑固化进专用芯片,AI算力的竞争维度正在从"谁的芯片更强"转向"谁的芯片与模型耦合得更深"


01从算力短缺到架构固化,谷歌为何选择“把模型写进硅片”

据The Information援引知情人士爆料,谷歌正在研发内部代号Frozen v2的服务器芯片,核心思路是将Gemini大模型的底层运算架构直接固化进硬件层面,而非像现有TPU或英伟达GPU那样作为通用芯片运行。

研发团队测算,该芯片正式落地后,单位功耗可处理的词元数量将达到谷歌最新一代自研AI芯片的6至10倍,最早计划2028年部署。

这一项目的直接驱动力,是谷歌当前严峻的AI算力短缺。

知情人士透露,算力缺口已加剧内部资源分配矛盾,甚至导致谷歌云不得不回绝部分外部客户的合作订单。

在AI推理成本成为行业核心痛点的当下,谷歌选择了一条极端但高效的路径:用硬件的确定性换取能效的飞跃

6-10倍能效提升
Frozen v2单位功耗可处理的词元数量,将达到谷歌最新一代自研AI芯片的6至10倍,能效实现质的飞跃

值得注意的是Frozen v2并非要取代谷歌现有的TPU产品线,而是开辟第二条芯片产品线与之互补。

谷歌今年已推出第八代TPU并直接面向云客户销售,已与Meta签署数十亿美元大单出租TPU算力。

Frozen系列的定位更为实验性,产能规模远低于TPU,谷歌将其视为技术试验平台,待大模型底层架构趋于稳定后,为更高专用化芯片积累工程经验。

02从“固化权重”到“固化架构”,设计思路的迭代揭示产业共识

Frozen v2实际上是对初代Frozen方案的修正。

初代由谷歌DeepMind首席科学家杰夫·迪恩牵头,计划将完整模型权重直接蚀刻进芯片,但因芯片只能适配单一版本的Gemini模型、硬件生命周期极短而被搁置多年。

v2版本的关键调整在于不再固化完整权重,而是仅将底层架构逻辑固化进芯片,同时保留通过更新内置模型权重进行迭代的能力。

这一迭代路径本身揭示了一个重要产业判断:大模型底层架构正在趋于稳定,但模型权重仍在快速演进。

谷歌的工程师团队仍在权衡固化模型信息的深度,以求在硬件灵活性与运行能效之间取得最佳平衡。

这也意味着一场押注。

只有后续迭代的Gemini模型沿用与芯片设计时一致的基础架构,这批专用芯片才能发挥价值。

03推理芯片赛道升温,“模型即芯片”路线引发行业跟进

Frozen v2折射出一个更大的行业趋势。

AI推理芯片正从通用GPU的附属赛道,演变为独立且拥挤的竞争领域。

SambaNova、d-Matrix等初创企业,以及OpenAI、微软等科技巨头,都在试图打造比英伟达GPU能效更高的推理芯片。

英伟达自身也在去年12月斥资200亿美元获得推理芯片初创企业Groq的非独家技术授权。

各家技术路线不尽相同,但Frozen v2的设计思路与加拿大芯片初创公司Taalas高度相似。

二者均将特定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,投资方包括Quiet Capital和富达投资。

这种模型即芯片的路线,本质上是将软件层面的模型优化下沉到硬件层面,跳过通用芯片运行任意模型时所需的大量实时逻辑判断,从而减少运算步骤和数据搬运量

  • SambaNova、d-Matrix等初创企业专注推理芯片

  • OpenAI、微软等科技巨头同步布局

  • 英伟达200亿美元获得Groq非独家技术授权

  • Taalas超2亿美元融资,路线与Frozen高度相似

04专用化路线的产业意义:效率与锁定的博弈

如果通用GPU时代的关键词是灵活,那么Frozen v2代表的方向则是极致专用

6至10倍的能效提升若能兑现,对深受算力成本之困的AI行业而言意义重大

但这一路线的前提是模型架构的长期稳定,在Transformer架构仍在快速演进的当下,谷歌的这场押注能否成功,2028年才能见分晓。

当大模型厂商开始将自家模型的架构逻辑固化进专用芯片,AI算力的竞争维度正在从“谁的芯片更强”转向“谁的芯片与模型耦合得更深”

这意味着拥有自研模型和自研芯片的垂直整合玩家,将在推理成本上获得结构性优势。

而依赖通用芯片的模型厂商,可能面临持续的成本劣势。

谷歌此举不仅是为了解决当下的算力短缺,更是在为AI推理阶段的成本结构重新定价。

算力“芯”动向 · 专注AI与算力产业观察

今日阅读文章分享:

(1)谷歌研发全新“Frozen”专用芯片,大幅提升AI模型运行效率

(链接:https://finance.sina.com.cn/stock/usstock/c/2026-07-20/doc-iniinfqe5068461.shtml?cre=tianyi&mod=pchp&loc=6&r=0&rfunc=41&tj=cxvertical_pc_hp&tr=12)

(2)谷歌研发全新“Frozen”专用芯片 大幅提升AI模型运行效率

(链接:https://news.mydrivers.com/1/1137/1137823.htm)

(3)把Gemini“刻”进硅片:谷歌Frozen v2芯片能否改写AI算力游戏规则?

(链接:https://www.seccw.com/Document/detail/id/47816.html)

本文若有歧义欢迎读者分享指正。


2026全球闪存峰会

站在产业拐点回望,存算一体的商业化大幕才刚刚拉开,技术路线的选择、生态的构建、场景的落地,仍需要全产业链的协同探索。即将于8月26日在武汉光谷举办的2026全球闪存峰会(FMW 2026),便为这场探索提供了专业的交流阵地 —— 大会专门设置存算一体化技术与应用分论坛,聚焦存算一体的技术演进与产业落地,打造产学研深度对话的行业平台。

该论坛将汇聚高校科研学者、存算芯片企业、存储厂商、智算集群服务商与终端行业客户,议题覆盖近存计算规模化落地、存内计算技术迭代、ReRAM等新型介质产业化、系统级存算耦合架构、端侧到云端的场景商业化等核心方向,既呈现前沿学术成果,也拆解一线落地案例,全面呈现存算一体产业的真实进展与未来路径。

对于关注存算一体技术路线、寻找算力升级方案、探索产业合作机会的从业者而言,这场论坛将是获取前沿洞察、对接全产业链资源的重要窗口。目前峰会报名通道已正式开启,扫描海报二维码即可注册参会,与全产业链同仁齐聚武汉,共话存力跃迁时代的AI破局之道。

2026年8月26日,武汉,诚邀业界同仁共赴这场存储产业巅峰盛会!


报名通道:https://app.ehub.net/register/nga5ph





扫描下方二维码 关注我们

我们以算力为线,持续跟进算力基础设施的报道,输出洞察,伴随算力行业实现算力自由。敬请关注!


本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信