Google готви чипа „Frozen v2“ — вгражда архитектурата на Gemini в силиция

Google работи по нов вътрешен сървърен чип с кодово име „Frozen v2“, който вгражда самата архитектура на моделите Gemini директно в силиция. Идеята е чипът да не е универсален ускорител, а хардуер, „ушит“ по мярка за Gemini — с обещание за 6 до 10 пъти по-добра ефективност при обслужване на заявки в сравнение с настоящите чипове на компанията. Първите разгръщания се очакват едва през 2028 г., съобщиха TechCrunch и The Decoder.

Какво представлява чипът

Днешните TPU (Tensor Processing Units) на Google са ускорители с общо предназначение — на тях може да работи почти всеки модел. Frozen v2 върви в обратната посока: част от структурата на моделите Gemini е буквално „запечена“ в хардуера. Оттам идва и името — тази архитектурна схема остава замразена в чипа.

Ключовият нюанс е, че Google не вгражда теглата (weights) на модела, а неговия архитектурен скелет. Ако бяха фиксирани самите тегла, чипът щеше да е обвързан с една-единствена версия на Gemini и щеше да остарее с първото обновяване. Вместо това инженерите замразяват само структурата, а нови тегла могат да се зареждат отгоре. Така чипът запазва гъвкавост, докато моделите се развиват. Според The Decoder първоначалната идея — да се вградят директно теглата — идва от Джеф Дийн, главен учен в Google DeepMind, но подходът по-късно е прецизиран до по-практичния вариант.

Как обещава да намали разходите и енергията

Google измерва печалбата в токени, генерирани на единица мощност — тоест колко думи модел може да произведе за даден ват. По този показател Frozen v2 се очертава да бъде 6 до 10 пъти по-ефективен от съществуващите чипове на компанията.

Логиката е проста: щом архитектурата е фиксирана в силиция, чипът пропуска голяма част от изчислителните стъпки, които един универсален ускорител трябва да прави, за да „нагласи“ произволен модел. По-малко стъпки означават по-бърз отговор и по-ниска консумация — а при мащаба на Gemini дори малка разлика в цената на един токен се превръща в огромни суми. Именно цената на инференса (обслужването на готови отговори към потребителите) е един от най-важните фактори за маржа в AI бизнеса.

Контекстът е красноречив: Google планира да инвестира между 180 и 190 милиарда долара в AI инфраструктура, а вътрешният недостиг на изчислителна мощ вече ограничава способността на Google Cloud да поема някои корпоративни клиенти. Frozen v2 е насочен точно към този проблем — да освободи капацитет и да намали сметката за ток.

Какво означава за конкуренцията с Nvidia

Frozen v2 е поредната стъпка на Google да намали зависимостта си от Nvidia, чиито GPU остават де факто стандарт за AI. Чипът няма да замести TPU линията — планира се да я допълни, при това с по-малки производствени обеми, като своеобразен вътрешен тест за специализиран силиций.

Google не е сама в тази посока. OpenAI представи собствен инференс чип Jalapeño през юни 2026 г., а Anthropic води разговори за партньорство със Samsung. Всички гонят една и съща цел — по-евтино и по-мощно обслужване на моделите, без да плащат премия за чужд хардуер. По-евтиният инференс е и конкурентно предимство: който сервира Gemini на по-ниска цена, може да предложи по-агресивни абонаменти или по-щедри лимити.

Тенденцията се вписва в по-широка вълна от собствени чипове и rack-scale системи — от залога на Microsoft върху AMD за Azure до пилотното производство на TSMC по 1,4 нм, което ще захранва следващото поколение AI силиций.

Колко сериозно да го приемаме

Засега това е репортаж, а не официален продукт. Google нито потвърди, нито отрече информацията, а заяви само, че екипите ѝ „постоянно проучват и експериментират с нови иновации, за да осигурят максимална производителност и ефективност“. Компанията подчерта също, че „проектира хардуера и софтуера заедно, от нулата“ — формулировка, която пасва добре на идеята за чип, шит по мярка за Gemini.

Числата — 6 до 10 пъти ефективност — и датата 2028 г. също идват от източниците, а не от официален анонс, затова заслужават предпазливост. Ако обаче Frozen v2 стигне до реални сървъри, той ще е един от най-конкретните примери за това как AI компаниите се опитват да си върнат контрола над разходите, слизайки чак до нивото на силиция. Новината вече раздвижи пазара — акциите на Alphabet поскъпнаха с около 3% след публикацията.