谷歌密造"Frozen v2"專用芯片：把Gemini烙進硅片，單位功耗token能力翻 6 到 10 倍

谷歌正悄然推進一項名為“Frozen v2”的祕密晶片計劃，目標是將Gemini模型的部分架構直接永久嵌入矽晶圓，從而在根本上改變AI推理的運算模式。據多家科技媒體7月21日報道，這款專用伺服器晶片預計在2028年問世，其單位功耗的Token處理能力將比谷歌最新一代通用AI晶片TPU提升6至10倍，堪稱從“通用運算”向“模型專用運算”的一次激進躍進。這款代號Frozen v2的晶片，其核心設計理念在於“把模型焊進晶片”。不同於傳統通用處理器或現有TPU需要透過指令集與記憶體頻繁交換資料來運算神經網路，Frozen v2試圖將Gemini模型最關鍵、最耗能的底層架構固化為晶片上的永久電路。

這意味著當晶片處理用戶提問時，許多原本需要反覆讀取參數、進行大量矩陣乘法與資料搬運的步驟，可以直接在晶片內部以極高效率完成，從而大幅削減功耗與延遲。消息人士透露，谷歌工程師團隊在內部模擬中對其能效表現抱有高度期待，認為在每瓦特功耗下所生成的Token數量，可以達到現行最新TPU方案的6到10倍，這對於大規模部署AI服務的資料中心而言，將是運營成本的結構性優勢。消息一經曝光，華爾街迅速給出積極回應。谷歌A類股（GOOGL）在美股早盤一度上漲近3.7%，C類股（GOOG）盤中最高漲幅也觸及約3.9%，顯示投資人對谷歌在專用AI晶片領域的突破性佈局抱持樂觀態度。

這項消息的發酵時間點，正逢外界對AI基礎設施投資回報率日益關注的時期，Frozen v2所提出的“極致能效”敘事，無疑為市場注入了一劑強心針。面對媒體的密集追問，谷歌在官方聲明中採取了審慎但開放的立場。公司發言人表示，谷歌團隊始終持續研究並試驗各類創新技術，旨在為用戶與客戶提供最佳性能與最高效率。發言人強調，雖然並非每一個研發項目最終都會進入量產階段，但這種嚴格的技術探索正是谷歌全棧（Full-stack）戰略的核心組成部分。通過從底層晶片到頂層軟體框架的協同設計，整個系統得以深度集成，並針對真實工作負載進行高度優化。

不過，公司目前將Frozen v2定位為一次試驗性項目，暫時沒有像TPU那樣進行大規模量產的計劃。值得注意的是，谷歌明確表示Frozen v2不會取代通用型TPU，而是作為定製晶片產品線中更具針對性的專用分支。這意味著谷歌未來的AI加速器版圖將分為兩條路線：一條是承擔廣泛訓練與推理任務的通用TPU，另一條則是像Frozen v2這樣專為特定模型或特定世代模型深度優化的專用電路。這種“通用+專用”的雙軌策略，若能成功，將使谷歌在AI基礎設施上擁有比競爭對手更精細的成本控制手段。然而，將模型架構“烙進”矽片的做法，也無可避免地帶來了靈活性的代價。

報導指出，Frozen v2的設計高度耦合於當前版本的Gemini底層架構；這意味著，如果未來Gemini系列模型推出重大架構改版——例如改變核心注意力機制或Transformer區塊的排列方式——那麼這款晶片所固化的電路設計就可能無法相容，甚至面臨失效風險。晶片的研發週期往往長達數年，而AI模型的迭代速度卻是以月甚至週為單位，這個時間差將是Frozen v2能否真正落地應用的最大不確定因素。Frozen v2的誕生，從側面反映出谷歌內部日益嚴峻的算力困境。分析人士指出，算力資源的緊缺不僅加劇了谷歌內部不同團隊之間的資源爭奪，據稱還一度迫使谷歌雲業務部門拒絕部分外部客戶的運算請求。

為了兌現對企業客戶的算力承諾，谷歌甚至在上個月與SpaceX達成了一項每月近10億美元的協議，以填補迫在眉睫的算力缺口。Frozen v2的出現，正是為了從根本上緩解這道難題——透過極致能效的專用晶片，在同樣的電力與散熱限制下，產出遠遠更多的Token。比晶片路線圖更迫在眉睫的，是谷歌AI業務當前的多事之秋。就在Frozen v2消息流出的同一時間點，業界傳出下一代Gemini Pro模型的發佈時程已經推遲，同時多名資深AI研究人員陸續離職，轉投競爭對手陣營。對於谷歌而言，2028年才能問世的Frozen v2終究是“遠水”，眼前的模型迭代速度與人才防線才是決定市場份額的關鍵戰役。

當競爭對手的模型能力不斷逼近甚至在某些項目上反超時，谷歌必須確保在專用晶片量產之前，自己的核心模型依然保持領先地位。從更宏觀的視角來看，Frozen v2只是谷歌全面擴大AI晶片版圖的一環。近期谷歌不僅加速了TPU的對外商用化步伐，直接挑戰輝達在AI訓練市場的霸主地位，同時還傳出與三星聯手打造新一代“冰魚”TPU，以分擔對臺積電先進製程的過度依賴。然而，Frozen v2的出現代表了一條更為激進的技術思路——不再試圖用通用的硬體去適應所有演算法，而是反過來，讓硬體從設計之初就與特定演算法血脈相連。

這種做法在過去由於缺乏生態規模而屢屢受挫，但隨著Gemini模型在谷歌內部應用的覆蓋率不斷提高，專用化的經濟效益曲線正在變得越發合理。儘管谷歌對外語氣謹慎，強調Frozen v2目前仍處於試驗階段且未必量產，但業界普遍認為，一旦這款晶片驗證了其6至10倍的能效優勢，谷歌幾乎沒有理由不將其推向規模化部署。關鍵在於，谷歌能否在未來兩年內穩定Gemini的核心架構走向，為Frozen v2提供一個鎖定的設計基準，同時快速解決人才流失與模型延期等內部結構性問題。如果這些環節能夠銜接得當，那麼2028年登場的Frozen v2，很可能不僅僅是一款晶片，而是谷歌重新定義AI基礎設施成本曲線的戰略武器。

在當前AI競賽持續白熱化的背景下，Frozen v2的“專用化”路線折射出一個深層趨勢：隨著模型規模邁向數兆甚至數十兆參數，通用運算架構的邊際效益正在遞減，專用晶片所帶來的單位算力成本優勢將越來越難以忽視。谷歌選擇將Gemini“烙進”矽片，既是為了當下的算力解困，也是在為後摩爾時代的AI運算尋找新的增長路徑。當2028年的技術路線圖與2026年的競爭現實交織在一起，谷歌能否靠這步“險棋”扭轉局面，整個科技界都在拭目以待。而回到眼前，谷歌仍需要穩住模型研發節奏與核心團隊的穩定。

Frozen v2承載了谷歌對未來AI效率的終極想像，但如果沒有持續迭代的世界級模型來驅動，再高效的晶片也將面臨無的放矢的尷尬。從這個角度來看，Frozen v2的成功與否，不僅考驗谷歌的晶片設計能力，更是對其全棧戰略從模型到硬體再到生態的全面大考。