搜索
经历了一轮人才流失和产品延期之后，Google 一项最早要到 2028 年才见分晓的秘密计划浮出水面。
据 The Information 援引直接知情人士报道，Google 正在开发一款代号 Frozen v2 的服务器芯片，专门为 Gemini 服务。参与项目的员工称，按每瓦可生成的 token 数计算，它的能效可能达到 Google 最新 TPU 的 6—10 倍。
Frozen 这个名字，正来自这个设想：把 Gemini 的部分结构永久「刻」进芯片。
大模型芯片，要把大模型「刻」到芯片上
要理解 Frozen v2，得先回到传统芯片是怎么工作的。
1945 年，宾夕法尼亚大学莫尔学院开始设计 EDVAC，即电子离散变量自动计算机。它是早期存储程序计算机的代表。在那之前，电子计算机想改一道程序，往往要重新连接插线、拨动开关，经历一整套繁琐操作。
数学家约翰·冯·诺依曼当时是项目顾问，他在团队讨论的基础上写下《First Draft of a Report on the EDVAC》，系统描述了「存储程序」：程序指令和数据一起放进存储器，由处理器逐条读取并执行。
后来，以他命名的冯·诺依曼架构，成了通用计算机最重要的蓝图。
指令集是这张蓝图里的共同语言——软件用加法、读取或跳转等指令告诉处理器该做什么，处理器再依次取指、解码、执行。同一颗芯片只要换一套程序，就能从表格计算切换到游戏或视频剪辑。
过去八十年，计算机的通用性主要来自这种分工。
但通用就意味着低效。
大模型每生成一个 token，都要反复读取权重和中间数据，跑的无非是矩阵乘法、注意力等少数几种操作。通用处理器却必须保留服务无数程序的控制逻辑和数据通路，其中不少数据在大模型推理时根本用不上。
由于处理器与内存彼此分离，数据还得反复往返——这就导致，当运算速度超过数据读写速度时，芯片便撞上了「内存墙」。
过去几十年里，计算机行业一直在试图减少「冯·诺依曼架构」带来的影响，于是专为图形加速的 GPU 和专为智能加速 NPU/TPU 应运而生。GPU 用大量并行单元处理相似计算，NPU/TPU 再围绕神经网络的张量运算设计，但为了兼容多种模型，这些芯片在设计时仍保持了一定的通用性。
而 Google 决定用一种更颠覆的办法来解决这个问题——正在秘密研发的 Frozen v2 芯片将围绕 Gemini 的固定结构安排计算单元、存储位置和数据流，让硬件预先知道接下来大概率要做什么，进而极大提升运算效率。
Google 准备在芯片「刻」下 Gemini 的架构层。
一个模型大致可以拆解为架构和权重两大部分。架构规定信息如何流动，像一副骨架；权重则来自训练，决定模型如何给出回答。
据报道，Frozen v2 会固化更多架构信息，同时保留权重更新能力。芯片依然要执行指令、读取内存，只是部分计算路径已经提前确定。
Frozen 芯片项目由 Google 首席科学家 Jeff Dean 推动，作为 Google Brain 联合创始人，也是 TensorFlow 最初的主要设计者之一。过去二十多年里，他一直站在 Google 分布式计算和 AI 基础设施的交界处。
第一代 Frozen 芯片，也设想过把模型权重也固化进芯片，但代价是一颗芯片只能服务一个版本的 Gemini，等设计、流片、部署等硬件流程走完，对应的模型可能早已过时，这导致 Frozen 一度搁置。
而 Frozen v2 吸取了这个教训，保留权重更新能力。只要下一代 Gemini 沿用相近的底层架构，芯片就能继续服役。换言之，这也是 Google 将会长期押注 Gemini 的证据。
大模型公司，集体押注自研芯片
不久前，OpenAI 已经给出了「模型参与芯片设计」的现实案例。
2026 年 6 月，OpenAI 与 Broadcom 公布自研推理芯片 Jalapeño，团队根据 ChatGPT、Codex 和 API 的真实负载设计芯片与服务系统，OpenAI 的模型也被用来加速部分设计和优化。
这个项目从初始设计到流片只用了九个月，工程样片已经跑起模型负载，并计划 2026 年底开始部署。
Anthropic、
显然，我们已经进入模型定义芯片的时代。
为什么几乎所有的主流大模型公司，都在押注自研芯片？
答案不言自明，为了降低算力成本。
以 Google 公开可调用的旗舰模型 Gemini 3.1 Pro Preview 为例：20 万 token 以内，标准 API 价格是每百万输入 token 2 美元、每百万输出 token 12 美元。
假设一次较重的请求输入 5000 token、输出 1000 token，公开标价约 2.2 美分。同样的调用每天发生 1 亿次，就是每天 220 万美元，一年约 8 亿美元。
考虑到 Gemini 应用月活已经超过 9 亿，再少的算力支出，乘以近 10 亿规模的调用量，都是一笔天文数字——因此，如何降低算力费用，是所有大模型公司都要考虑的立命之本。
这场硬件下注，正发生在 Google AI 业务反复起落的当口。
2022 年 11 月，ChatGPT 横空出世。三周后，Google 管理层拉响「红色警报」，Sundar Pichai 亲自接管 AI 战略。那时的 Google 拥有 Transformer、搜索和庞大的数据中心，却被 OpenAI 拔得头筹，抢先定义了生成式 AI 入口。
三年后，局面一度翻转：Gemini 3 发布，Nano Banana 刷屏，Google 收复了不少失地，一度成为离 AGI 最近的科技巨头。
可最近几个月，Google 内部又发生剧烈动荡——
Gemini 联合负责人 Noam Shazeer 离职加入 OpenAI，John Jumper 与多名 Gemini 研究员转投 Anthropic。原定 6 月推出的 Gemini 3.5 Pro 被曝落后计划数月，编码能力没有达到内部目标，Alphabet 股价也因此接连重挫。
这些顶级研究员的离职，跟争取不到足够多的算力资源有关。The Information 称，算力短缺甚至曾迫使 Google Cloud 拒绝部分外部客户订单，即便在 Google 内部，算力资源也非常紧张。
但 Google 手里，还有一张对手难以复制的牌——从 Gemini 模型到 TPU 芯片，再到 Google Cloud 数据中心和庞大的 Google 生态产品，整条链路都掌握在同一家公司手里，模型与硬件当然也可以围绕同一套需求进行设计。
研究员可能被对手挖走，旗舰模型也可能延期，但 Google 积累十年的 TPU、编译器和数据中心体系，不会因为一次人才跳槽而消失，这是 AI 时代，Google 最大的底牌之一。
但风险同样巨大。
据悉，Frozen v2 芯片最早要到 2028 年才会部署，时至今日，Google 仍在决定该在芯片上固化多少信息。这也是 Frozen 这个名字的第二层意思：Google 准备冻结一部分 Gemini，来换取芯片级的高效率。
把大模型刻进芯片里，到底是不是最优解？或许要等到两年后才能见分晓。可留给 Gemini 追赶的时间，已经不多了。
