Google 開發 Frozen v2 晶片 目標讓 Gemini 效率提升十倍

Google 正在設計一款將 Gemini AI 模型直接燒入矽晶片中的伺服器晶片，此舉不僅可將功耗降低多達 10 倍，也將深化該公司與 Nvidia 的脫鉤。

根據《The Information》報導，這項內部代號為「Frozen v2」的專案，會將 Gemini 的神經網路架構直接蝕刻在晶片電路中，而非像傳統處理器那樣從記憶體載入模型。消息传出後，Alphabet 股價一度上漲 3.7%。

「將模型架構直接硬接線，消除了當今 AI 晶片消耗大部分功率的資料傳輸開銷，」一位知情人士向《The Information》表示。工程師仍可透過載入新權重來更新模型，但底層架構保持固定。

報導指出，該晶片每 token 的功耗效率可比 Google 最新的 TPU 系統高出 6 到 10 倍。這使其有別於通用型 GPU 和 TPU，後者需要在記憶體與運算單元之間移動資料，過程中既浪費能源又增加延遲。該設計與 Google 的 TPU 產品線分屬不同路線，目標最早於 2028 年部署。

這一時間點反映出 Google 內部正面臨算力緊縮。報導稱，由於缺乏足夠的 AI 算力來服務外部客戶，Google 雲端部門已將部分客戶拒之門外，內部資源因而吃緊，業務單位之間的緊張關係也隨之升溫。一款專門為 Gemini 調校的晶片，可望透過每瓦功耗處理更多 token 的方式，緩解這一瓶頸。

為何硬接線對 AI 軍備競賽至關重要

這種做法是以靈活性換取速度與效率。當今的 AI 加速器——Nvidia 的 H100 和 B200、Google 自家的 TPU v5——均屬於通用型：它們可以運行任何模型，但也因此付出了功耗上的代價。Frozen v2 則鎖定 Gemini 的特定架構，直接省去了這部分開銷。

這一概念並非 Google 獨有。新創公司 Taalas 推出一款名為 Hardcore 的晶片，將模型的權重與架構直接印在矽晶片上，聲稱每秒可處理 17,000 個 token，而頂級 Nvidia GPU 上每用戶僅約 150 個。Taalas 表示，其晶片不需要昂貴的高頻寬記憶體，從而避開了困擾業界的供應瓶頸。

對 Google 而言，其策略邏輯十分清晰。該公司已在自行設計 TPU 以降低對 Nvidia 的依賴，後者目前佔據 AI 晶片市場約 80% 的市佔率。一款專為 Gemini 打造的晶片將進一步推進這種自主化，有望在採購成本上節省數十億美元。Google 也將晶片訂單分散至英特爾和博通等供應商，以避免單一來源風險。

鎖定快速演進目標的風險

顯而易見的風險是過時。AI 模型架構演進迅速——今天 Gemini 的樣貌，可能與 2028 年的主流架構截然不同。Google 的設計試圖透過保持權重可更新來對沖風險，但固定電路意味著一旦架構發生重大變遷，該晶片的價值可能大打折扣。

Google 尚未證實此專案。一位發言人表示，公司定期探索高效能創意，但同時也提醒，並非所有實驗室專案都能量產。

儘管如此，訊號已經十分明確。客製化 AI 晶片的競賽，正從「運行任何模型」轉向「將一個模型與硬體融為一體」。如果 Google 能如期交付 Frozen v2，將可能重塑為數十億用戶提供 Gemini 服務的經濟模式——並迫使 Nvidia 回答一個它從未面對過的問題：當超大規模資料中心業者的晶片比業界標準更便宜、更快時，會發生什麼事？

Alphabet 目前的股價約為預期盈餘的 23 倍。給予該股票「加碼」評級、目標價 225 美元的摩根士丹利分析師 Brian Nowak 在報告中指出，若效率數據屬實，自研晶片到 2030 年可望為每股帶來 2 至 3 美元的價值。受此報導影響，Nvidia 股價在盤後交易中下跌 1.8%。

本文僅供參考，不構成投資建議。