“吊打”TPU！谷歌Frozen v2“开造”，Gemini专供版芯片来了？

为了争夺全球AI大模型领域的“王座”，谷歌正在自研ASIC芯片上一路狂奔。

继名声大噪的TPU之后，谷歌为了更高效地运行Gemini模型，正倾注大量资源开始研发一款内部代号为“Frozen v2”的新型服务器芯片。据The Information报道，这款芯片将把Gemini模型部分架构永久嵌入到芯片之中，从而减少回答用户问题所需的计算量和数据传输量。

谷歌工程师预计，与公司最新一代AI芯片——TPU（张量处理器）相比，Frozen芯片单位功耗可提供6至10倍的Token处理能力。据悉，谷歌计划于2028年部署Frozen这款芯片，但不会取代通用型TPU，而是成为谷歌定制芯片产品线中更具针对性的专用分支。

将Gemini架构“冻进”芯片，谷歌要“造”真正的大模型ASIC

与相对更通用的TPU所不同的是，谷歌Frozen芯片主打的便是“Gemini专供”——即在芯片设计阶段就已经将Gemini的神经网络架构彻底“冻”进了物理电路当中，这就意味着这款芯片相比TPU而言能够更好的理解Gemini的“脾气”，并更为高效的给出更加精准的推理信息。

事实上，Frozen芯片并非是现在才问世，其初代方案最早是由谷歌 DeepMind 首席科学家杰夫· 迪恩（Jeff Dean）牵头，当时的计划是想要把完整的Gemini模型权重直接“刻进”芯片当中。但谷歌研发团队后来发现了该方案存在的一个致命缺陷——芯片只能适配单一版本的 Gemini 模型，如果Gemini发生了版本更新，可能老芯片就只能被淘汰，因此硬件生命周期极短，这也导致该项目被搁置多年。

从计算策略层面上来看，新版本的Frozen芯片即v2版本的核心并非是单纯的增加了矩阵乘法单元，而是减少了通用硬件为兼容不同模型而保留的冗余路径。众所周知，传统的GPU以及TPU芯片在运行AI大模型过程当中，往往需要面对不同的AI大模型参数规模、算子组合、注意力机制、精度格式以及并行策略，其工作方式近似于一条流水线，每生成一个 token，流水线就要完整运行一轮。其中，大量功耗会主要花在搬运上，在计算上的反而不多。

相比之下，Frozen v2能够围绕Gemini的高频计算路径去安排各种数据流、缓存、调度与计算单元。如果将传统的GPU或者TPU看作是一种“能够运行任何程序的AI服务器单元”，那么Frozen v2就可以被认为是“专为一种程序而生的流水线”。GPU与TPU可以随时切换模型与应用场景，但Frozen v2一旦确定所运行的AI大模型，就能够减少冗余的分支判断、中间数据的搬运和各种资源的闲置，让芯片把更多晶体管用于 Gemini 真正需要的模块，将连续的算子合并执行，减少中间结果写回内存的次数，从而进一步提升单位功耗的运算效率，并大幅降低通用控制逻辑带来的资源浪费。

况且，Frozen v2选择的是适配Gemini专用的稳定架构逻辑，并保留了Gemini更新模型权重的能力。这一折中性的解决方案虽然降低了芯片的灵活性，但是保障了谷歌能够无所顾虑的去更新Gemini版本，只要新版的大模型架构依然遵循Frozen系列芯片所支持的核心计算架构，这款硬件就不必跟随着Gemini版本的更新而“回炉重造”。

扎堆出现的“谷歌们”，要破了英伟达的“增长曲线”？

如今的谷歌，除了TPU这种相对更通用的芯片之外，Frozen芯片的问世，也意味着谷歌已经具备了踢开英伟达“自立门户”的实力。不光是谷歌，如今亚马逊的Trainium和Inferentia，Meta的MTIA 300到MTIA 500、自研AI芯片Iris,微软的Maia 200，以及国内的阿里真武810E、腾讯的沧海V2等都已陆续问世，英伟达这类传统GPU巨头已然陷入了被“两面夹击”的战局。若后续不能推出真正能力压群雄的技术与产品，最终只能眼看着自身多年经营的客户群被谷歌们逐步蚕食。

不过，越来越多有ASIC需求的厂商陆续转向自研ASIC路线，对于如博通、Marvell等这类具备全栈式芯片设计服务能力的Fabless们来说，无疑是重大利好。毕竟，诸如谷歌、Meta、亚马逊以及微软这类AI巨头更擅长软件（比如编译器这类）以及算法层面的技术研发，并不具备从IP、封装、互联、功耗、测试到量产全链路的技术能力，这反而是在IC设计领域浸淫多年的Marvell和博通这类厂商最大的优势，通过打造这种专业化且一站式的技术服务，能够为ASIC客户省去额外的精力与成本，帮助其产品更加快速的流片甚至量产。

虽然现阶段谷歌、亚马逊、微软、Meta、xAI、OpenAI以及Anthropic在商业层面上都与英伟达或AMD有深度合作关系，但这些AI大厂私下也都在自研ASIC芯片试图甩掉英伟达和AMD，而Anthropic、Meta又与谷歌在TPU方面有深度合作，这就使得当下国际AI芯片供应链犹如一场巨头之间为寻求利益平衡的“大混战”，这种相对混乱的关系之下，传统非GPU赛道的Fabless反而成了这波趋势当中最直接的受益方。

作为通用AI芯片领域核心玩家的英伟达，反而会持续遭受来自市场层面与技术维度上的多方打击。尤其是谷歌Frozen v2后续量产之后，谷歌对英伟达的依赖度也将大幅降低，这也会成为行业内的一大代表性范例，一旦后续形成规模，“谷歌们”扎堆出现，必将重创英伟达未来的业绩。

海外市场尚且如此，国内如今AI产业正持续深度演化，未来也将越来越多的复现当前国际AI巨头之间的合作模式。从目前国内AI大厂现有布局来看，字节跳动、阿里、腾讯、百度等主流大厂几乎都有传闻在自研ASIC领域有所布局，典型比如阿里通过旗下专业的芯片设计公司平头哥推出了“真武810E”高端AI芯片，腾讯早前也曝光过其自研的AI推理芯片“紫霄”以及最新的“沧海”芯片等等。

不过，现阶段这些AI大厂的主要算力资源依然是来自英伟达、AMD以及英特尔等传统GPU和CPU芯片巨头，未来随着国际局势的变化，加之国内ASIC相关供应链的发展壮大，有望逐步形成本土“AI巨头 Fabless”共创共研的发展模式，一方面能够降低海外因政策变化导致的GPU断供风险，另一方面也能为AI大厂自研ASIC芯片拓展出另一条降低成本与风险的发展之路。而站在“潮头”的谷歌，便是这些厂商可以效仿的典型范例。

小结

从张量处理器TPU到如今的“Frozen v2”，谷歌正在尝试彻底摆脱对英伟达这家核心AI芯片供应商的依赖，将供应链的主动权牢牢把控在自己手中。虽然“Frozen v2”芯片尚未真正面世，且其单位功耗能否真如预期那般提供6至10倍的Token处理能力也尚未可知，但却给业界提供了一个新的技术发展思路——将“专用”这一理念贯彻到极致。如果未来“Frozen v2”芯片果真不负众望，在性能表现上大超预期，无论对于谷歌还是行业来说，都将是一大技术发展的“里程碑”，并吸引更多厂商相继效仿。

但对常年依靠对外售卖通用AI芯片和相关产品的英伟达们来说，这不是一件好事。毕竟，如若有越来越多的厂商效仿谷歌，不光“造”相对通用的ASIC芯片，更“造”极致专用的ASIC芯片，那么英伟达们的生意模式将会被彻底颠覆，在市场营收和行业地位上都将遭受重大打击。因此，不远的未来，“谷歌们”与“英伟达们”之间，必有一场颠覆之战。