Google 'Frozen v2': Čip, který vleje model Gemini přímo do křemíku

Google vsadil na dosud největší hardwarový gambit. Společnost vyvíjí serverový čip, interně přezdívaný 'Frozen v2', který natvrdo zakóduje architektonické prvky jejího AI modelu Gemini přímo do křemíku jako účelový integrovaný obvod (ASIC). První zprávu přinesl The Information 20. července 2026. Projekt si klade za cíl dramaticky zlepšit efektivitu tokenů na watt při vyvozování závěrů (inferenci) modelu Gemini – za cenu, že na čipu nepoběží žádný jiný model .

Co je Frozen v2 a jak se liší od TPU?

Frozen v2 je účelový inferenční engine, nikoli univerzální tensorový procesor jako Googlovské Tensor Processing Units (TPU). TPU jsou programovatelné akcelerátory, které podporují širokou škálu AI modelů díky softwarové rekonfiguraci . Frozen v2 je pravý opak: specifická architektura Gemini – její vrstvy, operátory a datové toky – je vypálena do čipu již při výrobě. Je to v podstatě 'Gemini v jediném čipu'.

Dimenze	Stávající TPU (Ironwood, TPU 8i/8t)	Frozen v2
Filozofie návrhu	Univerzální AI akcelerátor; programovatelné maticové jednotky, flexibilní datový tok	Pevně daný ASIC; architektura Gemini je vlepena do křemíku, není programovatelná
Cílová efektivita	Dobrá pro trénink a inferenci napříč mnoha modely	6–10× více tokenů na watt než nejnovější TPU při inferenci Gemini
Paměťový model	HBM + SRAM pro váhy modelů, které se dynamicky načítají	Váhy modelu a výpočetní cesty jsou přímo v mask ROM / křemíku
Flexibilita	Může spouštět jakýkoli model díky softwaru	Jeden model (Gemini) – žádné přepínání modelů za běhu

Efektivita je hlavním tahákem: inženýři Googlu podle zpráv odhadují, že Frozen v2 by mohl dodávat 6 až 10krát více AI tokenů na jednotku spotřebované energie než nejnovější čipy TPU .

Plán nasazení

Podle zprávy The Information a navazujících článků je Frozen v2 cílen na nasazení již v roce 2028 . To znamená, že čip je stále roky od výroby a do služby vstoupí až poté, co bude nasazena a odladěna současná osmá generace TPU (Sunfish a Zebrafish).

Příklad Taalas – jak vypadá natvrdo zakódovaný model

Startup Taalas ukazuje, co tento kompromis v praxi znamená. V únoru 2026 Taalas představil čip HC1, který celý model Llama 3.1 8B – každý parametr – zakóduje přímo do tranzistorových obvodů pomocí mask ROM, a to bez externí HBM paměti pro ukládání vah .

Čísla jsou ohromující:

• ~17 000 tokenů/sekundu na modelu Llama 3.1 8B
• Přibližně 48× vyšší propustnost než Nvidia B200
• Zhruba 10× rychlejší než Cerebras
• Náklady údajně 20× nižší na jednu inferenci než srovnatelné GPU sestavy

Druhá strana mince je stejně dramatická:

• Uzamčení modelem. Čip spouští přesně jednu architekturu modelu. Pokud se model aktualizuje (nový mechanismus pozornosti, jiný počet vrstev), je čip nepoužitelný .
• Žádné aktualizace vah. Parametry jsou fyzicky zakódovány; dolaďování, LoRA adaptéry nebo následné trénování vyžaduje novou masku čipu .
• Žádné obsluhování více modelů. Datové centrum s HC1 může obsluhovat pouze Llama 3.1 8B – žádný jiný LLM .

Zakladatel Taalas popsal architekturu jako spojení „mask ROM paměti" s SRAM pamětí, které ukládá jak model, tak provádí všechny výpočty KV cache přímo na čipu, čímž zcela eliminuje přesun dat do externí paměti . Frozen v2 bude používat stejný základní přístup.

Infrastrukturní krize, která pohání Frozen v2

AI výpočetní kapacita Googlu je tak napjatá, že firma začala přídělový systém i pro platící giganty. Motivace je zřejmá z několika údajů:

Odmítnutí Metě (březen 2026): Google v březnu 2026 sdělil Metě, že jí nemůže dodat veškerou výpočetní kapacitu Gemini, kterou chtěla koupit . Tento výpadek zpozdil některé interní AI projekty Mety a donutil ji nařídit svým inženýrům šetřit AI tokeny .

Objem nevyřízených objednávek: Backlog Google Cloud se téměř zdvojnásobil na 462 miliard dolarů v prvním čtvrtletí 2026, což představuje poptávku zhruba 23krát vyšší, než je jeho dostupná výpočetní kapacita . Generální ředitel Sundar Pichai na hovoru s analytiky potvrdil: „Jsme v nejbližší době omezeni výpočetní kapacitou... naše cloudové tržby by byly vyšší, kdybychom byli schopni uspokojit poptávku“ .

Širší tlak na kapacitu: Google dokonce pronajímá přibližně GPU od SpaceX za 920 milionů dolarů měsíčně, aby překlenul svůj výpočetní deficit . Amin Vahdat, viceprezident cloudu Googlu, v listopadu 2025 řekl, že firma by musela zdvojnásobovat AI kapacitu každých šest měsíců, aby uspokojila poptávku .

Tyto limity přímo motivují Frozen v2: pokud Google získá 6–10× více inferencí Gemini na watt, prakticky znásobí kapacitu bez potřeby nových datových center.

Další AI čipové iniciativy Googlu

Frozen v2 je jen jedna součást mnohem širší hardwarové strategie:

1. Osmá generace TPU rozdělená na tréninkové a inferenční čipy. Na Cloud Next 2026 Google představil rodinu TPU osmé generace, poprvé rozdělenou na dvě účelové varianty :

• TPU 8t „Sunfish" – zaměřená na trénink, navržená Broadcomem, na procesu TSMC N2 s CoWoS balením, cílena na druhou polovinu roku 2027
• TPU 8i „Zebrafish" – zaměřená na inferenci, navržená s MediaTekem, který vede I/O čip

2. Dlouhodobá dohoda s Broadcomem do roku 2031. Broadcom v SEC formuláři 8-K zveřejnil dlouhodobou smlouvu na vývoj a dodávku vlastních TPU pro budoucí generace Googlu, plus smlouvu o zajištění dodávek síťových komponent do roku 2031 . Samostatně společnost Anthropic podepsala dohodu na ~3,5 GW kapacity TPU Googlu, která bude k dispozici od roku 2027 .

3. Pronájem TPU zákazníkům včetně OpenAI. Podle zpráv Google stále více nabízí kapacitu TPU jako pronajímatelný produkt externím AI firmám, přičemž OpenAI je jmenována jako zákazník .

4. Projekt „Icefish" s MediaTekem. Kódové označení „Icefish" je spojováno s účastí MediaTeku na vlastním čipovém projektu Googlu nad rámec TPU 8i – možná jde o nízkoenergetický akcelerátor pro edge nebo inferenci .

5. Jednání s Intelem. Google údajně vedl s Intelem rozhovory o vlastních AI čipech, ale žádná formální dohoda nebyla oznámena .

6. Ironwood (sedmá generace TPU) je všeobecně dostupný. Ironwood byl zpřístupněn cloudovým zákazníkům v dubnu 2026 . Je postaven na 3nm procesu s dvoučipletovou architekturou a optimalizován pro MoE modely pohánějící ekosystém Gemini .

Jak Frozen v2 doplňuje, nikoli nahrazuje, řadu TPU

Zpráva The Information výslovně uvádí, že Frozen v2 je navržen tak, aby doplňoval, nikoli nahrazoval, plán TPU Googlu . Logika je jednoduchá:

• TPU zůstávají univerzální výpočetní páteří AI. Zvládají trénink, obsluhu více modelů, dolaďování a inferenci pro libovolné modely zákazníků. Jsou hlavním produktem Google Cloud pro externí AI zákazníky .
• Frozen v2 je hyper-specializovaný akcelerátor pro vlastní vysoce objemovou inferenci Gemini. Je to v podstatě „Gemini spotřebič", který odlehčí TPU od nejpředvídatelnějšího a nejobjemnějšího provozu, čímž uvolní kapacitu TPU pro různorodější úlohy a externí zákazníky .
• Žádný jiný model, žádný trénink, žádná flexibilita. Frozen v2 nemůže trénovat modely, spouštět konkurenční LLM ani se přizpůsobit změnám v architektuře Gemini. Zabírá úzkou, ale objemově obrovskou niku .
• TPU 8i (Zebrafish) a Frozen v2 koexistují. Inferenční TPU 8i zvládá širokou škálu inferenčních úloh. Jakmile se architektura Gemini stabilizuje a objem odůvodní fixní čip, Frozen v2 obsluhuje tuto specifickou zátěž s radikálně nižším příkonem .

Je to analogické tomu, jak hyperškálovači používají univerzální CPU pro většinu úloh a účelové ASIC pro specifické úlohy s vysokým objemem (např. překódování videa, síťové offloady). Frozen v2 je AI ekvivalent: účelový inferenční engine, který stojí vedle programovatelné flotily TPU.