Googles 'Frozen v2'-chip: Derfor indbygges Gemini direkte i silicium

Hvad Frozen v2 er - og hvordan den adskiller sig fra TPU'er

Frozen v2 er en specialbygget inferenmotor, ikke en generel tensorprocessor som Googles Tensor Processing Units (TPU'er). TPU'er er programmerbare acceleratorer, der via software kan understøtte et væld af AI-modeller . Frozen v2 er det modsatte: Geminis specifikke arkitektur - dens lag, operatorer og dataflow - brændes fast i chippen under fabrikationen. Det er en ren "Gemini-i-en-chip".

Effektivitetgevinsten er overskriften: Googles ingeniører forventer, at Frozen v2 kan levere 6 til 10 gange flere AI-tokens per forbrugt energienhed end de nyeste TPU-chips .

Udrulningstidslinje

Ifølge The Information og bekræftende dækning er Frozen v2 planlagt til udrulning tidligst i 2028 . Det betyder, at chippen stadig er år fra produktion og først vil blive taget i brug, efter at den nuværende ottende generation af TPU-familien (Sunfish og Zebrafish) er blevet implementeret og modnet.

Taalas-præcedensen - Hvordan hardwiring af en model rent faktisk ser ud

Startup-virksomheden Taalas viser præcis, hvad dette kompromis betyder i praksis. I februar 2026 afslørede Taalas deres HC1-chip, som koder hele Llama 3.1 8B-modellen - hver eneste parameter - direkte ind i chippens transistorkredsløb ved hjælp af mask-ROM, uden ekstern HBM til vægtlagring .

Tallene er svimlende:

• Cirka 17.000 tokens/sekund på Llama 3.1 8B
• Omkring 48 gange gennemløbet af en Nvidia B200
• Cirka 10 gange hurtigere end Cerebras
• Prisen hævdes at være 20 gange billigere per inferens end tilsvarende GPU-opsætninger
• Inferenspris helt ned til 0,75 cents per million tokens

Bagsiden er lige så dramatisk:

• Modellåsning. Chippen kører præcis én modelarkitektur. Hvis modellen opdateres (ny attention-mekanisme, andet antal lag), er chippen ubrugelig .
• Ingen vægtopdateringer. Parametrene er fysisk indkodet; finjustering, LoRA-adaptere eller opdateringer efter træning kræver en ny chip-maske .
• Nul multi-model betjening. Et datacenter med HC1 kan kun betjene Llama 3.1 8B - ingen andre LLM'er .

Taalas' grundlægger beskrev arkitekturen som en parring af et "mask-ROM recall fabric" med et "SRAM recall fabric" til at lagre både modellen og udføre alle KV-cache-beregninger på chippen, hvilket fuldstændig eliminerer ekstern hukommelsesflytning . Det er den samme grundlæggende tilgang, Frozen v2 vil anvende.

Infrastrukturkrisen, der driver Frozen v2

Googles AI-beregningskapacitet er så presset, at virksomheden er begyndt at rationalisere adgangen selv for betalende giganter. Flere datapunkter illustrerer motivationen tydeligt:

Meta-afvisningen (marts 2026): Google informerede Meta i marts 2026 om, at de ikke kunne levere al den Gemini-beregningskapacitet, Meta ønskede at købe . Denne begrænsning forsinkede flere af Metas interne AI-projekter og tvang Meta til at bede sine ingeniører om at spare på AI-tokens .

Ordrebogs-tal: Googles Cloud-ordrebog næsten fordobledes til 462 milliarder dollars i første kvartal af 2026, hvilket svarer til en efterspørgsel på cirka 23 gange den tilgængelige processorkapacitet . CEO Sundar Pichai bekræftede på et indtjeningskald: "Vi er beregningsmæssigt begrænsede på kort sigt... vores cloud-indtægter ville have været højere, hvis vi havde kunnet imødekomme den efterspørgsel" .

Bredere kapacitetspres: Google lejer endda Nvidia GPU'er for cirka 920 millioner dollars om måneden fra SpaceX for at bygge bro over sit eget beregningsmæssige gab . Googles cloud-VP Amin Vahdat sagde i november 2025, at virksomheden ville være nødt til at fordoble AI-kapaciteten hver sjette måned for at følge med efterspørgslen .

Disse begrænsninger motiverer direkte Frozen v2: Hvis Google kan få 6-10 gange mere Gemini-inferens per watt, kan det effektivt mangedoble kapaciteten uden at skulle bygge nye datacentre.

Andre AI-chipinitiativer, Google forfølger samtidig

Frozen v2 er en del af en langt bredere hardwarestrategi:

1. Ottende generation af TPU'er opdelt i trænings- og inferenschips. På Cloud Next 2026 præsenterede Google den ottende generation af TPU-familien, for første gang opdelt i to specialbyggede varianter :

• TPU 8t "Sunfish" - træningsfokuseret, designet af Broadcom, bygget på TSMC N2 med CoWoS-pakning, målrettet anden halvdel af 2027
• TPU 8i "Zebrafish" - inferensfokuseret, designet med MediaTek som lead på I/O-die'en

2. Broadcom langtidsaftale frem til 2031. Broadcom indgav en SEC 8-K, der afslørede en langsigtet aftale om at udvikle og levere specialfremstillede TPU'er til Googles fremtidige generationer, plus en forsyningssikringsaftale for netværkskomponenter frem til 2031 . Separat underskrev Anthropic en aftale om cirka 3,5 GW Google TPU-kapacitet, der kommer online fra 2027 og frem .

3. TPU-udlejning til kunder, herunder OpenAI. Rapporter indikerer, at Google i stigende grad tilbyder TPU-kapacitet som et lejeprodukt til eksterne AI-virksomheder, og OpenAI nævnes som kunde .

4. "Icefish"-projekt med MediaTek. Kodenavnet "Icefish" synes knyttet til MediaTeks involvering i et Google-specifikt specialchip-projekt ud over TPU 8i - muligvis en lavereffekts edge- eller inferensaccelerator .

5. Drøftelser med Intel. Google skal have holdt drøftelser med Intel om specialfremstillede AI-chipdesigns, dog uden at nogen formel aftale er blevet annonceret .

6. Ironwood (syvende generation TPU) generelt tilgængelig. Ironwood blev gjort generelt tilgængelig for cloud-kunder i april 2026 . Bygget på en 3nm-proces med en dual-chiplet-arkitektur, var den optimeret til MoE-modeller, der driver Gemini-økosystemet .

Hvordan Frozen v2 supplerer, ikke erstatter, TPU-serien

The Informations artikel understreger, at Frozen v2 er designet til at supplere, ikke erstatte, Googles TPU-køreplan . Logikken er ligetil:

• TPU'er forbliver den generelle AI-beregningsrygrad. De håndterer træning, multi-model betjening, finjustering og inferens for vilkårlige kundemodeller. De er Googles Clouds primære produkt til eksterne AI-kunder .
• Frozen v2 er en hyperspecialiseret accelerator til Googles egen højvolumen Gemini-inferens. Det er i bund og grund en "Gemini-appliance", der afvikler den mest forudsigelige og højvolumen inferenstrafik fra TPU'erne og dermed frigør TPU-kapacitet til mere forskelligartede arbejdsbyrder og eksterne kunder .
• Ingen anden model, ingen træning, ingen fleksibilitet. Frozen v2 kan ikke træne modeller, kan ikke køre en konkurrents LLM og kan ikke tilpasse sig ændringer i Gemini-arkitekturen. Den fylder en snæver, men volumenmæssig enorm niche .
• TPU 8i (Zebrafish) og Frozen v2 eksisterer side om side. Den inferensfokuserede TPU 8i håndterer den brede vifte af inferensarbejdsbyrder. Når Geminis arkitektur stabiliseres, og volumen retfærdiggør en fast chip, serverer Frozen v2 den specifikke trafik med radikalt lavere strømforbrug .

Dette svarer til, hvordan hyperscalere bruger både generelle CPU'er til de fleste arbejdsbyrder og dedikerede ASIC'er til specifikke højvolumenopgaver (f.eks. videotranskodning, netværksaflastning). Frozen v2 er AI-ækvivalenten: en specialbygget inferenmotor, der sidder side om side med den programmerbare TPU-flåde.