Googlen 'Frozen v2': Miksi Gemini valetaan piihin eikä vain ajeta ohjelmistolla

Google tekee rohkeinta laitteistopanosuhdettaan tähän mennessä. Yhtiö kehittää palvelinsirua, joka tunnetaan sisäisesti nimellä 'Frozen v2'. Se tallentaa Gemini-tekoälymallin arkkitehtuurielementit pysyvästi piihin kiinteätoimisena ASIC-piirinä. The Information uutisoi projektista ensimmäisen kerran 20. heinäkuuta 2026. Tavoitteena on parantaa merkittävästi tokeneiden määrää wattia kohden Gemini-päätelmissä – mutta hinnalla, jolla siru ei koskaan pysty ajamaan muita malleja .

Mitä Frozen v2 on – ja miten se eroaa TPU:ista

Frozen v2 on sovelluskohtainen päättelymoottori, eikä yleiskäyttöinen tensoriprosessori kuten Googlen Tensor Processing Unitit (TPU:t). TPU:t ovat ohjelmoitavia kiihdyttimiä, jotka tukevat monia tekoälymalleja ohjelmiston uudelleenkonfiguraation avulla . Frozen v2 on päinvastainen: Geminin tarkka arkkitehtuuri – sen kerrokset, operaattorit ja datavuo – poltetaan piiin valmistusvaiheessa, mikä tekee siitä yhden tarkoituksen "Gemini-piissä".

Ominaisuus	Nykyiset TPU:t (Ironwood, TPU 8i/8t)	Frozen v2
Suunnittelufilosofia	Yleiskäyttöinen tekoälykiihdytin; ohjelmoitavat matriisiyksiköt, joustava datavuo	Kiinteätoiminen ASIC; Geminin arkkitehtuuri on upotettu piiin, ei kenttäohjelmoitava
Tehokkuustavoite	Hyvä harjoitukseen ja päättelyyn monille malleille	6–10 kertaa enemmän tokeneita wattia kohden kuin Googlen uusimmat TPU:t Gemini-päättelyssä
Muistimalli	HBM + SRAM malliin painoille, jotka ladataan dynaamisesti	Mallin painot ja laskentapolut upotettu suoraan maski-ROM:iin / kovajohdotettuun logiikkaan
Joustavuus	Voi ajaa mitä tahansa mallia ohjelmiston uudelleenkonfiguraation avulla	Yksi malli (Gemini) – ei mallin vaihtoa ajon aikana

Tehokkuusetu on pääotsikko: Googlen insinöörit raportoivat, että Frozen v2 voisi tuottaa 6–10 kertaa enemmän tekoälytokeneita wattia kohden kuin uusimmat TPU-piirit .

Käyttöönottoaikataulu

The Informationin raportin ja sen vahvistavien uutisten mukaan Frozen v2:n käyttöönotto on suunniteltu aikaisintaan vuodeksi 2028 . Tämä tarkoittaa, että siru on vielä vuosien päässä tuotannosta ja se otetaan käyttöön vasta, kun nykyinen kahdeksannen sukupolven TPU-perhe (Sunfish ja Zebrafish) on otettu käyttöön ja kypsynyt.

Taalas-esikuva – Mitä mallin kovajohtaminen käytännössä tarkoittaa

Startup-yritys Taalas osoittaa tarkalleen, mitä tämä kompromissi tarkoittaa käytännössä. Helmikuussa 2026 Taalas esitteli HC1-piirinsä, joka koodaa koko Llama 3.1 8B -mallin – jokaisen parametrin – suoraan piirin transistoreihin maski-ROM:n avulla, ilman ulkoista HBM-muistia painoille .

Luvut ovat huikeita:

• Noin 17 000 tokenia sekunnissa Llama 3.1 8B -mallilla
• Noin 48 kertaa Nvidia B200:n suorituskyky
• Noin 10 kertaa nopeampi kuin Cerebras
• Kustannukset väitetään olevan 20 kertaa halvemmat per päättely kuin vastaavilla GPU-asetelmilla
• Päättelykustannukset jopa 0,75 senttiä miljoonaa tokenia kohden

Haittapuoli on yhtä dramaattinen:

• Mallilukitus. Piiri ajaa täsmälleen yhtä mallia. Jos mallia päivitetään (uusi huomiointimekanismi, eri kerrosmäärä), piiri on käyttökelvoton .
• Ei painopäivityksiä. Parametrit on fyysisesti koodattu; hienosäätö, LoRA-sovittimet tai koulutuksen jälkeiset päivitykset vaativat uuden piimaskin .
• Ei monimallipalvelua. Datakeskus, jossa on HC1, voi palvella vain Llama 3.1 8B -mallia – ei mitään muuta LLM:ää .

Taalaksen perustaja kuvaili arkkitehtuuria yhdistelmäksi "maski-ROM-hakukudosta" ja SRAM-hakukudosta, joka tallentaa sekä mallin että laskee kaikki KV-välimuistioperaatiot suoraan piirissä, eliminoimalla ulkoisen muistiliikenteen kokonaan . Tämä on sama peruslähestymistapa, jota Frozen v2 käyttäisi.

Infrastruktuurikriisi, joka ajaa Frozen v2:n kehitystä

Googlen tekoälylaskentakapasiteetti on niin tiukalla, että yhtiö on joutunut säännöstelemään pääsyä jopa maksavilta jättiyrityksiltä. Useat tiedonannot tekevät motivaation selväksi:

Metan kapasiteettikiista (maaliskuu 2026): Google kertoi Metalle maaliskuussa 2026, ettei se pysty toimittamaan kaikkea Gemini-laskentakapasiteettia, jota Meta halusi ostaa . Puute viivästytti joitakin Metan sisäisiä tekoälyprojekteja ja pakotti Metan ohjeistamaan insinöörejään säästämään tekoälytokeneita .

Tilauskantaluku: Googlen pilvipalvelun tilauskanta lähes kaksinkertaistui 462 miljardiin dollariin Q1 2026:ssa, mikä edustaa kysyntää, joka on noin 23 kertaa yhtiön käytettävissä oleva kapasiteetti . Toimitusjohtaja Sundar Pichai vahvisti tuloslaskelmassa: "Olemme laskentakapasiteetista tiukassa lyhyellä aikavälillä... pilviliikevaihtomme olisi ollut korkeampi, jos olisimme pystyneet vastaamaan kysyntään" .

Laajempi kapasiteettipula: Google vuokraa jopa noin 920 miljoonaa dollaria kuukaudessa Nvidia GPU:ta SpaceX:ltä kuroakseen umpeen laskentavajettaan . Googlen pilvipalvelun varatoimitusjohtaja Amin Vahdat sanoi marraskuussa 2025, että yhtiön pitäisi kaksinkertaistaa tekoälykapasiteettinsa kuuden kuukauden välein vastatakseen kysyntään .

Nämä rajoitteet motivoivat suoraan Frozen v2:ta: jos Google saa 6–10 kertaa enemmän Gemini-päättelyä wattia kohden, se käytännössä moninkertaistaa kapasiteettinsa ilman uusia datakeskuksia.

Muita Googlen tekoälypiirihankkeita

Frozen v2 on vain yksi osa paljon laajempaa laitteistostrategiaa:

1. Kahdeksannen sukupolven TPU:t jaettu harjoitus- ja päättelypiireihin. Cloud Next 2026 -tapahtumassa Google esikatseli kahdeksannen sukupolven TPU-perhettä, joka on ensi kertaa jaettu kahteen tarkoituksenmukaiseen versioon :

• TPU 8t "Sunfish" – harjoitukseen keskittyvä, Broadcomin suunnittelema, TSMC N2 -prosessilla CoWoS-pakkauksella, tavoitteena vuoden 2027 jälkipuolisko
• TPU 8i "Zebrafish" – päättelyyn keskittyvä, MediaTekin johtamalla I/O-piirillä

2. Broadcomin pitkäaikainen sopimus vuoteen 2031. Broadcom jätti SEC:lle 8-K-lomakkeen, jossa se ilmoitti pitkäaikaisesta sopimuksesta kehittää ja toimittaa räätälöityjä TPU:ita Googlen tuleville sukupolville sekä toimitusvarmuussopimus verkkokomponenteille vuoteen 2031 asti . Lisäksi Anthropic solmi sopimuksen noin 3,5 GW:n Google TPU -kapasiteetista, joka tulee verkkoon vuodesta 2027 alkaen .

3. TPU-vuokraus asiakkaille, mukaan lukien OpenAI. Raporttien mukaan Google tarjoaa yhä enemmän TPU-kapasiteettia vuokrattavana tuotteena ulkopuolisille tekoäly-yrityksille, ja OpenAI on mainittu asiakkaana .

4. "Icefish"-projekti MediaTekin kanssa. "Icefish"-koodinimi näyttää liittyvän MediaTekin osallistumiseen Googlen omaan räätälöityyn piiprojektiin TPU 8i:n lisäksi – mahdollisesti pienempitehoinen reuna- tai päättelykiihdytin .

5. Keskustelut Intelin kanssa. Googlen kerrotaan käyneen keskusteluja Intelin kanssa räätälöidyistä tekoälypiirimalleista, vaikka muodollista sopimusta ei ole julkistettu .

6. Ironwood (seitsemännen sukupolven TPU) yleisesti saatavilla. Ironwood tehtiin yleisesti saataville pilviasiakkaille huhtikuussa 2026 . Se on rakennettu 3 nm:n prosessilla kaksoispiiriarkkitehtuurilla ja optimoitu MoE-malleille, jotka käyttävät Gemini-ekosysteemiä .

Miten Frozen v2 täydentää, ei korvaa, TPU-valikoimaa

The Informationin raportti toteaa nimenomaisesti, että Frozen v2 on suunniteltu täydentämään, ei korvaamaan, Googlen TPU-tiekarttaa . Logiikka on suoraviivainen:

• TPU:t pysyvät yleiskäyttöisenä tekoälylaskennan selkärankana. Ne hoitavat harjoituksen, monimallipalvelun, hienosäädön ja päättelyn asiakkaille. Ne ovat Googlen pilvipalvelun päätuote ulkopuolisille tekoälyasiakkaille .
• Frozen v2 on hypererikoistunut kiihdytin Googlen omaan suurivolyymiseen Gemini-päättelyyn. Se on käytännössä "Gemini-laite", joka siirtää ennustettavimman ja suurivolyymisimman päättelyliikenteen pois TPU:ilta, vapauttaen TPU-kapasiteettia monipuolisemmille työkuormille ja ulkopuolisille asiakkaille .
• Ei muita malleja, ei harjoitusta, ei joustavuutta. Frozen v2 ei pysty harjoittamaan malleja, ei pysty ajamaan kilpailijan LLM:ää eikä pysty sopeutumaan Gemini-arkkitehtuurin muutoksiin. Se täyttää kapean mutta massiivisen volyymin markkinaraon .
• TPU 8i (Zebrafish) ja Frozen v2 elävät rinnakkain. Päättelyyn keskittyvä TPU 8i hoitaa laajan valikoiman päättelytyökuormia. Kun Geminin arkkitehtuuri vakiintuu ja volyymi oikeuttaa kiinteän piirin, Frozen v2 palvelee sitä tiettyä osaa radikaalisti pienemmällä teholla .

Tämä on analogista sille, miten hyperskaalaajat käyttävät sekä yleiskäyttöisiä suorittimia useimmille työkuormille että kiinteätoimisia ASIC-piirejä tietyille suurivolyymisille tehtäville (esim. videomuunnos, verkon kuormituksen vähennys). Frozen v2 on tekoälyvastine: tarkoitukseen rakennettu päättelymoottori, joka toimii ohjelmoitavan TPU-laivaston rinnalla.