Googles 'Frozen v2'-brikke: Derfor loddes Gemini fast i silisiumet

Hva Frozen v2 er – og hvordan den skiller seg fra TPUer

Frozen v2 er en applikasjonsspesifikk slutningsmotor, ikke en generell tensorprosessor som Googles Tensor Processing Units (TPUer). TPUer er programmerbare akseleratorer som støtter et bredt spekter av KI-modeller via programvareomkonfigurasjon . Frozen v2 er det motsatte: Geminis spesifikke arkitektur – lag, operasjoner og dataflyt – brennes inn i brikken under produksjon, noe som gjør den til en formålsbygget "Gemini-i-en-brikke".

Effektivitetsgevinsten er overskriften: Google-ingeniører anslår at Frozen v2 kan levere 6 til 10 ganger flere KI-tokens per strømenhet enn de nyeste TPU-brikkene .

Tidsplan for utrulling

Ifølge The Information-rapporten og bekreftende dekning er Frozen v2 planlagt utrullet tidligst i 2028 . Dette betyr at brikken fortsatt er år unna produksjon og først vil tas i bruk etter at den nåværende åttende generasjonen TPUer (Sunfish og Zebrafish) er utplassert og modnet.

Taalas-presedensen – Hva hardkoding av en modell faktisk innebærer

Oppstartsselskapet Taalas viser nøyaktig hva denne avveiningen betyr i praksis. I februar 2026 avduket Taalas HC1-brikken, som koder hele Llama 3.1 8B-modellen – hver eneste parameter – direkte inn i brikkens transistorkretser ved hjelp av mask-ROM, uten ekstern HBM for vektlagring .

Tallene er svimlende:

• Omtrent 17.000 tokens/sekund på Llama 3.1 8B
• Omtrent 48 ganger gjennomstrømningen til en Nvidia B200
• Omtrent 10 ganger raskere enn Cerebras
• Kostnad hevdet å være 20 ganger billigere per slutning enn tilsvarende GPU-oppsett
• Slutningskostnad så lav som 0,75 cent per million tokens

Ulempen er like dramatisk:

• Modell-låsing. Brikken kjører nøyaktig én modellarkitektur. Hvis modellen oppdateres (ny oppmerksomhetsmekanisme, forskjellig lagantall), er brikken ubrukelig .
• Ingen vektoppdateringer. Parameterne er fysisk kodet; finjustering, LoRA-adaptere eller oppdateringer etter trening krever en ny brikkemaske .
• Null multi-modell-tjening. Et datasenter med HC1 kan bare betjene Llama 3.1 8B – ingen andre LLM-er .

Taalas' grunnlegger beskrev arkitekturen som å kombinere et "mask-ROM-gjenkallingsstoff" med et SRAM-gjenkallingsstoff for å lagre både modellen og beregne alle KV-cache-operasjoner på brikken, og dermed eliminere ekstern minnebevegelse fullstendig . Dette er den samme grunnleggende tilnærmingen Frozen v2 vil bruke.

Infrastrukturkrisen som driver Frozen v2

Googles KI-beregningskapasitet er så anstrengt at selskapet har begynt å rasjonere tilgangen selv for betalende giganter. Flere datapunkter gjør motivasjonen klar:

Meta-kapasitetsnektelsen (mars 2026): Google fortalte Meta i mars 2026 at de ikke kunne levere all Gemini-beregningskapasiteten Meta ønsket å kjøpe . Mangelen forsinket noen av Metas interne KI-prosjekter og tvang Meta til å instruere ingeniørene sine om å spare på KI-tokens .

Ordrebestallstall: Googles Cloud-ordrebok nesten doblet seg til 462 milliarder dollar i Q1 2026, noe som representerer en etterspørsel omtrent 23 ganger den tilgjengelige prosesseringskapasiteten . Adm.dir. Sundar Pichai bekreftet på resultatpresentasjonen: "Vi er beregningsbegrenset på kort sikt... cloud-inntektene våre ville vært høyere hvis vi kunne møtt den etterspørselen" .

Bredere kapasitetsklemme: Google leier til og med omtrent 920 millioner dollar per måned i Nvidia GPUer fra SpaceX for å bygge bro over beregningsgapet . Googles sky-VP Amin Vahdat sa i november 2025 at selskapet måtte doble KI-kapasiteten hver sjette måned for å møte etterspørselen .

Disse begrensningene motiverer direkte Frozen v2: hvis Google kan få 6–10 ganger mer Gemini-slutning per watt, multipliserer de effektivt kapasiteten uten å trenge nye datasentre.

Andre KI-brikkeinitiativer Google forfølger

Frozen v2 er én del av en mye bredere maskinvarestrategi:

1. Åttende generasjons TPUer delt inn i trenings- og slutningsbrikker. På Cloud Next 2026 forhåndsviste Google den åttende generasjonen TPU-familie, for første gang delt inn i to formålsbyggede varianter :

• TPU 8t "Sunfish" – treningsfokusert, designet av Broadcom, bygget på TSMC N2 med CoWoS-pakking, målrettet andre halvdel av 2027
• TPU 8i "Zebrafish" – slutningsfokusert, designet med MediaTek som leder I/O-brikken

2. Broadcom-langsiktig avtale frem til 2031. Broadcom sendte inn et SEC 8-K-skjema som avslører en Langsiktig Avtale om å utvikle og levere tilpassede TPUer for Googles fremtidige generasjoner, pluss en Forsyningssikringsavtale for nettverkskomponenter frem til 2031 . Separat signerte Anthropic en avtale for omtrent 3,5 GW Google TPU-kapasitet, som kommer online fra 2027 og utover .

3. TPU-utleie til kunder inkludert OpenAI. Rapporter indikerer at Google i økende grad tilbyr TPU-kapasitet som et utleieprodukt til eksterne KI-selskaper, med OpenAI nevnt som kunde .

4. "Icefish"-prosjekt med MediaTek. Kodenavnet "Icefish" ser ut til å være knyttet til MediaTeks engasjement i et Google-spesifikt tilpasset brikkeprosjekt utover TPU 8i – muligens en lavereffekts kant- eller slutningsakselerator .

5. Diskusjoner med Intel. Google skal ha holdt diskusjoner med Intel om tilpassede KI-brikkedesign, selv om ingen formell avtale er kunngjort .

6. Ironwood (syvende generasjons TPU) generelt tilgjengelig. Ironwood ble gjort generelt tilgjengelig for skykunder i april 2026 . Bygget på en 3nm-prosess med en dobbel-brikkearkitektur, ble den optimalisert for MoE-modeller som driver Gemini-økosystemet .

Hvordan Frozen v2 kompletterer, ikke erstatter, TPU-serien

The Information sin rapport sier eksplisitt at Frozen v2 er designet for å komplementere, ikke erstatte, Googles TPU-veikart . Logikken er grei:

• TPUer forblir den generelle KI-beregningsryggraden. De håndterer trening, multi-modell-tjening, finjustering og slutning for vilkårlige kundemodeller. De er Googles Cloud sitt hovedprodukt for eksterne KI-kunder .
• Frozen v2 er en hyperspesialisert akselerator for Googles egen høyvolums Gemini-slutning. Den er i hovedsak en "Gemini-apparat" som avlaster den mest forutsigbare, høyeste volum-slutningstrafikken fra TPUer, og frigjør TPU-kapasitet for mer mangfoldige arbeidsmengder og eksterne kunder .
• Ingen annen modell, ingen trening, ingen fleksibilitet. Frozen v2 kan ikke trene modeller, kan ikke kjøre en konkurrents LLM, og kan ikke tilpasse seg Gemini-arkitekturendringer. Den opptar en smal, men massiv nisje .
• TPU 8i (Zebrafish) og Frozen v2 eksisterer side om side. Den slutningsfokuserte TPU 8i håndterer det brede spekteret av slutningsarbeidsmengder. Når Geminis arkitektur stabiliserer seg og volumet rettferdiggjør en fast brikke, betjener Frozen v2 den spesifikke halen med radikalt lavere strømforbruk .

Dette er analogt med hvordan hyperskalabedrifter bruker både generelle CPUer for de fleste arbeidsmengder og fastfunksjons-ASICer for spesifikke høyvolumoppgaver (f.eks. videotranskoding, nettverksavlastning). Frozen v2 er KI-ekvivalenten: en formålsbygget slutningsmotor som sitter sammen med den programmerbare TPU-flåten.