Google 'Frozen v2': o chip que grava o Gemini diretamente no silício para ganho de eficiência de 10x

O que é o Frozen v2 e como ele difere das TPUs

O Frozen v2 é um motor de inferência específico para uma aplicação, não um processador tensorial de propósito geral como as Tensor Processing Units (TPUs) do Google. As TPUs são aceleradores programáveis que suportam uma ampla gama de modelos de IA através de reconfiguração de software . O Frozen v2 é o oposto: a arquitetura específica do Gemini — suas camadas, operadores e fluxo de dados — é queimada no chip no momento da fabricação, tornando-o um "Gemini-em-um-chip" de propósito único.

O ganho de eficiência é o destaque: engenheiros do Google projetam que o Frozen v2 pode entregar de 6 a 10 vezes mais tokens de IA por unidade de consumo de energia do que os chips TPU mais recentes .

Cronograma de implantação

De acordo com o relatório do The Information e cobertura corroborativa, o Frozen v2 tem como alvo a implantação já em 2028 . Isso significa que o chip ainda está a anos da produção e só entrará em serviço após a atual família TPU de oitava geração (Sunfish e Zebrafish) ter sido implantada e amadurecida.

O Precedente Taalas — Como é a Gravação de um Modelo no Hardware

A startup Taalas mostra exatamente o que essa troca significa na prática. Em fevereiro de 2026, a Taalas revelou seu chip HC1, que codifica todo o modelo Llama 3.1 8B — cada parâmetro — diretamente nos circuitos do chip usando ROM de máscara, sem HBM externa para armazenamento de pesos .

Os números são impressionantes:

• Cerca de 17.000 tokens/segundo no Llama 3.1 8B
• Aproximadamente 48x a taxa de transferência de uma Nvidia B200
• Cerca de 10x mais rápido que a Cerebras
• Custo alegado de 20x mais barato por inferência do que configurações equivalentes de GPU
• Custo de inferência tão baixo quanto 0,75 centavos de dólar por milhão de tokens

A desvantagem é igualmente dramática:

• Aprisionamento a um modelo. O chip roda exatamente uma arquitetura de modelo. Se o modelo for atualizado (novo mecanismo de atenção, número diferente de camadas), o chip fica inutilizável .
• Sem atualizações de pesos. Os parâmetros são codificados fisicamente; ajuste fino, adaptadores LoRA ou atualizações pós-treinamento exigem uma nova máscara de chip .
• Zero atendimento multi-modelo. Um datacenter com HC1 pode atender apenas o Llama 3.1 8B — nenhum outro LLM .

O fundador da Taalas descreveu a arquitetura como o emparelhamento de um "tecido de recall de ROM de máscara" com um tecido de recall de SRAM para armazenar tanto o modelo quanto computar todas as operações de cache KV no chip, eliminando completamente a movimentação de memória externa . Esta é a mesma abordagem fundamental que o Frozen v2 usaria.

A Crise de Infraestrutura que Impulsiona o Frozen v2

A capacidade de computação de IA do Google está tão sobrecarregada que começou a racionar o acesso até mesmo para gigantes pagantes. Vários pontos de dados tornam a motivação clara:

A negação de capacidade para a Meta (março de 2026): O Google disse à Meta em março de 2026 que não poderia fornecer toda a capacidade de computação Gemini que a Meta queria comprar . A falta atrasou alguns dos projetos internos de IA da Meta e forçou a Meta a instruir seus engenheiros a conservar tokens de IA .

Números de pedidos em atraso: A fila de pedidos do Google Cloud quase dobrou para US$ 462 bilhões no primeiro trimestre de 2026, representando uma demanda cerca de 23 vezes sua capacidade de processamento disponível . O CEO Sundar Pichai confirmou na teleconferência de resultados: "Estamos com restrição de computação no curto prazo... nossa receita na nuvem teria sido maior se pudéssemos atender a essa demanda" .

Aperto de capacidade mais amplo: O Google está até mesmo alugando aproximadamente US$ 920 milhões por mês em GPUs Nvidia da SpaceX para preencher sua lacuna de computação . O VP de nuvem do Google, Amin Vahdat, disse em novembro de 2025 que a empresa precisaria dobrar a capacidade de IA a cada seis meses para atender à demanda .

Essas restrições motivam diretamente o Frozen v2: se o Google conseguir de 6 a 10 vezes mais inferência Gemini por watt, ele efetivamente multiplica a capacidade sem precisar de novos datacenters.

Outras Iniciativas de Chip de IA que o Google Está Buscando

O Frozen v2 é uma peça de uma estratégia de hardware muito mais ampla:

1. TPUs de oitava geração divididas em chips de treinamento e inferência. No Cloud Next 2026, o Google visualizou a família de TPUs de oitava geração, dividida pela primeira vez em duas variantes de propósito específico :

• TPU 8t "Sunfish" — focada em treinamento, projetada pela Broadcom, construída em TSMC N2 com empacotamento CoWoS, visando o segundo semestre de 2027
• TPU 8i "Zebrafish" — focada em inferência, projetada com a MediaTek liderando o die de E/S

2. Acordo de longo prazo com a Broadcom até 2031. A Broadcom protocolou um 8-K na SEC divulgando um Acordo de Longo Prazo para desenvolver e fornecer TPUs personalizadas para as futuras gerações do Google, além de um Acordo de Garantia de Fornecimento para componentes de rede até 2031 . Separadamente, a Anthropic assinou um acordo para cerca de 3,5 GW de capacidade de TPU do Google, entrando em operação a partir de 2027 .

3. Aluguel de TPUs para clientes, incluindo a OpenAI. Relatórios indicam que o Google está oferecendo cada vez mais capacidade de TPU como um produto de aluguel para empresas de IA externas, com a OpenAI sendo nomeada como cliente .

4. Projeto "Icefish" com a MediaTek. O codinome "Icefish" parece ligado ao envolvimento da MediaTek em um projeto de chip personalizado específico do Google além do TPU 8i — possivelmente um acelerador de inferência de borda ou de menor potência .

5. Discussões com a Intel. O Google realizou discussões com a Intel sobre designs de chips de IA personalizados, embora nenhum acordo formal tenha sido anunciado .

6. Ironwood (TPU de sétima geração) disponível ao público. O Ironwood foi disponibilizado a clientes da nuvem em abril de 2026 . Construído em um processo de 3nm com uma arquitetura de chiplet duplo, foi otimizado para modelos MoE que alimentam o ecossistema Gemini .

Como o Frozen v2 Complementa, Não Substitui, a Linha de TPUs

O relatório do The Information afirma explicitamente que o Frozen v2 foi projetado para complementar, não substituir, o roadmap de TPUs do Google . A lógica é direta:

• As TPUs continuam sendo a espinha dorsal de computação de IA de propósito geral. Elas lidam com treinamento, atendimento multi-modelo, ajuste fino e inferência para modelos arbitrários de clientes. São o principal produto do Google Cloud para clientes de IA externos .
• O Frozen v2 é um acelerador hiperespecializado para a inferência Gemini de alto volume do próprio Google. É essencialmente um "eletrodoméstico Gemini" que descarrega o tráfego de inferência mais previsível e de maior volume das TPUs, liberando capacidade das TPUs para cargas de trabalho mais diversas e clientes externos .
• Nenhum outro modelo, nenhum treinamento, nenhuma flexibilidade. O Frozen v2 não pode treinar modelos, não pode rodar um LLM concorrente e não pode se adaptar a mudanças na arquitetura Gemini. Ele ocupa um nicho estreito, mas de volume massivo .
• TPU 8i (Zebrafish) e Frozen v2 coexistem. A TPU 8i focada em inferência lida com a ampla gama de cargas de trabalho de inferência. Uma vez que a arquitetura do Gemini se estabiliza e o volume justifica um chip fixo, o Frozen v2 atende a essa cauda específica com potência radicalmente menor .

Isso é análogo a como os hiperscalers usam tanto CPUs de propósito geral para a maioria das cargas de trabalho quanto ASICs de função fixa para tarefas específicas de alto volume (por exemplo, transcodificação de vídeo, offload de rede). O Frozen v2 é o equivalente em IA: um motor de inferência de propósito específico que se situa ao lado da frota de TPUs programáveis.