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

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.