Googles 'Frozen v2'-chip: Hårdkodar Gemini direkt i kislet för tiofaldig effektivitetsökning

Vad Frozen v2 är – och hur det skiljer sig från TPU:er

Frozen v2 är en applikationsspecifik slutledningsmotor, inte en programmerbar tensorprocessor som Googles Tensor Processing Units (TPU:er). TPU:er programmerbara acceleratorer som via programvara kan stödja en bredd av AI-modeller . Frozen v2 är raka motsatsen: Geminis specifika arkitektur – dess lager, operatorer och dataflöde – bränns in i chippet vid tillverkningstillfället, vilket gör det till en engångs-"Gemini-i-ett-chip".

Effektivitetsökningen är rubriken: Googles ingenjörer uppger att Frozen v2 skulle kunna leverera 6 till 10 gånger fler AI-tokens per enhet strömförbrukning än de senaste TPU-chippen .

Tidsplan för driftsättning

Enligt The Information-rapporten och bekräftande täckning är Frozen v2 planerad för driftsättning tidigast 2028 . Detta innebär att chippet fortfarande är flera år från produktion och endast kommer att tas i bruk efter att den nuvarande åttonde generationens TPU-familj (Sunfish och Zebrafish) har driftsatts och mognat.

Taalas-prejudikatet – hur en hårdkopplad modell faktiskt ser ut

Startupen Taalas visar exakt vad denna avvägning innebär i praktiken. I februari 2026 presenterade Taalas sitt HC1-chip, som kodar hela Llama 3.1 8B-modellen – varje parameter – direkt i chippets transistorkretsar med hjälp av mask-ROM, utan externt HBM för viktlagring .

Siffrorna är fantastiska:

• Cirka 17 000 tokens/sekund på Llama 3.1 8B
• Cirka 48 gånger genomströmningen av en Nvidia B200
• Ungefär 10 gånger snabbare än Cerebras
• Kostnaden påstås vara 20 gånger lägre per slutledning än motsvarande GPU-installationer
• Slutledningskostnad så låg som 0,75 cent per miljon tokens

Nackdelen är lika dramatisk:

• Modellåsning. Chippet kör exakt en modellarkitektur. Om modellen uppdateras (ny uppmärksamhetsmekanism, annat antal lager), är chippet oanvändbart .
• Inga viktuppdateringar. Parametrarna är fysiskt kodade; finjustering, LoRA-adapter eller uppdateringar efter träning kräver en ny chipmask .
• Ingen modellväxling. Ett datacenter med HC1 kan endast betjäna Llama 3.1 8B – ingen annan språkmodell .

Taalas grundare beskrev arkitekturen som att man parar ihop en "mask-ROM-återkallelseväv" med en SRAM-återkallelseväv för att lagra både modellen och beräkna all KV-cache-aktioner på chippet, vilket helt eliminerar extern minnesförflyttning . Detta är samma grundläggande tillvägagångssätt som Frozen v2 skulle använda.

Infrastrukturkrisen som driver Frozen v2

Googles AI-beräkningskapacitet är så ansträngd att företaget har börjat ransonera åtkomst även till betalande jättar. Flera datapunkter gör motivet tydligt:

Metas kapacitetsnek (mars 2026): Google meddelade Meta i mars 2026 att man inte kunde leverera all Gemini-beräkningskapacitet Meta ville köpa . Bristen försenade några av Metas interna AI-projekt och tvingade Meta att instruera sina ingenjörer att spara på AI-tokens .

Backlogsiffror: Googles molnorderstock nästan fördubblades till 462 miljarder dollar under första kvartalet 2026, vilket representerar efterfrågan som är ungefär 23 gånger den tillgängliga processorkapaciteten . Vd Sundar Pichai bekräftade på resultatkonferensen: "Vi är beräkningsbegränsade på kort sikt... våra molnintäkter skulle ha varit högre om vi hade kunnat möta den efterfrågan" .

Den bredare kapacitetsbristen: Google hyr till och med cirka 920 miljoner dollar per månad i Nvidia-GPU:er från SpaceX för att överbrygga sitt beräkningsgap . Googles moln-VP Amin Vahdat sa i november 2025 att företaget skulle behöva fördubbla AI-kapaciteten var sjätte månad för att möta efterfrågan .

Dessa begränsningar motiverar direkt Frozen v2: om Google kan få 6–10 gånger mer Gemini-slutledning per watt, multiplicerar det effektivt kapaciteten utan att behöva nya datacenter.

Andra AI-chipinitiativ Google samtidigt driver

Frozen v2 är en del av en mycket bredare hårdvarustrategi:

1. Åttonde generationens TPU:er delas upp i tränings- och slutledningschip. På Cloud Next 2026 förhandsvisade Google den åttonde generationens TPU-familj, som för första gången delas upp i två specialiserade varianter :

• TPU 8t "Sunfish" – träningsfokuserad, designad av Broadcom, byggd på TSMC N2 med CoWoS-paketering, planerad till andra halvåret 2027
• TPU 8i "Zebrafish" – slutledningsfokuserad, designad med MediaTek som leder I/O-dien

2. Långsiktigt avtal med Broadcom till 2031. Broadcom lämnade in en SEC 8-K som avslöjar ett långsiktigt avtal om att utveckla och leverera anpassade TPU:er för Googles framtida generationer, plus ett leveranssäkerhetsavtal för nätverkskomponenter till 2031 . Separat skrev Anthropic ett avtal om cirka 3,5 GW av Googles TPU-kapacitet, som tas i drift från 2027 och framåt .

3. TPU-uthyrning till kunder inklusive OpenAI. Rapporter indikerar att Google i allt högre grad erbjuder TPU-kapacitet som en uthyrningsprodukt till externa AI-företag, med OpenAI nämnd som kund .

4. "Icefish"-projektet med MediaTek. Kodnamnet "Icefish" verkar vara kopplat till MediaTeks engagemang i ett Google-specifikt anpassat chipprojekt bortom TPU 8i – möjligen en lägreffekts edge- eller slutledningsaccelerator .

5. Diskussioner med Intel. Google har enligt uppgift haft diskussioner med Intel om anpassade AI-chipdesigner, men inget formellt avtal har tillkännages .

6. Ironwood (sjunde generationens TPU) allmänt tillgänglig. Ironwood gjordes allmänt tillgänglig för molnkunder i april 2026 . Byggd på en 3nm-process med en dual-chiplet-arkitektur, var den optimerad för MoE-modeller som driver Gemini-ekosystemet .

Hur Frozen v2 kompletterar, inte ersätter, TPU-sortimentet

The Information-rapporten anger uttryckligen att Frozen v2 är utformad för att komplettera, inte ersätta, Googles TPU-roadmap . Logiken är enkel:

• TPU:er förblir den generella AI-beräkningsryggraden. De hanterar träning, slutledning för flera modeller, finjustering och slutledning för godtyckliga kundmodeller. De är Googles molns huvudprodukt för externa AI-kunder .
• Frozen v2 är en hyperspecialiserad accelerator för Googles egen högvolyms-Gemini-slutledning. Det är i huvudsak en "Gemini-apparat" som avlastar den mest förutsägbara trafiken med högst volym från TPU:erna, vilket frigör TPU-kapacitet för mer varierande arbetsbelastningar och externa kunder .
• Ingen annan modell, ingen träning, ingen flexibilitet. Frozen v2 kan inte träna modeller, inte köra en konkurrents språkmodell och kan inte anpassas till förändringar i Gemini-arkitekturen. Det upptar en smal men massiv volymnisch .
• TPU 8i (Zebrafish) och Frozen v2 samexisterar. Den slutledningsfokuserade TPU 8i hanterar den breda uppsättningen slutledningsarbetsbelastningar. När Geminis arkitektur stabiliseras och volymen motiverar ett fast chip, betjänar Frozen v2 den specifika svansen med radikalt lägre effekt .

Detta är analogt med hur hyperscalers använder både generella CPU:er för de flesta arbetsbelastningar och dedikerade ASIC:ar för specifika högvolymsuppgifter (t.ex. videotranskodning, nätverksavlastning). Frozen v2 är AI-motsvarigheten: en specialbyggd slutledningsmotor som sitter bredvid den programmerbara TPU-flottan.