Google 'Frozen v2': навіщо компанія 'впаює' Gemini прямо в кремній

Приріст ефективності є ключовим: за оцінками інженерів Google, Frozen v2 може забезпечити від 6 до 10 разів більше ШІ-токенів на одиницю споживаної енергії, ніж найновіші чипи TPU .

План розгортання

Згідно зі звітом The Information та підтверджуючими публікаціями, Frozen v2 планується до розгортання вже у 2028 році . Це означає, що чип ще за роки від серійного виробництва і з'явиться лише після того, як поточне сьоме покоління TPU (Sunfish та Zebrafish) буде розгорнуте та відшліфоване.

Приклад Taalas — як виглядає «запаювання» моделі в кремній на практиці

Стартап Taalas показує, що саме означає цей компроміс на практиці. У лютому 2026 року Taalas представив чип HC1, який кодує всю модель Llama 3.1 8B (кожен параметр) безпосередньо в транзисторні схеми чипа з використанням маскувальної ПЗП (mask ROM) без зовнішньої HBM-пам'яті для зберігання ваг .

Цифри вражають:

• ~17 000 токенів/секунду на Llama 3.1 8B
• Приблизно 48x пропускної здатності Nvidia B200
• Приблизно 10x швидше за Cerebras
• Вартість, за заявами, у 20 разів дешевша за один інференс порівняно з еквівалентними GPU-налаштуваннями
• Вартість інференсу від 0,75 центів за мільйон токенів

Зворотний бік медалі не менш драматичний:

• Прив'язка до моделі. Чип запускає рівно одну архітектуру моделі. Якщо модель оновлюється (новий механізм уваги, інша кількість шарів), чип стає непридатним .
• Без оновлення ваг. Параметри фізично закодовані; тонке налаштування, LoRA-адаптери або оновлення після навчання вимагають нової маски чипа .
• Нульове обслуговування кількох моделей. Дата-центр з HC1 може обслуговувати лише Llama 3.1 8B — жодної іншої LLM .

Засновник Taalas описав архітектуру як поєднання «recall fabric на маскувальній ПЗП» з recall fabric на SRAM для зберігання як моделі, так і всіх обчислень KV-кешу на чипі, повністю усуваючи переміщення даних у зовнішню пам'ять . Це той самий фундаментальний підхід, який використовуватиме Frozen v2.

Інфраструктурна криза, яка веде до Frozen v2

Обчислювальні потужності Google для ШІ настільки перенапружені, що компанія почала нормувати доступ навіть для платоспроможних гігантів. Кілька фактів ілюструють мотивацію:

Відмова Meta (березень 2026): Google повідомив Meta в березні 2026 року, що не може надати всю потужність Gemini, яку Meta хотіла придбати . Нестача затримала деякі внутрішні AI-проекти Meta та змусила компанію наказати своїм інженерам економити ШІ-токени .

Цифри портфеля замовлень: Портфель замовлень Google Cloud майже подвоївся до $462 мільярдів у першому кварталі 2026 року, що становить попит приблизно в 23 рази більше за наявну обчислювальну потужність . CEO Сундар Пічаї підтвердив на звітній конференції: «Ми маємо обмеження в обчислювальних потужностях у найближчій перспективі... наші доходи від хмарних послуг були б вищими, якби ми могли задовольнити цей попит» .

Загальне стискання потужностей: Google навіть орендує приблизно $920 мільйонів на місяць у Nvidia GPU від SpaceX, щоб закрити дефіцит . Віцепрезидент Google Cloud Амін Вахдат заявив у листопаді 2025 року, що компанії потрібно буде подвоювати потужності ШІ кожні шість місяців, щоб відповідати попиту .

Ці обмеження безпосередньо мотивують Frozen v2: якщо Google зможе отримувати у 6–10 разів більше інференсу Gemini на ват, це фактично помножить потужності без потреби в нових дата-центрах.

Інші ініціативи Google у сфері ШІ-чипів

Frozen v2 — лише частина набагато ширшої апаратної стратегії:

1. Восьме покоління TPU розділено на чипи для навчання та інференсу. На Cloud Next 2026 Google представив сімейство TPU восьмого покоління, вперше розділене на дві цільові варіації :

• TPU 8t "Sunfish" — орієнтований на навчання, розроблений Broadcom, на базі TSMC N2 з упаковкою CoWoS, вихід — друга половина 2027 року
• TPU 8i "Zebrafish" — орієнтований на інференс, розроблений за участі MediaTek, яка відповідає за I/O кристал

2. Довгострокова угода з Broadcom до 2031 року. Broadcom подала до SEC форму 8-K, яка розкриває Довгострокову угоду (Long Term Agreement) на розробку та постачання кастомних TPU для майбутніх поколінь Google, а також Угоду про гарантії постачання (Supply Assurance Agreement) для мережевих компонентів до 2031 року . Окремо Anthropic підписав угоду на ~3,5 ГВт потужностей TPU Google, які надходитимуть з 2027 року .

3. Оренда TPU клієнтам, включаючи OpenAI. Повідомляється, що Google дедалі частіше пропонує потужності TPU як продукт для оренди зовнішнім ШІ-компаніям, причому OpenAI названо серед клієнтів .

4. Проект "Icefish" з MediaTek. Кодова назва "Icefish" пов'язана з участю MediaTek у кастомному чіп-проекті Google, що виходить за межі TPU 8i — можливо, це малопотужний периферійний або інференс-прискорювач .

5. Переговори з Intel. Повідомляється, що Google проводив переговори з Intel щодо кастомних дизайнів ШІ-чипів, хоча жодної формальної угоди не оголошено .

6. Ironwood (сьоме покоління TPU) загальнодоступний. Ironwood став загальнодоступним для хмарних клієнтів у квітні 2026 року . Побудований на 3-нм техпроцесі з архітектурою двох кристалів, він оптимізований для моделей MoE, що живлять екосистему Gemini .

Як Frozen v2 доповнює, а не замінює лінійку TPU

У звіті The Information прямо зазначено, що Frozen v2 призначений доповнювати, а не замінювати дорожню карту TPU . Логіка проста:

• TPU залишаються універсальним хребтом ШІ-обчислень. Вони виконують навчання, обслуговування кількох моделей, тонке налаштування та інференс для довільних моделей клієнтів. Це основний продукт Google Cloud для зовнішніх клієнтів .
• Frozen v2 — це гіперспеціалізований прискорювач для власного високонавантаженого інференсу Gemini. Це, по суті, "апаратний пристрій Gemini", який розвантажує найбільш передбачуваний трафік інференсу з TPU, звільняючи потужності TPU для більш різноманітних навантажень і зовнішніх клієнтів .
• Жодної іншої моделі, жодного навчання, жодної гнучкості. Frozen v2 не може навчати моделі, не може запускати LLM конкурента і не може адаптуватися до змін архітектури Gemini. Він займає вузьку, але надзвичайно велику за обсягом нішу .
• TPU 8i (Zebrafish) та Frozen v2 співіснують. Інференс-орієнтований TPU 8i обробляє широкий спектр завдань інференсу. Коли архітектура Gemini стабілізується, а обсяги виправдають фіксований чип, Frozen v2 обслуговуватиме цей специфічний хвіст навантаження з радикально нижчим енергоспоживанням .

Це аналогічно тому, як гіперскейлери використовують універсальні CPU для більшості завдань і фіксовані ASIC для конкретних високонавантажених завдань (наприклад, транскодування відео, розвантаження мережі). Frozen v2 — це аналог для ШІ: спеціалізований інференс-двигун, який працює поряд із програмованим парком TPU.