热点丨谷歌将Gemini架构写入芯片，TPU之外的新分支

·聚焦:人工智能、芯片等行业

欢迎各位客官关注、转发

前言：

英伟达把铲子卖给所有人，谷歌选择自己挖矿，还顺手改造了矿井的岩石结构。

软件与硬件缠斗半个世纪，这一次轮到模型把芯片收编为自己的「器官」。训练大模型的人，开始动手改晶体管的图纸了。

作者| 方文三

图片来源 | 网络

冻结的艺术，从权重到架构的一次聪明退让

近日The Information披露，谷歌正在研发代号Frozen v2的服务器芯片，把Gemini模型的部分架构永久写入硅片，单位功耗的Token处理量预计达到最新一代TPU的6到10倍。

在机器学习里，冻结本是个日常动作，训练完成后锁住参数，让模型停止更新。

Frozen v2把这个动词推进了物理世界，它锁住的是Gemini神经网络的结构蓝图，那些规定数据如何流动、注意力如何汇聚的连接方式，将直接变成硅片上的电路。

这个想法的起点据说是Google DeepMind首席科学家Jeff Dean，Frozen第一版方案要激进得多，把模型权重整体固化进硅片，相当于把某一个版本的Gemini铸成铜像，芯片出厂之日就是它过时之始。

谷歌很快否决了这条路线，理由朴素得近乎残酷，模型迭代以月计，铜像的寿命却以年计。

Frozen v2退了一步，也因此聪明了一步。它冻结的是架构，放行的是权重，新训练出的参数仍可加载进芯片，只要底层结构不变，这颗硅片就能服侍一代又一代Gemini。

工程师至今没有敲定固化的深度，固得越多能效越高，活路越窄，这是一道用灵活性兑换效率的算术题。

把架构修进电路，等于把搬运路线拉成直线，计算步骤减少，数据迁移量下降，6到10倍的每瓦Token吞吐由此而来。

这个数字目前仍是纸面推演，部署要等到2028年，方向却已足够清楚。

过去十几年，芯片行业的信条是通用性，一颗GPU训练所有模型。

Frozen v2把这个信条翻过来晒了晒太阳，当单一模型的调用量大到以亿次计，为它单独造一颗芯片的账，开始算得过来。

比起效率翻倍，谷歌真正要救的是现金流

谷歌面对的核心问题已不只是芯片性能，而是急速膨胀的推理需求正在吞噬电力、服务器和现金。

2026年第二季度，谷歌模型API处理量达到每分钟约220亿token，较上一季度的160亿增长37.5%，更早之前还只有100亿。

用户数量没有成倍增加，服务器内部的计算链条却可能拉长数倍。

需求一路上冲，供给依旧紧绷。Alphabet当季资本开支达到449亿美元，绝大部分流向AI基础设施，并将2026年全年资本开支指引提高至1950亿至2050亿美元。

相比4月给出的1800亿至1900亿美元，这已经是年内再次加码。

重投入直接压低现金流，当季自由现金流降至负59亿美元，德意志银行对其2027年资本开支的预测甚至升至3250亿美元。

云业务的订单还在继续堆积,Google Cloud收入同比增长82%，达到248亿美元，待履约合同金额由此前的4620亿美元增至5140亿美元。

谷歌云一边握着巨额订单，一边缺少足够的算力完成交付。

The Information援引信源称，内部资源短缺已经引发团队摩擦，云部门被迫拒绝部分外部客户，同时每月花费数亿美元租用英伟达GPU救急。

管理层还计划在第三季度增加第三方数据中心容量，用临时租赁填补缺口，代价是云业务利润率承受短期压力。

一家自研芯片十一年的公司，回头高价租用竞争对手的GPU，这个细节比单纯的资本开支数字更能说明问题。

专用芯片节省的每一小步，经过数十亿级产品入口反复调用后，都会在电表和现金流量表上被放大。

Frozen v2的价值正在这里,这颗芯片将Gemini部分架构直接固化进硬件，通过牺牲一部分通用性压低单位推理成本。

Frozen v2没有对外销售计划，谷歌正在把TPU租给Meta，也试图将芯片部署进客户数据中心，这颗新芯片却更像一件纯粹的内需工具。

它承担的任务很明确，在算力供给难以迅速扩张的阶段，从每一次Gemini调用中挤出更多token，让谷歌在模型API价格竞争中获得一条更低、更难复制的成本线。

TPU向外成为平台，Frozen向内成为工厂

今年4月，谷歌把第8代TPU拆为训练型TPU 8t和推理型TPU 8i。

TPU 8i已经为采样、服务和推理做了大量定向设计，配有288 GB HBM、384 MB片上SRAM以及用于降低集体通信延迟的专用引擎。

谷歌给出的数据是，相较Ironwood，TPU 8i在特定低延迟大规模混合专家模型上可提高80%的性价比，第8代芯片最高可实现2倍每瓦性能提升。

即便如此，TPU 8i仍要支持不同模型与客户，JAX、PyTorch、Keras和vLLM构成它的软件入口，XLA负责把模型翻译给硬件。

谷歌反复强调TPU 8t与8i能够适应持续变化的模型架构，这种灵活性看似增加了运行开销，却是云平台能够做生意的基础。

TPU的商业方向也在向外打开，Alphabet在2026年第2季度首次确认，已经向客户自有数据中心交付TPU系统并确认收入，相关收入将在2027年加速兑现。

TPU由谷歌内部基础设施走向云租赁，再走向客户机房，产品边界越来越接近一套开放的AI计算平台。

Frozen承担的是另一种任务，它只需把Gemini跑得足够快、足够便宜，不必为外部客户的Claude、Llama或下一款陌生模型预留同等空间。

它更适合接住谷歌自有产品中稳定、高频、可预测的推理流量，谷歌对外出售的也将是Gemini服务结果，而非一块人人都能编程的芯片。

两条路线因此没有互相替代的必要，TPU像一座允许客户更换产线的工业园，Frozen像一条围绕Gemini重新焊接工位的专线。

前者用兼容性扩大收入边界，后者用专用性压低内部成本，谷歌在TPU之外另开分支，也是在隔离彼此冲突的产品目标。

Taalas点火，英伟达转向，专用化的合围成型

把模型往硅里塞，谷歌算不上第一个动手的，却是分量最重的那个。

今年2月，加拿大创业公司Taalas走出隐身模式，把Llama 3.1 8B的全部权重用掩膜ROM刻进了台积电6nm工艺的上层金属，815平方毫米的芯片上，每用户每秒吐出17000个Token，整机功耗只有2.5千瓦，风冷即可。

从拿到新权重到交付新芯片只要两个月，这家公司总共只花了3000万美元研发费用，就拿到了2.19亿美元融资。

巨头们的动作更加诚实，英伟达豪掷约200亿美元收购Groq，把LPU塞进Vera Rubin平台，单颗LPU带着500MB片上SRAM，一个LPX机架装256颗，官方口径下每兆瓦推理吞吐提升35倍。

Cerebras抱着整片晶圆不放，Etched只做Transformer，Taalas只做Llama，光谱从通用一路排到模型专用，尽头处，芯片本身就是模型。

Taalas冻结的是权重，一颗芯片只认一个版本，靠LoRA适配器续命。

谷歌冻结的是架构，养活的是整个Gemini家族，Jeff Dean那次退让恰恰是创新所在，行业把它称作弹性固化。

别忘了谷歌手里握着别人没有的两张牌，模型是自己的，芯片也是自己的，当芯片定义的笔从架构师传给训练师，拥有完整笔墨纸砚的只剩这一家。

结尾：

架构创新的边际收益正在衰减，模型竞争的决胜点已从发明新结构滑向工程效率与成本曲线。

GPU、TPU、工作负载专用芯片与模型专属芯片将长期叠在同一座数据中心里，区别只在于每类任务愿意为多少自由度付费。

AI基础设施的分界线，也将从GPU与TPU的品牌之争，移向通用平台与模型专属工厂的成本之争。

部分资料参考：36 氪：《谷歌将 Gemini 架构直接写入芯片，脱离 TPU 打造全新算力分支》，智东西：《放弃通用算力内卷，谷歌 Gemini 专用芯片落地，AI 芯片进入模型定制时代》，半导体行业观察：《Frozen v2 芯片详解：谷歌软硬协同重构 AI 推理算力格局》，TrendForce 集邦咨询：《2026 年全球 AI 芯片市场细分增速报告》，高盛研究院：《2027 AI 算力硬件结构变迁预测报告》

本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。

请务必注明：

「姓名 + 公司 + 合作需求」