时间：2026年7月20日
地点：美国加利福尼亚州山景城
人物：谷歌公司、The Information、谷歌DeepMind首席科学家Jeff Dean
事件详情：2026年7月20日，据科技媒体The Information独家报道，谷歌正研发一款代号为"Frozen v2"的全新服务器芯片，计划将Gemini大模型的底层运算架构直接固化进硬件层面，从而大幅降低AI推理过程中的能耗与延迟。以每单位功耗可处理的token数量衡量，该芯片效率预计达到谷歌现有最新一代自研AI芯片的6至10倍，最早有望于2028年投入部署。该项目由谷歌内部严峻的AI算力短缺问题直接驱动，资源紧张已迫使谷歌云不得不回绝部分外部客户的合作订单。Frozen v2将开辟一条全新的自研芯片产品线，与谷歌现有的TPU形成互补而非取代关系，谷歌今年已推出第八代TPU直接对标英伟达。
背景：当前AI推理算力成本居高不下，通用AI芯片(如英伟达GPU和谷歌TPU)在运行任意模型时需实时执行大量逻辑判断，导致能耗与延迟难以进一步压缩。专用AI芯片(ASIC)通过将特定模型架构硬编码到硬件中，可显著提升运行效率并降低单位算力功耗。加拿大芯片初创公司Taalas已采用类似理念，从Quiet Capital、富达等投资方融资逾2亿美元。谷歌此次将Gemini架构直接写入硅片，代表了云厂商自研芯片进入"模型-硬件垂直整合"新阶段。
影响：
- 谷歌AI推理成本结构性下降——通过模型-硬件深度协同优化，单位token推理成本预计较TPU降低6-10倍，显著强化谷歌云在AI推理市场的价格竞争力，直接挑战英伟达GPU主导地位
- 推动"模型专用芯片"成为新赛道——为应对算力短缺，OpenAI、Anthropic、Meta等厂商或将加速布局类似专用AI芯片，进一步分化传统GPU市场
- 云端AI服务定价与商业模式重塑——更低的推理成本可能推动Gemini API再度降价，加速AI应用普及化进程，同时重塑云厂商之间的算力竞争格局
总结：谷歌Frozen v2芯片项目的曝光，标志着头部云厂商AI基础设施竞争已从"通用GPU堆叠"迈向"模型-硬件垂直整合"的新阶段。面对内部AI算力严重短缺、谷歌云被迫拒单的现状，谷歌选择了一条不同于英伟达通用路线、也不同于初代"完全固化权重"方案(Frozen项目因芯片生命周期过短被搁置)的"弹性固化"路径——仅固化Gemini底层架构而非完整权重，兼顾效率与芯片使用寿命。若Frozen v2如期于2028年部署并兑现6-10倍能效提升承诺，将成为谷歌云重夺AI推理市场主动权的关键筹码，并可能引发其他大模型厂商加速布局专属芯片的连锁反应，重塑全球AI算力供应链格局。
参考来源：
- https://www.ithome.com/0/979/810.htm
- https://baijiahao.baidu.com/s?id=1871243187858892785
- https://baijiahao.baidu.com/s?id=1871277935443148940
- https://stock.10jqka.com.cn/20260720/c678302786.shtml
- https://baijiahao.baidu.com/s?id=1871239921877931734