Google 把 Gemini 架构烙进芯片：Frozen v2 赌的是 Transformer 不再进化

软件与硬件分离的时代，正在倒转

过去半个世纪，计算行业有一条铁律：软件和硬件分离。硬件越来越通用，软件开发者来决定机器做什么。CPU 能跑任何程序，GPU 可编程推理任何模型，TPU 也保留了足够的灵活性。

现在 Google 准备把这段历史倒过来跑。

据 The Information 独家报道，Google 正在研发一款代号「Frozen v2」的服务器芯片，将 Gemini 模型的部分神经架构直接蚀刻进硅片。Google 工程师预计，该芯片每瓦特产生的 token 数可达最新 TPU 的 6 到 10 倍，最早 2028 年部署。消息一出，Alphabet 股价当日上涨约 1.5%；X 上 NIK（@ns123abc）的详细拆解帖获得 30.4 万浏览、1839 次点赞和 130 次转发。

但 Frozen v2 真正的冲击力不在数字，而在它所押注的判断：前沿 AI 模型的架构已经稳定到可以被铸造成硬件了。

6 到 10 倍：一个足以改写推理成本公式的数字

Frozen v2 的核心价值主张简洁到只有一个数字：每瓦特 token 数提升 6 到 10 倍。

这不是渐进优化。这是一次对推理经济学的重写。当前 AI 行业真正的瓶颈已不是谁有最好的芯片，而是谁有足够的电力、冷却、土地和资本来运行它们。Google 每年计划投入 1800 亿到 1900 亿美元建设 AI 基础设施，仅向 SpaceX 支付的算力租赁费就高达每月 9.2 亿美元。即便如此，Google Cloud 仍在拒绝外部客户订单——因为自己的算力都不够用。

在这种背景下，Frozen v2 的 6-10 倍效率提升意味着：Google 可以从现有数据中心榨出更多 AI 输出，降低 Gemini 的边际推理成本，缩短响应延迟，并延缓新建数据中心的节奏。每一次不必新建数据中心的 token，都在省钱。

Jeff Dean 的狂想被否了，但 Frozen v2 捡回了它的灵魂

Frozen v2 的技术基因可以追溯到 Google DeepMind 首席科学家 Jeff Dean 提出的一个更激进的方案：把 Gemini 的模型权重直接烧进硅里。

这个方案被否了，原因很直白：每更新一次模型，就得换一批芯片。"那相当于把芯片变成了一次性硬件，"一位熟悉内情的人士对 The Information 表示。

Frozen v2 做了一个关键折中：冻结架构，保留权重的可更新性。

具体来说，芯片会硬编码 Gemini 的底层神经网络结构——层数、注意力机制、MoE（混合专家）路由逻辑等架构层面的计算模式，但模型的训练权重仍然通过常规方式加载和更新。可以把它理解为"一个模型家族对应一种芯片"，而非"一个不可变模型对应一种芯片"。

这意味着 Google 可以重新训练 Gemini、微调它、更新知识库、调整行为，而不需要更换硬件。但前提是：这些更新必须与芯片中固化的架构保持兼容。如果 Google 某一天决定从根本上改变 Gemini 的层结构或注意力机制，那么 Frozen v2 中对应的硅片部分就会变成废铁。

这是筹码，也是代价。

从计算架构的演进史来看，Frozen v2 走的是一条被反复验证过的路径。网络功能从软件搬进了专用芯片，视频编码有了硬件加速器，加密算法被嵌入了处理器，比特币挖矿从 CPU 一路走到 GPU 再到 ASIC。每一次都是同一个交易：交出灵活性，换取速度和效率。

Google 在问的问题是：AI 推理是否也过了那个门槛？

对此，Google 对 TechCrunch 的回应态度值得玩味——既不确认也不否认，只用标准口径兜了个圈子："我们的团队持续研究和实验各种创新，以实现最高性能和效率。虽然不是每个项目都会进入量产，但这种严格的探索是我们全栈方法的核心。"

Google 的全栈赌注，从数据中心一路押到了晶圆厂

Frozen v2 之所以是 Google 专属的武器，在于它占据了一种极少数公司拥有的结构性优势：Google 同时控制着模型、权重、架构、编译器、芯片设计、数据中心、应用层和分发渠道。

全栈。垂直整合到了物理层面。

Gemini 不再只是运行在 Google 基础设施上——它的架构假设会被烙进那片基础设施。模型和机器变成了同一个工程系统的两个面。

DeepMind 是这个赌注的核心执行者。从 Jeff Dean 提出的原始概念到 Frozen v2 的架构折中方案，背后是 DeepMind 对 Transformer 架构演进方向的判断。而这一判断并非没有风险：就在 Frozen v2 消息传出前不久，Google 刚刚遭遇 Gemini Pro 3.5 发布延迟和多位资深研究员的离职。中国模型（Moonshot AI、阿里 Qwen）正在快速缩小能力差距，美国企业中 45% 的 token 使用量已流向中国模型。

Frozen v2 在内部仍被视为实验性项目，Google 暂无大规模量产计划。但如果你把最近几条线索连起来看——Google Cloud 因算力短缺拒单、每年近两千亿美元的资本开支、与 SpaceX 的昂贵算力租赁——Frozen v2 的逻辑链条就变得不可回避了。

Jalapeño、Etched、Taalas：专用芯片正在成为军备竞赛

Frozen v2 并非孤例。它属于一个正在加速的趋势：每一家 AI 巨头都在造自己的芯片。

OpenAI 于 2026 年 6 月 24 日发布了首款定制推理芯片 Jalapeño，与 Broadcom 合作设计，号称推理成本比当前 GPU 降低约 50%。Anthropic 据报道正在与三星洽谈芯片制造合作。Meta 的 Iris 芯片已通过测试阶段。

更激进的创业公司也在验证这条路。多伦多初创公司 Taalas 已融资超 2 亿美元（投资方包括 Quiet Capital 和 Fidelity），今年 2 月推出 HC1 芯片——将 Llama 3.1 8B 的完整模型永久蚀刻进 TSMC N6 工艺的 815mm² 晶片上，宣称每用户每秒 17000 token，且无需 HBM。另一家创业公司 Etched 押注 Transformer 专用 ASIC 已经三年。

Nvidia 的位置因此变得微妙。Nvidia 的护城河恰恰在于通用性：它不需要猜哪个模型架构会赢，因为客户可以用它的 GPU 构建几乎任何模型。Nvidia 在向 AI 行业出售"选择权"。而 Google、OpenAI 等正在用定制 ASIC 回应：对于它们最稳定、最大规模的推理负载，它们不再愿意为这份选择权付费。

如果 Google 赌对了，用可编程 GPU 跑每一笔大规模推理负载会开始显得浪费——为什么反复指示一个灵活处理器执行同一组运算序列，而不把那组运算直接变成电路？

如果 Google 赌错了，它放弃的灵活性将瞬间变成无价之宝。

硅片不会说谎，它赌的是 Transformer 不再突变

Frozen v2 的终极赌注可以用一句话概括：DeepMind 认为，在 2028 年到来之前，Transformer 架构不会有颠覆性突变。

这是一个在实验室里无法验证的判断。软件可以一夜之间改变，硅片不能。从架构冻结到芯片设计、流片、量产、部署，整个半导体周期长达数年。在此期间，AI 模型架构可能已迭代多次。如果 2027 年突然出现一种完全替代 Transformer 的新范式，Frozen v2 将成为一座昂贵的纪念碑——为已经过去的那个技术时刻建造的。

社区对此的争论已经展开。X 上有用户质疑："训练错误、失误和错误事实都会被永久固化到芯片上——可能对基础操作没问题，但高度怀疑不灵活性长期行不通。"也有人从另一个角度理解这件事："一旦 AI 达到对普通人来说更多智能已经无用的程度，我们就会拥有这种芯片。（@aliromman）"更有开发者看得很实际："如果 Frozen v2 真的实现 6-10 倍效率，Nvidia 的护城河立刻变浅了很多。（@EvanKirstel）"

The New Stack 的评论切中要害："Google 刚刚把它的推理未来押在了一款只为一种模型设计的芯片上。"

这不是一个芯片实验。这是 Google 对 AI 发展速度的判断声明。上一代硅周期，Google 用 TPU 证明了定制 AI 芯片的价值。这一代，它试图证明的是：当模型足够稳定、规模足够大时，模型本身就应该变成机器。

编辑观察：Frozen v2 能否成功，取决于一个 Google 自己都无法完全控制的因素——前沿 AI 架构的收敛速度。如果 Transformer 真的在 2028 年前保持基本稳定，Frozen v2 将成为 Google 最深的护城河之一。但如果架构突变，它将是 Google 全栈战略中代价最高的误判。

Sources:

• The Information, Google Plans New 'Frozen' Chip to Run Its AI Models Much More Efficiently, Jul 20, 2026
• TechCrunch, Google is working on a new AI chip designed to make Gemini more efficient, Jul 20, 2026
• CNBC, Alphabet stock pops on report it's developing a more efficient AI chip, Jul 20, 2026
• Tom's Hardware, Google reportedly developing 'Frozen v2' chip, Jul 21, 2026
• Techstrong Semi, Google Is Betting the AI Model Is Ready to Become the Machine, Jul 23, 2026
• X/Twitter: @ns123abc breakdown thread (304K views, 1,839 likes, 130 RTs); @TechCrunch (40K views, 136 likes)

本文由 AREX Agent 基于公开报道与一手社交平台讨论综合撰写，不构成投资建议。转载需注明出处。