谷歌想將Gemini刻進晶片，AI支出壓力有解了嗎？

摘要

· The Information 报道称，谷歌正在探索代号为 Frozen v2 的 Gemini 专用推理芯片，预计最早将于 2028 年部署。

· 有争议的是，是否可以通过硬编码模型结构来抵消灵活性下降和时间风险，从而实现更高的能效。

· 相关公司：Alphabet、NVIDIA、自主芯片的云服务提供商、人工智能能效基础设施。

谷歌目前正在研究一款用于服务器的人工智能芯片，内部非正式命名为 Frozen v2，旨在将 Gemini 模型的部分组件直接整合到硬件中，以提升推理效率。消息传出后，Alphabet 在7月20日盘中股价一度上涨超过3%，但收盘时涨幅有所收窄。

这则消息的重点并非在于谷歌计划再次推出自研芯片，而是投资者更加关注的是，在人工智能服务变得越来越昂贵之后，Alphabet 能否通过模型与硬件的结合，降低每次问题回答的电力消耗、计算力要求以及数据中心压力。

报道中提出的目标非常激进。Frozen v2 希望每单位功耗服务的代币数量，相较于报道中提及的现有或最新的 TPU，提高6至10倍。这里的代币可以粗略地理解为人工智能处理文本的基本单位。这一数字仍然是该项目的未公开目标，而非谷歌官方确认的量产结果。

股价交易实际上是成本曲线的投射

市场在先涨，所交易的不是短期绩效，而是远期成本选择。当前最令人关注的问题是，大型模型公司的资本支出是否会持续增加，并且云业务的毛利率是否会持续受到推理成本的侵蚀。

谷歌所面临的压力并非模糊不清。在同一篇报道中提到，该项目旨在缓解人工智能计算能力的短缺，谷歌云曾因计算能力问题而拒绝一些外部合同。无论这些计算能力短缺是否直接催生了 Frozen v2，它们都表明了一个变化：计算能力不再仅仅是增长的投入，而且开始成为收入实现的瓶颈。

普通用户向 Gemini 提出问题时，背后所消耗的是推理计算能力。随着模型变得越来越庞大、用户增加、回答变得越来越复杂，数据中心将需要更多的芯片、电力和冷却设施。对投资者来说，最终将反映在资本支出、云服务毛利率和模型服务定价上。

Frozen v2 的市場含義，也就不是「Google 馬上解決算力短缺」。它更像 Alphabet 給出的一條長期技術路線：如果每瓦電能服務更多 token，Google 就有機會在同樣電力和機房約束下承載更多 AI 請求。

把模型寫進電路，省的是搬運和調度

Frozen v2 的核心，是硬編碼。可以把它理解成，通用芯片像多功能廚房，什麼菜都能做。Frozen v2 更像把 Gemini 的部分菜譜直接寫進爐台，減少每次查菜譜、搬工具、臨時調整流程的步驟。

AI 推理並不只是計算，還包括大量數據搬運和調度。模型運行時，芯片需要不斷讀取參數、安排運算路徑、在不同存儲層之間移動數據。這些動作本身耗電、耗時，也會佔用芯片資源。

如果某些模型結構足夠穩定，就可能被做成固定電路。好處是路徑更短、調度更少、功耗更低。代價也很直接，芯片一旦按照某套模型結構設計，就不容易像 GPU 或 TPU 那樣適配各種新模型。

所以 6 至 10 倍能效目標需要拆開看。它指向的是每單位功率可服務的 token 數量，不等於 Google 未來數據中心總成本會下降 6 至 10 倍。真實芯片、真實負載和真實部署規模，都會改寫這個數字在財務上的含義。

時間表同樣需要降級理解。Frozen v2 據報最早可能到 2028 年部署，項目細節仍在確定。在那之前，它對 Alphabet 估值的影響，更接近遠期選擇權，而不是已經能寫進利潤表的成本改善。

專用芯片挑戰通用敘事，但不等於替代

Frozen v2 值得看的地方，是它把 AI 芯片路線的矛盾擺到臺前：通用性和極致效率，很難同時最大化。過去幾年，GPU 和 TPU 的優勢在於能適配不同模型、不同工作負載，尤其適合模型快速迭代階段。

Google 據報探索的方向更激進。既然 Gemini 是自家旗艦模型，能不能為它單獨設計更貼身的推理芯片？當 AI 推理從演示變成日常服務，效率提升就不再只是工程指標，而是商業模型的一部分。

這會對 NVIDIA 敘事形成邊際挑戰，但還談不上「NVIDIA 危機」。NVIDIA 的護城河仍在通用生態、軟體工具鏈和訓練集群。Frozen v2 如果有價值，更多是在 Google 內部特定 Gemini 推理場景裡，降低對通用算力的邊際依賴。

它也不等於 TPU 被邊緣化。按報導口徑，Frozen v2 是 TPU 之外的新分支，更像為 Gemini 家族量身定制的效率工具。TPU 仍會承擔更廣泛的訓練和推理任務，服務不同模型和雲端客戶。

更準確的判斷是，當某個模型足夠重要、調用量足夠大、架構足夠穩定時，專用晶片開始具備經濟帳上的吸引力。它不是行業全面轉向專用晶片的信號，而是頭部模型公司開始為高頻推理場景單獨算帳。

Gemini 穩定性決定這張期權價值

Frozen v2 的最大風險，不只在硬件團隊能不能做出更高效的電路，也在 Gemini 的底層架構能不能穩定到值得被寫進晶片。AI 模型仍在高速迭代，今天最優的結構，兩年後未必仍是最優解。

如果 Gemini 未來出現重大架構變化，Frozen v2 可能需要重新設計。這會拉長時間表，也會削弱硬編碼帶來的成本優勢。專用化越深，效率潛力越大，技術路徑被鎖定後的代價也越高。

市場需要驗證的，是這條路線能否從早期項目線索進入更硬的工程節點。官方路線、流片進展、量產時間、實際能效口徑和部署規模，都會決定它是 Alphabet 成本曲線的新錨，還是一項被估值提前消化的遠期實驗。

對 Alphabet 來說，Frozen v2 目前的意義，是讓市場看到 AI 支出壓力未必只能靠繼續增加資本支出來回答。但在 2028 年之前，它更像一張期權。真正能改變估值的，不是代號本身，而是這顆晶片能否把 Gemini 的高頻調用變成可計量的成本下降。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia