🧊 AI 芯片 · 谷歌双轨战略
谷歌被曝"冷冻芯片"Frozen v2：把 Gemini 刻进硅片，每瓦 Token 能效目标 6–10 倍
据海外科技媒体援引知情人士报道，谷歌正在设计一款内部代号 Frozen v2 的服务器芯片，计划把 Gemini 模型的部分信息直接固化进硬件，最早 2028 年部署；以"单位能耗生成的 Token 数"衡量，效率目标为谷歌最新自研 AI 芯片的 6 至 10 倍。这不只是又一款芯片曝光，而是谷歌芯片战略的一次转向：在 TPU 之外开辟"模型专用硬件"第二路线，把 AI 竞争拖入效率战。
来源：公开报道•
2026-07-21•
全文约 4 分钟读完
#Frozen v2
#谷歌TPU
#Gemini
#每瓦Token
#AI基础设施
🧊 6–10×
每瓦 Token 效率目标 · 内部设计目标，未经公开测试
2028
最早部署年份，与下一代 TPU"Icefish"同年
+3.3%
7 月 20 日消息曝光当日 Alphabet 早盘涨幅
⚡ 30 秒速览
- 发生了什么：谷歌被曝设计 Frozen v2，把 Gemini 部分模型结构、参数或计算模式固化进硅片，牺牲通用性换推理效率；谷歌回应称"并非每个项目最终都会投入生产"。
- 战略变化：Frozen 不是下一代 TPU，而是独立新体系——谷歌芯片进入"双轨制"：TPU 越做越开放（原生 PyTorch、对外卖硬件），Frozen 只为 Gemini 服务。
- 指标换代：衡量标尺从峰值算力转向"每瓦 Token"——Agent 场景一次请求背后是规划、搜索、工具调用、多轮反思的海量 Token 消耗。
- 钱的背景：Alphabet 2026 年资本开支指引 1800–1900 亿美元（约为 2025 年两倍），谷歌云因算力紧张已拒绝部分外部订单，"降本叙事"正当其时。
- 最大风险：模型以月迭代、芯片以年量产——若 2028 年前 Gemini 架构大改，固化进硅片的设计可能被迫返工。
01Frozen v2 是什么？已知与未知同样重要
核心逻辑很直接：它计划把 Gemini 模型的部分结构、参数信息或特定计算模式更深入地映射进硬件，以牺牲一定通用性为代价，换取更高的推理效率。芯片越贴近固定工作负载，理论上越能减少不必要的数据搬运、控制逻辑与计算开销——但适用范围也随之收窄。它面对的不再是"什么样的 AI 计算"，而是"Gemini 具体怎样计算"。
已曝光（知情人士口径）
· 代号 Frozen v2，最早 2028 年部署
· 目标：每瓦 Token 效率达谷歌最新自研 AI 芯片的 6–10 倍
· 独立于 TPU 的全新芯片体系
· 目前仍处于设计阶段
仍是未知数
· 究竟多少模型信息会被固化进芯片（工程团队尚未最终确定）
· 是否会量产（谷歌未予确认）
· 6–10 倍能否兑现（无公开测试背书）
诚实标注：谷歌仅向 海外科技媒体 表示公司"一直在研究和试验新技术"，并强调"并非每个项目最终都会投入生产"。因此 6 至 10 倍目前更接近内部设计目标，而不是经过公开测试的产品指标——请按"设计目标"而非"产品承诺"理解。
02不是下一代 TPU 谷歌芯片进入"双轨制"
海外通讯社援引海外科技媒体称，Frozen 项目的目标是建立一套独立于 TPU 的新芯片体系，而非替代 TPU。从 GPU 到 TPU 再到 Frozen，AI 芯片的专用化程度被又向前推了一层：
GPU · 通用并行计算→TPU · 张量计算专用→Frozen · Gemini 模型家族专用
能否成立，取决于谷歌能否在芯片设计阶段找到 Gemini 中足够稳定、规模足够大、值得被硬件化的部分。
TPU 轨道 · 越做越开放
面向矩阵计算、训练、推理与强化学习的通用 AI 加速器：可运行不同规模、不同架构的模型，经 Google Cloud 提供给外部客户；软件上支持 JAX / PyTorch / vLLM / XLA，第八代强调原生 PyTorch 体验与跨代代码兼容。
Frozen 轨道 · 越做越封闭
未必服务外部模型，也不需要类似 CUDA 的软件生态：只要能稳定运行 Gemini，并在搜索、Gemini 应用、Workspace、广告与云服务中被大规模调用，就足以摊薄芯片研发成本。
两条线同时在推进。TPU 侧，2026 年 4 月发布的第八代 TPU 首次拆分为 TPU 8t（大规模预训练）与 TPU 8i（采样、推理与模型服务）两种架构：
2.7×8t 大规模训练每美元性能（对 Ironwood 最高）
+80%8i 低延迟 MoE 推理每美元性能（最高提升）
2×8t / 8i 每瓦性能（对 Ironwood 最高）
288GB+384MB8i 高带宽内存 + 片上 SRAM
TPU 8i 的 288GB HBM 与 384MB 片上 SRAM，专为压低延迟敏感型推理中的数据访问成本而配置。
商业化也在提速：Alphabet 在 2026 年第一季度财报电话会上宣布，将开始向部分客户交付 TPU 硬件、部署于其自有数据中心（不再只经 Google Cloud 出租算力），相关收入 2026 年下半年开始确认，大部分预计 2027 年体现。
🧊 下一代 TPU 同步推进：代号"Icefish"，或同样于 2028 年量产——主要计算部分计划由台积电制造；正讨论由三星以 2 纳米工艺生产连接内存的组件；联发科共同参与设计。
一句话看懂双轨制：TPU 负责扩大基础设施的通用性与商业半径；Frozen 负责把内部核心模型的单位运行成本压到更低。
03真正的信号 衡量标尺换成"每瓦 Token"
Frozen v2 最值得注意的，不是"6 至 10 倍"这个尚未验证的数字，而是谷歌选择的衡量指标——单位能耗产出的 Token 数量：
旧标尺 · 训练时代
浮点算力、参数规模、芯片互联带宽、训练集群规模——但单颗芯片的峰值算力，并不直接决定商业效率。
新标尺 · 大规模推理时代
同样的电力与服务器预算下：能处理多少用户请求、生成多少有效 Token、维持怎样的响应速度。
Agent 场景把这个问题进一步放大——一次用户请求，表面只是完成一个任务，背后的 Token 消耗却远超聊天机器人：
规划→搜索→工具调用→代码执行→结果验证→多轮反思
因此，芯片在数据搬运、内存访问与低批量推理上的效率，开始直接影响产品毛利率。而谷歌的独特筹码在于规模：Gemini 不仅是独立应用，还在进入搜索、广告、Workspace 与 Google Cloud——即便每次调用只节省少量能耗与计算时间，累积到数十亿次请求之后，也会转化为显著的基础设施成本差。
041800 亿美元之后 谷歌必须回答回报问题
Frozen v2 获得资本市场关注，与 Alphabet 迅速膨胀的资本开支直接相关：
2025 实际约 60% 投服务器 / 40% 投数据中心与网络
$914 亿
2026 指引Q1 上调 · 2027 将"显著更高"
$1800–1900 亿
注：柱形自零起点等比缩放；2026 年为指引区间，柱长按上限 1900 亿美元绘制，中值约为 2025 年的两倍。Alphabet 管理层表示，内部与外部对 AI 算力的需求均达"前所未有的水平"，Google Cloud 仍处算力供应紧张环境——报道进一步提到，算力短缺已引发内部资源分配压力，并导致 Google Cloud 拒绝部分外部客户订单。
市场的反应立竿见影：海外通讯社报道，新芯片消息发布后，Alphabet 股价 7 月 20 日早盘上涨约 3.3%，截至发稿仍涨 2%。投资者关注的不只是"又多了一款芯片"，而是谷歌是否找到了降低 AI 基础设施资本强度与运行成本的方法。
⚠️ 效率 ≠ 回报自动改善：一款芯片能否真正降本，还取决于制造良率、先进封装、内存供应、服务器部署速度、软件适配、实际利用率与芯片生命周期。即便 Frozen v2 达标，若 Gemini 在投产前发生重大架构变化，部分硬件设计也可能被迫返工。
这正是模型专用芯片最大的赌注：模型迭代以月计，先进芯片从架构设计到量产以年计。Frozen v2 押注 2028——谷歌必须判断，Gemini 的哪些能力在未来两年仍然稳定、值得被写进硅片，而不是把快速变化的短暂特征过早固化。
05社区之辩 谷歌的底气是"小模型"还是"便宜的大模型"？
第八代 TPU 发布后，海外技术社区 的讨论很快从芯片转向一个更实际的问题：谷歌"模型—芯片—数据中心"的全栈优势，究竟转化成了多少 Gemini 的产品能力？两种代表性推测针锋相对——
🧑💻 himata4113：模型可能只有对手的 1/5–1/10推测 · 效率派
- Gemini 3 Pro 与 Flash 的规模，可能只有 Claude Opus、GPT-5 级模型的五分之一到十分之一——生成的 Token 明显更少，却在不依赖工具与搜索的原始问题求解中与二者相近。
- 但效率优势没有完全转化为智能体能力：工具调用经常出错、智能体任务表现不理想——"高效的问题解决模型，还不是足够可靠的任务执行者。"
- 他仍相信谷歌迟早会拿出"领先当时最先进水平一代"的产品，前提是先学会从原型过渡到正式产品，而非"不断发布预览版"——目前不少 AI 产品更像向投资者展示进展的匆忙原型。
🧑💻 deaux："五倍以上的差距，似乎太大了"反驳 · 规模派
- 相反推测：谷歌的硬件优势也许不是用来跑更小的模型，而是让它以更低成本、更高速度运行更大的模型；Gemini 3 Pro 的规模可能小于 GPT-5.4 与 Claude Opus 4.6，但不会差出一个量级。
- 实际体验上，Gemini 3 Pro 是最"智能"的模型之一，尤其人文领域：知识丰富、擅长生成自然近人的文本，小众语言优势更明显——他给出的多语言前四名全部来自谷歌：Gemini 3 Pro、Gemini 3 Flash、Gemini 2.5 Pro、Gemini 2.5 Flash。
- 短板同样明显：数学相对较弱，智能体能力落后更多；Gemini 聊天应用本身"落后了不止一个时代"，产品形态与三年前发布的 ChatGPT 差别不大。
🤝 争论之外，共识反而清晰：onlyrealcuzzo 认为谷歌真正的筹码不是再造一个聊天机器人，而是把 AI 嵌入搜索——"搜索是谷歌的命脉，也是最容易盈利的场景"，其用户规模超出竞争对手十亿级；asah 补充，Gemini 还能进入 Workspace、YouTube、地图、Google Cloud 与大量已在运行的幕后基础设施。
注：以上均为 海外技术社区 用户个人观点与推测，模型规模等说法没有官方数据佐证，请作"社区情绪样本"阅读。
✍️ 编辑视角 · 请带着这些背景阅读
- 信源成色：核心爆料出自 海外科技媒体 的匿名知情人士，经海外通讯社、海外科技媒体、行业媒体 多层转引——属"单方匿名信源"，谷歌官方既未确认量产、也未否认项目存在。"6–10 倍"是内部设计目标，没有任何公开测试背书。
- 时机值得玩味：消息曝光正值 Alphabet 把 2026 年资本开支指引上调至 1800–1900 亿美元、市场集中追问 AI 回报的窗口。早盘 +3.3% 说明资本市场此刻愿意为"降本叙事"付费——这层预期管理的成分，需要计入阅读背景。
我们的独立判断：真正值得跟踪的不是倍数，而是指标切换。"每瓦 Token"取代峰值算力成为叙事中心，意味着 AI 竞争正从算力军备赛转入运营效率赛；若 Frozen 路线走通，"为单一模型家族定制硅片"或将成为头部厂商的标配动作。
▶信源直达 · 延伸阅读
本篇为多层转引的二手报道，建议对照一手信源自行判断：
海外技术社区 原帖讨论 →