谷歌開發Frozen v2晶片 將Gemini直接「刻進」晶片 傳推理效率最高增10倍

根據《The Information》報導，Alphabet 旗下 Google 正研發代號「Frozen v2」的新一代 AI 伺服器晶片，將 Gemini 大型語言模型的底層架構直接固化至矽片，以提升 AI 推理效率。消息曝光後，Alphabet (GOOGL-US) 股價周一盤中一度上漲約 3%，反映市場看好其持續深化 AI 基礎設施布局。

報導指出，Frozen v2 最大的特色，在於將 Gemini 模型的部分架構直接寫入晶片硬體，而非完全依賴軟體運算。相較目前廣泛使用的 GPU 與 Google 自家的 TPU 等通用 AI 晶片，新設計犧牲部分通用性，換取更高的推理效率及更低的能源消耗。

知情人士透露，Google 內部估算，Frozen v2 每單位功耗可處理的 Token 數量，可望達到現行最新一代 TPU 的 6 至 10 倍，主要原因在於大量減少模型執行時的邏輯判斷與資料搬運流程，讓部分運算工作直接由硬體完成。

目前 AI 晶片如輝達 (NVDA-US)GPU 及 Google TPU 皆屬通用架構，可支援不同大型語言模型，但每次執行推理時仍須即時完成大量資料傳輸與運算。Frozen v2 則改採高度客製化設計，把 Gemini 部分底層架構永久蝕刻於晶片中，以「降低彈性、提升效率」為主要目標。

這項專案背後的重要推力，來自 Google 日益嚴重的 AI 算力短缺。報導指出，內部 GPU 與 TPU 資源吃緊，甚至已影響 Google Cloud 部分客戶服務，迫使公司婉拒部分外部合作需求。

報導並指出，Google 上月已同意向 SpaceX 支付每月近 10 億美元，以取得 xAI 提供的 AI 算力，藉此補足自身基礎設施缺口，顯示 AI 推理需求快速成長，正對大型科技公司的運算資源形成巨大壓力。

事實上，Frozen 計畫並非首次提出。早期版本由 Google DeepMind 首席科學家 Jeff Dean 主導，原本規劃直接將完整模型權重燒錄至晶片，但由於只能支援單一版本 Gemini，一旦模型更新，硬體即可能失效，因此最終遭到擱置。

新版 Frozen v2 則改採「彈性固化」策略，僅固定模型架構，不固定模型權重，因此後續仍可透過更新權重持續迭代 Gemini，在維持較高推理效率的同時，也延長晶片使用壽命。

Google 目前將 Frozen v2 定位為 TPU 產品線之外的新技術分支，而非 TPU 替代品。公司現階段並未規劃大規模量產，產能預估將遠低於 TPU，更傾向作為驗證未來高度專用化 AI 晶片技術的實驗平台。

不過，Frozen v2 也存在明顯風險。由於晶片設計深度依賴 Gemini 現有架構，若未來 Gemini 底層架構大幅改版，硬體可能迅速失去相容性，甚至出現「尚未量產即面臨淘汰」的情況，因此外界認為 Google 正押注 Gemini 架構將長期延續。

放眼整體產業，AI 推理晶片已成為各家科技公司競逐的新戰場。加拿大新創 Taalas 採取與 Frozen v2 相近策略，同樣將模型邏輯硬體化，目前已完成超過 2 億美元募資。

此外，SambaNova、d-Matrix、OpenAI，以及微軟 (MSFT-US) 等企業，也正積極投入 AI 推理晶片開發，希望提升能源效率並降低推理成本，挑戰輝達 GPU 在 AI 市場的主導地位。

另一方面，輝達也持續強化自身布局。根據報導，公司已於 2025 年 12 月斥資 200 億美元取得 AI 推理晶片公司 Groq 的技術授權，顯示全球 AI 晶片競賽已從訓練算力逐步轉向推理效率。

市場人士認為，隨著大型語言模型逐漸進入商業化部署階段，AI 產業競爭焦點正由訓練模型能力，轉向如何以更低成本、更低耗能完成大規模推理。若 Frozen v2 最終能實現內部預估的 6 至 10 倍效率提升，將有機會改變 AI 推理成本結構，進一步強化 Google 從模型、晶片到雲端服務的垂直整合優勢。

不過，分析人士也提醒，Frozen v2 最快可能要到 2028 年才有機會部署，目前仍處於研發階段，距離流片、測試及量產仍有相當長的驗證流程。此外，Google 現階段並未規劃大規模量產，短期對營收及成本結構的實際貢獻有限，而 6 至 10 倍的效率提升也仍屬工程團隊內部推估，尚未經實際產品驗證。

因此，市場普遍認為，本次消息帶動 Alphabet 股價上漲，更多反映投資人對 Google 持續投入 AI 創新的期待，而非 Frozen v2 已具備立即改變公司獲利能力的實質價值。