大模型芯片要把大模型「刻」到芯片上经历了一轮人才流失和产品延期之后Google一项最早要到2028年才见分晓的秘密计划浮出水面。据The Information援引直接知情人士报道Google正在开发一款代号Frozen v2的服务器芯片专门为Gemini服务。参与项目的员工称按每瓦可生成的token数计算它的能效可能达到Google最新TPU的6—10倍。Frozen这个名字正来自这个设想把Gemini的部分结构永久「刻」进芯片。要理解Frozen v2得先回到传统芯片是怎么工作的。1945年宾夕法尼亚大学莫尔学院开始设计EDVAC即电子离散变量自动计算机。它是早期存储程序计算机的代表。在那之前电子计算机想改一道程序往往要重新连接插线、拨动开关经历一整套繁琐操作。数学家约翰·冯·诺依曼当时是项目顾问他在团队讨论的基础上写下《First Draft of a Report on the EDVAC》系统描述了「存储程序」程序指令和数据一起放进存储器由处理器逐条读取并执行。后来以他命名的冯·诺依曼架构成了通用计算机最重要的蓝图。指令集是这张蓝图里的共同语言——软件用加法、读取或跳转等指令告诉处理器该做什么处理器再依次取指、解码、执行。同一颗芯片只要换一套程序就能从表格计算切换到游戏或视频剪辑。过去八十年计算机的通用性主要来自这种分工。但通用就意味着低效。大模型每生成一个token都要反复读取权重和中间数据跑的无非是矩阵乘法、注意力等少数几种操作。通用处理器却必须保留服务无数程序的控制逻辑和数据通路其中不少数据在大模型推理时根本用不上。由于处理器与内存彼此分离数据还得反复往返——这就导致当运算速度超过数据读写速度时芯片便撞上了「内存墙」。过去几十年里计算机行业一直在试图减少「冯·诺依曼架构」带来的影响于是专为图形加速的GPU和专为智能加速NPU/TPU应运而生。GPU用大量并行单元处理相似计算NPU/TPU再围绕神经网络的张量运算设计但为了兼容多种模型这些芯片在设计时仍保持了一定的通用性。而Google决定用一种更颠覆的办法来解决这个问题——正在秘密研发的Frozen v2芯片将围绕Gemini的固定结构安排计算单元、存储位置和数据流让硬件预先知道接下来大概率要做什么进而极大提升运算效率。Google准备在芯片「刻」下Gemini的架构层。一个模型大致可以拆解为架构和权重两大部分。架构规定信息如何流动像一副骨架权重则来自训练决定模型如何给出回答。据报道Frozen v2会固化更多架构信息同时保留权重更新能力。芯片依然要执行指令、读取内存只是部分计算路径已经提前确定。Frozen芯片项目由Google首席科学家Jeff Dean推动作为Google Brain联合创始人也是TensorFlow最初的主要设计者之一。过去二十多年里他一直站在Google分布式计算和AI基础设施的交界处。第一代Frozen芯片也设想过把模型权重也固化进芯片但代价是一颗芯片只能服务一个版本的Gemini等设计、流片、部署等硬件流程走完对应的模型可能早已过时这导致Frozen一度搁置。而Frozen v2吸取了这个教训保留权重更新能力。只要下一代Gemini沿用相近的底层架构芯片就能继续服役。换言之这也是Google将会长期押注Gemini的证据。大模型公司集体押注自研芯片不久前OpenAI已经给出了「模型参与芯片设计」的现实案例。2026年6月OpenAI与Broadcom公布自研推理芯片Jalapeño团队根据ChatGPT、Codex和API的真实负载设计芯片与服务系统OpenAI的模型也被用来加速部分设计和优化。这个项目从初始设计到流片只用了九个月工程样片已经跑起模型负载并计划2026年底开始部署。Anthropic、DeepSeek也都传出自研芯片的消息。尽管各家的专用程度不同但方向基本一致掌握模型的公司正在把每天重复的计算规律交给硬件。显然我们已经进入模型定义芯片的时代。为何大模型公司都押注自研芯片答案不言自明为了降低算力成本。以Google公开可调用的旗舰模型Gemini 3.1 Pro Preview为例20万token以内标准API价格是每百万输入token 2美元、每百万输出token 12美元。假设一次较重的请求输入5000 token、输出1000 token公开标价约2.2美分。同样的调用每天发生1亿次就是每天220万美元一年约8亿美元。考虑到Gemini应用月活已经超过9亿再少的算力支出乘以近10亿规模的调用量都是一笔天文数字——因此如何降低算力费用是所有大模型公司都要考虑的立命之本。Google的机遇与风险这场硬件下注正发生在Google AI业务反复起落的当口。2022年11月ChatGPT横空出世。三周后Google管理层拉响「红色警报」Sundar Pichai亲自接管AI战略。那时的Google拥有Transformer、搜索和庞大的数据中心却被OpenAI拔得头筹抢先定义了生成式AI入口。三年后局面一度翻转Gemini 3发布Nano Banana刷屏Google收复了不少失地一度成为离AGI最近的科技巨头。可最近几个月Google内部又发生剧烈动荡——Gemini联合负责人Noam Shazeer离职加入OpenAIJohn Jumper与多名Gemini研究员转投Anthropic。原定6月推出的Gemini 3.5 Pro被曝落后计划数月编码能力没有达到内部目标Alphabet股价也因此接连重挫。这些顶级研究员的离职跟争取不到足够多的算力资源有关。The Information称算力短缺甚至曾迫使Google Cloud拒绝部分外部客户订单即便在Google内部算力资源也非常紧张。但Google手里还有一张对手难以复制的牌——从Gemini模型到TPU芯片再到Google Cloud数据中心和庞大的Google生态产品整条链路都掌握在同一家公司手里模型与硬件当然也可以围绕同一套需求进行设计。研究员可能被对手挖走旗舰模型也可能延期但Google积累十年的TPU、编译器和数据中心体系不会因为一次人才跳槽而消失这是AI时代Google最大的底牌之一。但风险同样巨大。据悉Frozen v2芯片最早要到2028年才会部署时至今日Google仍在决定该在芯片上固化多少信息。这也是Frozen这个名字的第二层意思Google准备冻结一部分Gemini来换取芯片级的高效率。把大模型刻进芯片里到底是不是最优解或许要等到两年后才能见分晓。可留给Gemini追赶的时间已经不多了。