Alphabet testuje chip Frozen v2, który ma wtopić Gemini w krzem

Akcje Alphabetu zyskały w poniedziałek po publikacji serwisu The Information, według której firma pracuje nad nowym typem serwerowego chipu do sztucznej inteligencji. Projekt, znany wewnętrznie jako Frozen v2, ma na celu trwałe wbudowanie fragmentów architektury modeli Gemini bezpośrednio w krzem, co według szacunków inżynierów Google mogłoby radykalnie zwiększyć efektywność energetyczną obliczeń.

Co ujawnił raport

Według doniesień The Information, na które powołuje się CNBC, Frozen v2 to eksperymentalny projekt mający wyeliminować znaczną część narzutu obliczeniowego typowego dla konwencjonalnych GPU i TPU. Zamiast uruchamiać model Gemini jako oprogramowanie na uniwersalnym akceleratorze, część jego architektury miałaby zostać na stałe zapisana w strukturze krzemu, co ograniczyłoby liczbę kroków obliczeniowych i przesyłania danych między pamięcią a jednostkami przetwarzającymi.

To podejście różni się od dotychczasowej strategii Google, która polegała na budowie coraz szybszych, ale wciąż uniwersalnych układów TPU, zdolnych obsługiwać różne generacje modeli. Chip zaprojektowany pod konkretną architekturę modelu jest szybszy i bardziej energooszczędny, ale traci elastyczność, więc szybko się starzeje, gdy architektura modelu się zmienia.

Rachunek za moc obliczeniową

Google od miesięcy sygnalizuje, że popyt na moc obliczeniową do trenowania i uruchamiania modeli Gemini przewyższa dostępne zasoby. Według wcześniejszych doniesień napięcia o dostęp do wewnętrznych klastrów TPU narastały do tego stopnia, że Google Cloud musiał odmawiać obsługi części klientów zewnętrznych, by zarezerwować moc dla własnych zespołów badawczych.

Frozen v2 wpisuje się w tę logikę. Jeśli szacunki sześcio- do dziesięciokrotnej poprawy efektywności energetycznej na token się potwierdzą, Google mógłby obsłużyć znacznie więcej zapytań do Gemini przy tym samym budżecie energetycznym centrów danych, co bezpośrednio przekłada się na koszty i możliwość przyjmowania nowych klientów chmurowych.

Stanowisko Google i ostrożność wokół projektu

Rzecznik Google potwierdził istnienie prac, zastrzegając jednocześnie, że nie każdy eksperymentalny projekt trafia ostatecznie na rynek jako produkt komercyjny.

Nasze zespoły stale badają i eksperymentują z nowymi rozwiązaniami, by zapewnić maksymalną wydajność i efektywność dla naszych użytkowników i klientów. Projektując sprzęt i oprogramowanie razem od podstaw, zapewniamy, że nasze systemy są zintegrowane i wysoko zoptymalizowane pod kątem rzeczywistych obciążeń roboczych - rzecznik Alphabetu, cytowany przez CNBC

Taka zastrzeżona komunikacja jest typowa dla wczesnych etapów prac nad sprzętem u Google, gdzie kolejne generacje eksperymentalnych układów bywają porzucane, zanim trafią do produkcji. Sam fakt ujawnienia projektu i szacunków wydajnościowych wystarczył jednak, by inwestorzy zareagowali pozytywnie.

Kontekst rynkowy i konkurencja z Nvidią

Reakcja giełdy wpisuje się w szerszy trend, w którym inwestorzy premiują firmy technologiczne budujące własny sprzęt AI, traktując to jako sposób na uniezależnienie się od układów Nvidii i obniżenie kosztów jednostkowych obliczeń. Alphabet od lat rozwija własną linię TPU, a najnowsza, ósma generacja tych układów, TPU 8t do trenowania modeli i TPU 8i do wnioskowania, trafiła na rynek w kwietniu tego roku z deklarowaną poprawą wydajności na wat nawet dwukrotnie względem poprzedniej generacji Ironwood.

Frozen v2 idzie o krok dalej niż uniwersalne TPU, bo zakłada dopasowanie krzemu do jednej konkretnej rodziny modeli. To podejście, jeśli się sprawdzi, może stać się wzorem dla innych laboratoriów AI budujących własne układy pod konkretne architektury modeli, zamiast polegać wyłącznie na uniwersalnych GPU.

Co to oznacza dla polskich firm i inwestorów

Dla firm korzystających z usług Google Cloud w Polsce potencjalna poprawa efektywności obliczeniowej Google może w dłuższej perspektywie oznaczać niższe ceny dostępu do modeli Gemini oraz większą dostępność mocy obliczeniowej, o którą konkurują dziś klienci chmurowi na całym świecie. Do faktycznego wdrożenia jest jednak jeszcze daleko, a data 2028 roku, o ile w ogóle projekt przejdzie fazę eksperymentalną, oznacza, że efekty będą odczuwalne dopiero za kilka lat.

Dla inwestorów śledzących spółki związane z infrastrukturą AI sam news pokazuje, że rynek wciąż nagradza zapowiedzi poprawy efektywności energetycznej centrów danych, która pozostaje jednym z głównych ograniczeń dalszego skalowania sztucznej inteligencji przez duże firmy technologiczne.