Google разработает чип Frozen v2 с архитектурой Gemini

Google работает над специализированным процессором под названием Frozen v2, в котором элементы архитектуры Gemini будут интегрированы прямо в кремниевый кристалл. Задача проекта — уменьшить объём вычислений и перемещаемых данных при обработке пользовательских запросов и повысить энергоэффективность моделей.

Чип разработан как дополнение к существующим тензорным процессорам (TPU), а не как их замена. Интеграция архитектурных элементов в структуру кристалла должна снизить потребность в дополнительных вычислениях и уменьшить обмен данными между узлами, что приведёт к более быстрой обработке запросов и снижению энергопотребления на единицу работы.

Инженеры Google оценивают, что Frozen v2 сможет обрабатывать от шести до десяти раз больше токенов на единицу затрачиваемой энергии по сравнению с текущими ускорителями компании. Чип будет совместим с будущими версиями моделей Gemini только при сохранении базовой архитектуры этих моделей.

Проект рассматривается отчасти как экспериментальный: компания не планирует выпускать Frozen v2 в тех же масштабах, что и универсальные TPU. Внешний ввод в эксплуатацию запланирован на 2028 год; подробностей о массовом развёртывании и графике поставок пока не раскрывают.

Одной из целей разработки называют ослабление дефицита вычислительных мощностей в облачных сервисах Google. Ранее Google Cloud вынужденно отказывался от части внешних сделок из‑за нехватки ресурсов, и новый чип может помочь увеличить пропускную способность для клиентов.

После появления сведений о проекте акции Alphabet выросли на 1,5% 20 июля. В последние месяцы направление искусственного интеллекта в компании сталкивается с рядом сложностей: выпуск Gemini 3.5 Pro откладывается, из команды ушли несколько ведущих исследователей, а китайские модели усилили своё присутствие — на них приходится до 46% токенов, используемых американскими компаниями.

TPU остаются универсальной платформой для большинства задач, тогда как Frozen v2 позиционируют как специализированный ускоритель с архитектурными оптимизациями под конкретные модели. Интеграция модели в кремний обычно снижает задержки и уменьшает объём обмена между памятью и вычислительными блоками, что даёт преимущества по энергоэффективности и производительности.

В июле руководитель подразделения DeepMind предложил проводить проверки перед выпуском для передовых моделей. Разработка Frozen v2 и внутренние изменения в командах компании идут параллельно с этими обсуждениями о качестве и безопасности моделей.