Google разрабатывает чип Frozen v2 для Gemini: причины, сценарии и последствия

21 июля 2026 · ТЕХНОЛОГИИ · по материалам 93 статей мировых СМИ

Google создаёт серверный чип Frozen v2, встраивающий архитектуру Gemini прямо в кремний — эффективность вырастет в 6–10 раз, развёртывание с 2028 года.

Что произошло

Google ведёт разработку специализированного серверного чипа под кодовым названием Frozen v2, который встраивает элементы архитектуры модели Gemini непосредственно в аппаратную схему. По данным The Information, это позволяет сократить число шагов при перемещении данных и снизить энергопотребление — ключевые узкие места при масштабном инференсе.

По внутренним оценкам Alphabet, чип способен генерировать в 6–10 раз больше токенов на единицу потреблённой мощности по сравнению с нынешними TPU. Проект призван снять дефицит вычислительных мощностей, который уже вынудил Google Cloud отказываться от ряда корпоративных контрактов и породил внутреннее напряжение между командами.

Дата развёртывания намечена не ранее 2028 года — инженеры ещё финализируют спецификации, включая объём модели, который будет «запечён» в кремний. Новость вызвала рост акций Alphabet примерно на 3% в ходе торговой сессии понедельника.

Почему это произошло: причины события

Дефицит вычислительных мощностей Google

Спрос на AI-вычисления растёт быстрее, чем Google успевает наращивать инфраструктуру. Дефицит мощностей породил внутренние конфликты между командами и заставил Google Cloud отклонять потенциальные сделки с внешними корпоративными клиентами.

По данным 24/7 Wall St., накопленный бэклог заказов Google Cloud достиг $462 млрд. Это создаёт прямое финансовое давление: каждый упущенный контракт — реальные потери выручки, которые могла бы закрыть более эффективная аппаратная платформа.

Источники: Reuters

Общеотраслевой AI-бум 2025–2026

Бум генеративного AI, ускорившийся после массового внедрения больших языковых моделей, создал беспрецедентный спрос на GPU и TPU по всей отрасли. Даже крупнейшие игроки — Google, Microsoft, Amazon — не справляются с очередями на вычислительные ресурсы.

По оценке 24/7 Wall St., AI-бум продолжает «перекраивать технологический ландшафт в 2026 году». Спрос настолько велик, что даже отраслевые гиганты с трудом поспевают за ним, что делает собственные высокоэффективные чипы стратегической необходимостью, а не опциональным улучшением.

Источники: Reuters

Неэффективность универсальных TPU

Универсальные ускорители, включая собственные TPU Google, проектируются с расчётом на гибкость: они способны обслуживать множество разных моделей. Однако эта гибкость достигается ценой избыточных операций перемещения данных, которые особенно дорого обходятся при непрерывном инференсе одной модели — Gemini.

Frozen v2 устраняет этот компромисс, «запекая» архитектурные решения Gemini прямо в схему. По данным DCD, именно принятие решений — наиболее времяёмкий процесс для чипов, обслуживающих несколько моделей. Специализация позволяет обойти этот bottleneck.

Источники: Reuters

Зависимость от внешних поставщиков чипов

Закупка чипов у внешних поставщиков — прежде всего NVIDIA — означает зависимость от чужих производственных графиков, ценообразования и приоритетов разработки. В условиях глобального дефицита AI-ускорителей это становится стратегической уязвимостью.

По данным BW Businessworld, одна из явных целей проекта Frozen v2 — «снизить зависимость от внешних поставщиков чипов». Собственный специализированный чип даёт Alphabet контроль над всем стеком: от кремния до модели, что критично для долгосрочной конкурентоспособности.

Источники: Reuters

Конкурентное давление в AI-инфраструктуре

Тренд на вертикальную интеграцию «модель + чип» охватил всю отрасль. Meta разрабатывает собственные AI-ускорители, NVIDIA строит AI-модели поверх своего железа — граница между аппаратными и программными компаниями стирается.

По наблюдению TechRound, компании, сделавшие имя на программном обеспечении, теперь активно проектируют железо. Для Google, чьи конкуренты инвестируют в аналогичную специализацию, промедление с собственным AI-чипом означало бы структурный проигрыш в эффективности и себестоимости инференса.

Источники: Reuters

Что будет дальше: сценарии развития

Frozen v2 выходит в 2028, снимает дефицит (возможно, горизонт: 2028–2029)

Если инженеры финализируют спецификации без существенных задержек, а производственная цепочка выдержит график, Frozen v2 может быть развёрнут в 2028 году, как и заявлено. Эффективность 6–10× по токенам на ватт позволит Google Cloud обслуживать значительно больший объём запросов на той же инфраструктуре.

В этом сценарии Alphabet сможет монетизировать часть $462-миллиардного бэклога, укрепить позиции в корпоративном AI-облаке и снизить удельные затраты на инференс Gemini. Акции Alphabet уже отреагировали ростом на 3% на одно лишь известие о разработке — коммерческий успех чипа способен дать значительно более долгосрочный эффект.

Источники: Reuters

Google Cloud захватывает enterprise-сегмент (возможно, горизонт: )

Если Frozen v2 действительно обеспечит заявленный прирост эффективности, Google Cloud получит структурное преимущество по себестоимости AI-инференса. Это позволит предлагать корпоративным клиентам более выгодные условия, чем конкуренты, работающие на универсальных ускорителях.

Клиенты, которым сейчас отказывают из-за нехватки мощностей, могут вернуться и заключить долгосрочные контракты. Это создаёт положительную петлю обратной связи: больше клиентов финансируют дальнейшее развитие специализированных чипов следующего поколения.

Источники: Reuters

Задержки разработки, выход сдвигается (вероятно, горизонт: 2028–2030)

Встраивание архитектуры конкретной модели в аппаратную схему — технически беспрецедентная задача для производственного AI-ускорителя. Инженеры ещё не завершили спецификации, включая ключевой вопрос о том, какая именно часть Gemini будет «заморожена» в кремнии. Это оставляет широкое поле для задержек.

История разработки специализированных AI-чипов полна примеров переноса сроков. Если Frozen v2 задержится на 1–2 года, конкуренты успеют нарастить мощности на стандартных ускорителях или выпустить собственные специализированные решения, нивелировав потенциальное преимущество Google.

Источники: Reuters

Модель Gemini эволюционирует быстрее чипа (возможно, горизонт: 2028–2031)

Ключевой риск концепции Frozen v2 — сама «заморозка». Если архитектура Gemini, встроенная в чип, к моменту его развёртывания окажется на несколько поколений позади актуальной модели, преимущество в эффективности может быть нивелировано необходимостью запускать более новые версии на менее оптимальном железе.

АI-модели эволюционируют значительно быстрее производственных циклов чипов. По данным Tech Times, инженеры ещё решают, «сколько AI-модели будет встроено в схему» — это свидетельствует о том, что компромисс между гибкостью и специализацией ещё не найден. Слишком жёсткая привязка к конкретной архитектуре может превратить дорогостоящее железо в legacy-систему раньше срока.

Источники: Reuters

Отраслевой стандарт: все крупные AI-игроки копируют подход (возможно, горизонт: 2029–2033)

Если Google докажет жизнеспособность концепции «модель в кремнии», конкуренты с сопоставимыми ресурсами — Meta, Amazon (Trainium), Microsoft — получат мощный стимул для аналогичных проектов. Рынок AI-ускорителей сместится от универсальных решений к узкоспециализированным, что создаст давление на NVIDIA.

По наблюдению TechRound, тренд на вертикальную интеграцию уже очевиден: «компании, построившие имя на программном обеспечении, теперь проектируют железо». Frozen v2 может стать катализатором, который переведёт этот тренд из экспериментальной фазы в отраслевую норму — со всеми вытекающими последствиями для рыночных позиций NVIDIA.

Источники: Reuters

Мнения AI-экспертов

Экономист (модель GPT)

Главный недооценённый эффект — Google пытается зафиксировать часть модели в железе, превращая R&D в ставку на срок жизни архитектуры. Это уже не просто гонка GPU, а перенос риска из софта в баланс: ошибка спецификации бьёт по загрузке дата-центров и марже Cloud.

Индикатор: как Alphabet меняет раскрытие по срокам полезного использования AI-серверов и объёмам предоплат foundry/памяти. Если циклы списания ускорятся, рынок переоценит не выручку от ИИ, а стоимость её производства.

Аналитик (модель CLAUDE)

Главное, что упускают в этой истории: Frozen v2 — это не просто оптимизация инференса, это необратимое решение о том, какая версия Gemini считается «финальной». Запечь архитектуру в кремний означает зафиксировать топологию внимания, размерность слоёв, паттерны активации. Любое фундаментальное изменение модели после 2026–2027 года — когда спецификации будут закрыты — сделает чип субоптимальным или мёртвым грузом.

Поэтому ключевой индикатор не дата выхода чипа, а дата заморозки спецификаций Gemini. Именно тогда станет ясно, насколько Google уверена, что нынешняя парадигма трансформеров переживёт 2028 год. Если спецификации закроют раньше 2027 — это сигнал, что внутри Alphabet считают архитектурную революцию маловероятной в горизонте пяти лет.

Неожиданная связь: именно этот риск объясняет, почему Microsoft и Meta делают ставку на универсальные ускорители, а не на model-specific silicon. Frozen v2 — это максимальная эффективность при нулевой гибкости. Если кто-то снаружи выкатит принципиально иную архитектуру раньше 2028-го, Google окажется с дорогостоящим кремниевым памятником одной эпохе.

Историк (модель GEMINI)

В истории ИТ попытка залить гибкий софт в кремний всегда знаменовала пик цикла. В 1980-х индустрия уже создавала Lisp-машины, аппаратно заточенные под один язык. Но как только математические подходы изменились, это дорогое железо мгновенно превратилось в хлам.

Проектируя чип под Gemini на годы вперед, Google ставит на то, что архитектура ИИ не изменится до 2028-го. Главный индикатор здесь — не терафлопсы, а научные публикации. Если прорыв совершит иной алгоритм (вроде SSM), Frozen v2 устареет еще до выхода с завода.

Вопросы и ответы

Каковы масштабы дефицита вычислительных мощностей Google и как он влиял на бизнес Google Cloud?

Дефицит AI-вычислений вынудил Google Cloud отказывать потенциальным внешним корпоративным клиентам — это прямо подтверждается несколькими источниками, ссылающимися на The Information. Внутри компании ограничения мощностей породили напряжённость между командами, конкурирующими за ресурсы. По данным 24/7 Wall St., накопленный бэклог заказов Google Cloud достиг $462 млрд — сумма, которую компания физически не может обслужить при нынешней инфраструктуре. Именно устранение этого разрыва между спросом и предложением названо одной из главных целей проекта Frozen v2. Акции Alphabet выросли примерно на 3% после публикации новости — рынок оценил потенциал чипа как инструмента монетизации отложенного спроса.

24/7 Wall St. (2026), The Cambodia News (2026), Deccan Chronicle (2026)

Что именно представляет собой чип Frozen v2 и чем он принципиально отличается от существующих TPU Google?

Frozen v2 — серверный чип, который встраивает элементы архитектуры модели Gemini непосредственно в аппаратную схему, а не загружает модель программно при каждом запуске. Это сокращает число шагов при перемещении данных — по данным DCD, именно принятие решений является наиболее времяёмким процессом для универсальных чипов. В результате внутренние оценки Alphabet прогнозируют эффективность в 6–10 раз выше нынешних TPU по числу токенов на единицу мощности. Существующие TPU проектировались для гибкости — работы с множеством моделей, — тогда как Frozen v2 жертвует универсальностью ради максимальной специализации под Gemini. Развёртывание намечено на 2028 год; финальные спецификации, включая объём «замороженной» части модели, ещё не утверждены.

DCD (2026), Tech Times (2026), Long Beach Star (2026)

Какой из сценариев развития проекта Frozen v2 наиболее реалистичен с учётом технических и рыночных факторов?

Наиболее реалистичным следует считать сочетание сценариев задержки разработки и трансформации рынка. Технически концепция «модели в кремнии» беспрецедентна для производственных систем: инженеры ещё не завершили спецификации, включая ключевой вопрос об объёме «замороженной» части Gemini. История разработки AI-чипов показывает, что переносы сроков — норма, а не исключение. При этом сам подход Google уже влияет на отрасль: TechRound фиксирует, что Meta, Amazon и другие игроки движутся в том же направлении. Главный структурный риск — скорость эволюции моделей: если Gemini существенно изменится до 2028 года, «замороженная» архитектура окажется компромиссом. Наименее вероятен идеальный сценарий выхода точно в срок с полным раскрытием заявленного потенциала — слишком много переменных остаётся нерешёнными.

Tech Times (2026), TechRound (2026), Analytics Insight (2026)

Источники

Reuters

• TechnoSports: Google Develops Frozen V2 Chip to Enhance Gemini Efficiency
• 24/7 Wall St.: Why Google's New AI Chip Is the Key to Unlocking Its Massive $462 Billion Backlog
• ETV Bharat News: Google Developing 'Frozen v2' AI Chip To Boost Gemini Efficiency: Report
• TechRound: Why Are So Many Big Tech Companies Designing AI Chips? - TechRound
• The Cambodia News: Google designs new chip to ease AI computing demands
• Long Beach Star: Google plans custom chip to run Gemini models faster
• Tech Times: Google's Frozen v2 Chip Hardwires Gemini Architecture: Up to Tenfold Inference Efficiency
• DCD: Google developing new chip to run Gemini AI model more efficiently - report
• Deccan Chronicle: Google is Developing New Chip To Make Gemini More Efficient: Report
• Analytics Insight: Google Plans Specialized AI Chip for Gemini, Deployment Could Begin in 2028
• Technology Org: Google's Frozen v2 Chip Bakes Gemini Into Silicon - Technology Org
• ProPakistani: Google to Make Gemini Up to 10x More Efficient With New Chips
• Blockonomi: Alphabet (GOOGL) Stock Gains as Google Develops Specialized AI Chip for Gemini
• BW Businessworld: Google Plans New AI Chip To Boost Gemini AI Performance - BW Businessworld
• SAMAA TV: Google's new AI chip could make Gemini up to 10 times more efficient

Все карты событий WOWTODAY · Предыдущее событие: Ближний Восток в огне: рынки ищут равновесие