谷歌正在幹一件顛覆AI硬體邏輯的事。

7月20日，The Information披露了一份獨家報導：谷歌正在研發一款代號「Frozen v2」的新型伺服器晶片。這顆晶片不打算跑所有AI模型，它只為一個模型而生——Gemini。

消息一出，Alphabet股價盤中一度暴漲3.7%，最終收漲1.52%。

一顆2028年才會部署的晶片，讓市場為一張兩年後的藍圖買了單。

這不只是又一颗AI晶片的故事。AI基礎設施的競爭規則，可能正在被改寫。

把Gemini「凍」進矽片

Frozen v2的核心設計理念，一句話就能說清楚：將Gemini模型的底層架構永久刻入晶片矽基。

傳統AI晶片的工作方式是一條流水線——模型存在記憶體裡，晶片從記憶體抓取權重和架構參數，跑一遍計算，再把結果寫回去。每生成一個token，流水線就要完整轉一輪。大量功耗花在數據搬運上，真正用在計算上的反而不多。

Frozen v2把Gemini的神經網路架構——包括層級結構、注意力機制、殘差連接——在晶片設計階段就「凍」進了電路。這些傳統推理中需要反覆運算和搬移的結構信息，變成了物理電路的一部分。

報導稱，以每單位功耗可處理的token數量衡量，Frozen v2的效率預計達到谷歌現有最新一代自研AI晶片TPU的6至10倍。

代價是什麼？通用性的喪失。

這顆晶片只能相容與設計時採用相同底層架構的Gemini後續版本。谷歌等於在押注一件事：自己會長期沿用當前的Gemini模型架構。

這是個大膽的賭注。但在半導體行業，這個思路有個專門的名字——ASIC（專用積體電路） 。比特幣礦機是ASIC，手機ISP也是ASIC。放棄通用性，換取某一個特定任務上的極致效率。

但此前沒人敢為大模型做ASIC。因為模型迭代太快，晶片設計週期太長，流片還沒走完模型已經過時了。Frozen v2在賭一件事：這個約束已經被打破。

算力焦慮，才是真正的驅動力

谷歌為什麼要冒這個險？

答案只有四個字：算力短缺。

知情人士透露，Frozen v2項目的直接驅動力，是谷歌內部嚴峻的AI算力缺口——這一缺口已引發內部矛盾，甚至迫使谷歌雲不得不拒絕部分外部客戶的合作請求。

這不是小問題。

2026年第一季度，Alphabet營收1099億美元，Google Cloud單季營收首次突破200億美元，同比增長63%。合同積壓從上一季度的2400億美元飆升至4620億美元。

但Q1資本支出357億美元，全年指引上調至1800億到1900億美元——是2025年914億美元的兩倍。管理層已明確表態2027年資本開支還將「顯著增加」。

自由現金流同比跌了47%，只剩101億美元。

6月，Alphabet完成了847.5億美元的股權融資——美國歷史上規模最大的增發之一。巴菲特旗下的波克夏以私募方式認購了其中100億美元。

這筆錢不會花在Frozen v2上——它2028年才量產。這筆錢花在當下：建數據中心、部署第七代Ironwood TPU、繼續從英偉達手裡拿貨。

管理層在Q1電話會議上說得很直白：AI需求前所未有，公司仍然受算力約束，如果產能跟得上，雲收入本來還會更高。

算力不夠——這就是谷歌要把Gemini刻進晶片的根本原因。

AI公司正在集體「造芯」

谷歌不是唯一一個這麼幹的。

今年6月，OpenAI與博通聯合發佈了首款定制AI推理晶片Jalapeño（墨西哥辣椒）。從設計到流片只用了9個月，性能可媲美英偉達Blackwell。博通CEO透露，相比典型AI圖形處理單元，Jalapeño能節省約50%的成本。

7月初，Anthropic被曝正在與三星洽談定制AI晶片合作，評估採用三星2納米製造工藝。

微軟去年發佈了Maia 100晶片。Meta在持續研發MTIA系列。亞馬遜的Trainium和Inferentia早已大規模部署。

甚至DeepSeek也被曝秘密啟動了自研AI晶片項目，方向聚焦推理晶片。

從搜索巨頭到社交帝國，從AI獨角獸到雲服務商——幾乎每一個AI賽道上的重量級玩家，都在硅基世界裡劃下了自己的領地。

為什麼？

博通的定制AI晶片業務增速已經說明了一切：第二財季半導體營收達108億美元，同比增長143%。英偉達目前約占AI晶片市場74%的市佔率，但這塊蛋糕正在被一口一口切走。

AI公司造芯，本質上就兩件事：降本、保供。

通用GPU在處理海量矩陣運算時，存在大量AI任務中非必要的電路和功能。定制ASIC能剝離所有不必要的模組，在特定模型推理時效能提升數倍。

更重要的是——擺脫對英偉達CUDA生態的路徑依賴，把硬體掌控在自己手裡。

說實話……

真正值得關注的，其實不是Frozen v2的效率提升了幾倍。

真正值得關注的是：AI基礎設施的競爭，正在從「模型層」打到「晶片層」 。

過去幾年，AI公司的護城河是模型參數、訓練數據、演算法。現在，護城河正在延伸到晶片設計、供應鏈管理、製造產能。

谷歌把Gemini刻進矽片，OpenAI九個月造出Jalapeño，Anthropic找三星代工——這些動作傳遞同一個信號：算力成本已經痛到讓AI公司不得不自己動手了。

Frozen v2的定位也很耐人尋味。谷歌明確將其視為TPU產品線之外的新分支，而非替代品。目前並無大規模量產計劃，產能規模遠低於TPU。谷歌更多將其視為工程試驗——為工程師積累開發更高專用化晶片的經驗。

換句話說，Frozen v2是一顆「探路石」。它在測試一個問題：大模型的底層架構，是否已經穩定到值得用矽片去記住？

從2023年12月Gemini 1.0發佈到現在的3.5 Flash，底層Transformer架構的核心組件——多頭注意力、前饋網絡、層歸一化——沒有經歷過根本性變化。真正的迭代發生在規模、訓練數據和後訓練優化上。

如果這個趨勢持續，Frozen v2的思路就有可能從「試驗」變成「標配」。

對投資者意味著什麼

Alphabet將在美東時間週三盤後公佈Q2財報。Frozen v2的消息來得正是時候——它在一定程度上安撫了投資者對谷歌鉅額資本支出的擔憂。

但風險同樣存在。

Frozen v2要到2028年才能部署。兩年時間，AI行業可以發生翻天覆地的變化。Gemini的架構會不會出現根本性迭代？競爭對手的定制晶片會不會跑得更快？這些都是未知數。

對英偉達來說，定制晶片的浪潮無疑是個長期威脅。雖然短期內英偉達仍保持性能領先，但當每一個大客戶都在設計自己的晶片時，英偉達的定價能力遲早會受到侵蝕。

對散戶來說，AI投資的邏輯正在變得更加複雜。以前買AI概念股，盯著模型能力和用戶數就行。現在還得看——這家公司有沒有自己的晶片？晶片迭代速度夠不夠快？供應鏈穩不穩定？

谷歌把Gemini刻進矽片，不是因為技術炫技。

是因為算力不夠用、電費太貴、英偉達的晶片供不應求。

Frozen v2真正說明的，是AI行業正在進入一個新階段：軟體公司的護城河，正在從程式碼延伸到晶圓。

未來幾年，我們會看到更多AI公司走上自研晶片的路。這條路投入大、週期長、風險高——但不走這條路，就可能永遠被算力成本掐住喉嚨。

市場將繼續觀察：Alphabet的Q2財報會怎麼談Frozen v2的進展？OpenAI的Jalapeño什麼時候大規模部署？Anthropic和三星的合作能否落地？

以及最重要的——英偉達的74%市佔率，還能撐多久？

FAQ

Q1：Frozen v2和谷歌現有的TPU有什麼區別？

TPU是通用AI加速晶片，能跑各種AI模型；Frozen v2是專用晶片，只為Gemini模型設計，將Gemini的架構直接固化在硬體中。兩條產品線並行發展，Frozen v2不會取代TPU。

Q2：為什麼AI公司都要自己做晶片？

兩個核心原因：降低成本和控制供應鏈。通用GPU在跑AI任務時存在大量非必要電路，能效比未達極限。定制ASIC能針對特定模型極致優化，同時擺脫對英偉達的依賴。

Q3：Frozen v2什麼時候能用到？

谷歌計劃最早於2028年部署Frozen v2晶片。目前該項目仍處於研發階段，谷歌並無大規模量產計劃，更多將其視為技術試驗平台。