Google разрабатывает новый AI-чип Frozen v2: прорыв в эффективности для Gemini

Google работает над новым серверным чипом для искусственного интеллекта. Кодовое название проекта - Frozen v2. По данным издания The Information, этот процессор в 6–10 раз превзойдёт текущие чипы компании по ключевому показателю - количеству обработанных токенов на единицу потребляемой энергии. Релиз запланирован на 2028 год.

Этот шаг - часть большой стратегии. Google, как и другие технологические гиганты, стремится снизить зависимость от сторонних поставщиков оборудования, прежде всего от Nvidia. Собственный чип позволит точнее настроить «железо» под свои модели, в первую очередь - под семейство Gemini, и сократить расходы на вычислительную инфраструктуру.

Что такое Frozen v2 и зачем он нужен Google?

Frozen v2 - это специализированный процессор для серверов. Его задача - выполнять вычисления, необходимые для работы AI-моделей. В отличие от универсальных центральных процессоров или видеокарт, такие чипы проектируются для конкретного типа задач. Это позволяет добиться более высокой скорости и меньшего энергопотребления.

Google создаёт Frozen v2 для своих моделей Gemini. Компания подтвердила, что постоянно экспериментирует с новыми решениями для оптимизации производительности. Разработка собственного «железа» даёт полный контроль над всей цепочкой - от чипа до конечного сервиса. Это критически важно, когда речь идёт о нагрузках масштаба поиска Google, почты Gmail или облачной платформы.

Информация о проекте появилась в издании The Information. В Google не стали детально комментировать планы, но и не опровергли их. В корпорации лишь отметили, что постоянные эксперименты с оборудованием - часть рабочего процесса.

Главная фишка Frozen v2: эффективность на первом месте

Ключевое преимущество нового чипа - энергоэффективность. По данным источников, Frozen v2 сможет обрабатывать в 6–10 раз больше токенов на один ватт энергии по сравнению с текущими чипами Google. Это радикальное улучшение.

Представьте два автомобиля. Оба проезжают 100 километров, но первый тратит на это 10 литров топлива, а второй - всего 1 литр. Второй автомобиль в 10 раз эффективнее. Так же и с чипами: при одинаковом потреблении электричества Frozen v2 выполнит кратно больший объём работы.

Для дата-центров это означает тройную выгоду. Во-первых, прямое снижение счетов за электричество. Во-вторых, уменьшение выделения тепла, а значит, и затрат на охлаждение. В-третьих, снижение углеродного следа от AI-вычислений. В масштабах Google экономия может исчисляться сотнями миллионов долларов в год.

Что такое токены и почему они важны?

Токен - это единица информации, которую обрабатывает AI-модель. Для текста токеном может быть слово, часть слова или даже один символ. Для изображений - фрагмент картинки. Когда вы задаёте вопрос чат-боту, ваш запрос разбивается на токены, модель их обрабатывает и генерирует ответ - тоже в виде токенов.

Количество токенов, которое чип может обработать за секунду, напрямую влияет на скорость ответа. А количество токенов на ватт энергии - на стоимость этого ответа. Чем выше эта цифра, тем быстрее и дешевле работает AI. Поэтому показатель «токены на единицу энергии» стал главным мерилом эффективности в индустрии.

Как Frozen v2 повлияет на работу Gemini и других сервисов Google?

Более эффективный чип напрямую повлияет на пользовательский опыт. Модели Gemini смогут быстрее генерировать ответы, обрабатывать более длинные запросы и работать со сложными задачами - анализом больших документов, генерацией кода, разбором изображений.

Для бизнеса это означает потенциальное снижение стоимости использования AI. Когда вычисления требуют меньше энергии, провайдер может предлагать более низкие цены. Мы уже видели этот эффект на примере оптимизаций, которые позволили снизить общую стоимость владения инфраструктурой до 70%. Google активно движется в этом направлении, автоматизируя переход между моделями и создавая инструменты для быстрого развёртывания AI-агентов.

Рост эффективности также открывает дорогу новым функциям в привычных продуктах. Поиск Google сможет глубже анализировать контекст запроса. Gmail - предлагать более точные и развёрнутые черновики писем. Google Docs - помогать с исследовательской работой в реальном времени. Всё это требует значительных вычислительных ресурсов, и Frozen v2 может сделать их доступнее.

Почему Google, как и другие, создаёт свои чипы?

Google не одинок в стремлении разрабатывать собственное «железо». Amazon имеет линейку чипов Trainium и Inferentia. Microsoft ускоряет разработку собственных AI-процессоров. Meta активно инвестирует в это направление. Причина проста: Nvidia занимает доминирующее положение на рынке AI-ускорителей, и её видеокарты стоят дорого.

Собственный чип решает три стратегические задачи. Первая - экономическая. Закупка десятков тысяч сторонних ускорителей обходится в миллиарды долларов. Разработка своего процессора требует огромных вложений на старте, но в долгосрочной перспективе окупается за счёт тиражирования.

Вторая задача - техническая оптимизация. Сторонний чип универсален. Собственный - заточен под конкретные модели и алгоритмы. Это даёт прирост производительности, которого невозможно добиться на универсальном «железе». Инженеры Google могут изменить архитектуру чипа так, чтобы она идеально подходила под особенности моделей Gemini.

Третья задача - независимость. Полупроводниковая индустрия подвержена сбоям поставок, политическим рискам и ценовым войнам. Собственное производство (даже если оно размещается на мощностях партнёров-фабрик) даёт больше контроля над цепочкой поставок.

Этот тренд касается не только гигантов. Рынок ищет альтернативы Nvidia и для более узких задач. Например, стартап General Compute привлёк $400 млн под залог чипов SambaNova, предназначенных для инференса - выполнения уже обученных моделей. Это первый крупный кредит под специализированные AI-чипы, и он сигнализирует о смене эпохи в AI-инфраструктуре.

Когда ждать Frozen v2 и что может измениться?

Ориентировочная дата выхода - 2028 год. Это долгосрочный план, и в индустрии, где всё меняется за месяцы, три года - это целая вечность. Сроки могут сдвинуться как вперёд, так и назад.

Разработка чипа - сложный многоэтапный процесс. Проектирование архитектуры, создание прототипов, тестирование, отладка, запуск массового производства. На каждом этапе могут возникнуть задержки. Кроме того, Google может изменить спецификации Frozen v2, если за время разработки появятся новые, более перспективные технологии.

Важно понимать: Frozen v2 - не единственный проект Google в этой области. Компания уже использует собственные тензорные процессоры (TPU) в своих дата-центрах. Frozen v2, вероятно, станет следующим поколением этих чипов или дополнит их линейку.

Что это значит для рынка AI-чипов и конкуренции?

Успех Google в создании сверхэффективного чипа усилит давление на Nvidia. Сегодня Nvidia контролирует более 80% рынка AI-ускорителей. Её чипы H100 и готовящийся B200 стали стандартом для обучения больших моделей. Но конкуренция нарастает.

Если Frozen v2 действительно окажется в 6–10 раз эффективнее текущих решений Google, это изменит расстановку сил. Другие облачные провайдеры ускорят собственные разработки, чтобы не отстать. Потребители вычислений - стартапы, исследовательские лаборатории, корпорации - получат более широкий выбор и, как следствие, более низкие цены.

Параллельно развиваются и другие направления. Инженеры Intel ускоряют работу языковых моделей на ноутбучных процессорах с помощью методов спекулятивного декодирования. Hugging Face и Graphcore объявили о партнёрстве, позволяющем разработчикам запускать оптимизированные модели на IPU-процессорах с минимальными изменениями кода. Конкуренция идёт на всех уровнях - от серверных стоек до персональных компьютеров.

В долгосрочной перспективе это означает одно: стоимость AI-вычислений продолжит падать, а доступность - расти. Модели вроде ChatGPT 5.6 уже показывают двукратный прирост скорости в специализированных задачах. Собственные чипы Google, Amazon и Microsoft ускорят этот процесс.

Для обычного пользователя и бизнеса это хорошая новость. AI-сервисы станут быстрее, дешевле и функциональнее. А конкуренция не позволит ни одному игроку диктовать цены на рынке AI-инфраструктуры.