Google buduje dedykowany układ AI dla Gemini – inwestorzy już zareagowali

Google buduje chip zaprojektowany do jednego zadania: szybszego i tańszego uruchamiania Gemini.

Chip, o kryptonimie Frozen v2, został zgłoszony przez The Information w poniedziałek i daje Google potencjalną odpowiedź na problem, którego nie może rozwiązać wystarczająco szybko poprzez wydatki: kończy się moc obliczeniowa do obsługi popytu na AI, który już wygenerował.

W marcu Google poinformował Meta, że nie jest w stanie zrealizować wolumenu obliczeń Gemini, które Meta chciała kupić. Meta musiała polecić pracownikom racjonowanie korzystania z AI. Google – wydając w tym roku do 190 miliardów dolarów na infrastrukturę AI – odrzucał klientów, ponieważ nie miał wystarczającej liczby serwerów, aby ich obsłużyć.

Dlatego teraz buduje chip zaprojektowany wyłącznie dla swoich modeli AI.

Niewiele wiadomo o tym nowym chipie, ale zgodnie z konwencją nazewnictwa nie jest to kolejna aktualizacja jednostek Tensor Processing Units (TPU) Google – niestandardowych chipów, które Google buduje od 2015 roku, które zasilają Gemini i usługi Cloud dla zewnętrznych programistów.

Te chipy Tensor uruchamiają każdy załadowany na nie model AI. Frozen v2 robi coś innego. Według raportów, wbudowuje część architektury Gemini – strukturalny plan określający, jak model kieruje i przetwarza informacje – bezpośrednio w sprzęt.

W uczeniu maszynowym „zamrażanie” oznacza trwałe zablokowanie czegoś. Tutaj zamrażana jest architektura, a nie wagi modelu (rzeczywista wiedza, którą Gemini zdobywa podczas treningu, która pozostaje aktualizowalna). Poprzez wbudowanie tego planu w obwody chipa, chip pomija zbędne obliczenia i przestaje przesyłać dane przez pamięć przy każdym zapytaniu. Inżynierowie przewidują sześcio- do dziesięciokrotną poprawę w liczbie tokenów – małych fragmentów tekstu składających się na każdą odpowiedź AI – generowanych na wat zużytej energii elektrycznej.

To różnica między obsługą dziesięciu zapytań przez Google przy koszcie energii jednego.

Jeśli używasz Gemini, Frozen v2 nie zmieni twojego odczucia. Ale zmienia koszt uruchomienia – a tańsze w obsłudze Gemini będzie skuteczniej konkurować z OpenAI, Anthropic i chińskimi laboratoriami, które już odpowiadają za nawet 45% użycia tokenów AI przez amerykańskie firmy, głównie dlatego, że są 60–90% tańsze. Możesz nie mieć tańszej AI, ale Google prawdopodobnie będzie bardziej rentowny.

Akcje Alphabet wzrosły o około 3% podczas poniedziałkowej sesji po tej wiadomości, osiągając 356 dolarów w ciągu dnia. Firma raportuje wyniki za drugi kwartał 2026 roku w środę, 22 lipca, a wzrost osłabł podczas dzisiejszej sesji, gdy inwestorzy czekają na najnowsze wyniki Google.

To kolejna próba dużej firmy AI, aby pozbyć się nadmiernego uzależnienia od sprzętu Nvidii przy opracowywaniu swoich produktów. Nvidia kontroluje około 85% rynku GPU dla AI, a każda duża firma technologiczna chce się od niej uniezależnić.

Sprzęt Nvidii został pierwotnie zaprojektowany do gier wideo, a nie do modeli językowych – działa, ale z narzutem, którego nie mają układy dedykowane. W skali Google'a luka wydajnościowa rzędu 6–10x nie jest abstrakcyjna. To miliardy dolarów. Meta, Amazon, Microsoft i OpenAI mają własne programy układów scalonych właśnie z tego powodu.

Jak Decrypt donosił w marcu, nawet AWS – który zobowiązał się do wdrożenia 1 miliona procesorów graficznych Nvidii do 2027 roku – jednocześnie buduje własne układy, aby ograniczyć tę długoterminową ekspozycję.

Frozen v2 jest wciąż na etapie eksploracji. Kluczowe decyzje projektowe nie są sfinalizowane, Google nie potwierdził istnienia projektu, a układ nie będzie oferowany zewnętrznym klientom Cloud – sprzęt zaprojektowany dla jednego modelu nie może uruchamiać żadnego innego. Według doniesień, wdrożenie planowane jest najwcześniej na 2028 rok.

W międzyczasie Google płaci SpaceX 920 milionów dolarów miesięcznie za wynajem 110 000 procesorów graficznych Nvidii z centrów danych xAI jako rozwiązanie tymczasowe.