Google разрабатывает специализированный серверный ИИ-чип Frozen v2, целью которого является частичная интеграция архитектуры Gemini прямо в аппаратное обеспечение. Ожидается, что такой подход обеспечит кратный рост энергоэффективности по сравнению с текущими решениями.
Что произошло
Компания Google работает над проектом Frozen v2 — специализированным ИИ-чипом, реализующим стратегию model-in-silicon. Согласно имеющимся данным, развертывание новой архитектуры намечено на 2028 год. Основная техническая задача заключается в том, чтобы добиться 6–10-кратного увеличения энергоэффективности по сравнению с текущими TPU, что позволит значительно увеличить количество обрабатываемых токенов на единицу потребляемой мощности.
Контекст
В настоящее время индустрия полагается на универсальные ускорители, такие как TPU от Google или решения от Nvidia. Однако Google стремится к экстремальной вертикальной интеграции, где архитектурные особенности нейросетей Gemini будут проектироваться с учетом физических параметров конкретного кремния. Это требует от компании обеспечения строгой совместимости будущих программных версий моделей с аппаратной базой чипа.
Почему это важно для индустрии
Переход к специализированной архитектуре model-in-silicon может радикально снизить капитальные затраты на строительство и эксплуатацию дата-центров, а также помочь в решении проблемы дефицита вычислительных мощностей. Это задает новый тренд на глубокую интеграцию софта и железа, усиливая конкуренцию между поставщиками универсальных ускорителей и разработчиками закрытых вертикальных экосистем.
Почему это важно для пользователей
Для конечных пользователей реализация проекта означает, что ИИ-ассистенты станут значительно быстрее и дешевле в использовании, что критически важно для задач, требующих работы в реальном времени, таких как голосовые интерфейсы. При этом стоит учитывать, что архитектура моделей может стать менее гибкой из-за жесткой привязки к аппаратному обеспечению.
Что пока неизвестно / ограничения
Проект находится на ранней стадии разработки, и официальные бенчмарки или детальные технические спецификации архитектуры на данный момент отсутствуют. Информация основывается на отчетах СМИ, и фактические показатели эффективности могут отличаться от прогнозируемых.
Источники
Автор
Look at AI, редакция