陈墨｜OC 产业与资本编辑

据 TechCrunch 转述 The Information，Google 正开发代号 Frozen v2 的服务器 AI 芯片，目标在 2028 年推出，并被描述为较现有方案提高 6–10 倍效率。Google 没有确认具体产品与数字，只强调软硬件协同路线。

一句话结论： Frozen v2 更可能是一块针对 Gemini 推理工作负载深度定制的芯片，而不是把所有 AI 任务无条件加速十倍；在测试口径公开前，“6–10 倍”只能视为路线目标。

Google 已经有多代 TPU，为什么还要做新芯片？因为 AI 成本正在从训练转向每天数十亿次推理。聊天、搜索摘要和 Agent 都会持续消耗算力，哪怕每次请求只省一点电和延迟，乘上 Google 的规模也会变成巨额成本。

所谓效率可能指每瓦 token、每美元吞吐、延迟或某种模型上的性能，四者不是一回事。专用芯片还可能通过较低精度、固定算子和更紧密的软件编译获得优势，却不一定适合客户的任意模型。没有基准、功耗和对照硬件，不能把 6–10 倍写成已经实现的通用性能。

这条路线的商业意义很明确。Google 同时拥有模型、云、数据中心、编译器和芯片，可以围绕 Gemini 共同优化，减少对 Nvidia 的依赖，也把成本优势留在自家云里。但 2028 年仍很远，芯片流片、封装、内存和软件成熟度任何一环都可能改变计划。

关键事实

• Frozen v2 和 2028 年时间表来自媒体消息，Google 未正式确认。
• 6–10 倍“效率”缺少公开基准与完整比较口径。
• Google 的优势是模型、编译器、数据中心与芯片可以共同设计。

OC 判断

这条新闻真正说明的不是 Nvidia 明天会失去市场，而是头部模型公司正在把推理成本变成芯片问题。未来最强模型未必跑在最通用的硬件上。

为什么重要

• 对开发者： 云端模型价格会越来越受定制芯片影响。
• 对企业： 低价服务可能伴随更深的平台锁定。
• 对用户： 芯片效率最终决定 AI 能否更快、更便宜地持续运行。

参考来源

• TechCrunch 原始报道