摘要： 《The Information》於 7 月 20 日報導 Google 正開發代號 Frozen v2 的伺服器晶片，目標是讓 Gemini 更省電，預計 2028 年推出，能效有機會達現有 AI 晶片的六到十倍。Google 未承認也未否認；文章提醒 2028 年前技術選型仍應以 TPU 與既有 GPU 路線為主。
《The Information》在 7 月 20 日披露，Google 手上有一款代號 Frozen v2 的伺服器晶片正在開發中，目的很單一：讓 Gemini 模型吃電吃得更少。面對詢問，Google 既不承認也不否認，回了一紙標準聲明；市場倒是先有了動作——消息見刊後，Alphabet 股價在週一上午漲了約 3%，這個時點剛好卡在當週財報之前。
專為 Gemini 打造的一顆晶片
這裡的重點不在於「Google 又做了一顆 TPU」，而在設計前提整個換了。過去的 TPU 屬於通用型加速器，得同時扛下 Google 各式各樣的負載；報導裡 Frozen v2 的定位則是被 Gemini 專門訂做，模型本身的特性直接成為硬體設計的既定條件。The Next Web 的說法是「把 Gemini 燒進矽裡」，一句話點出這條路線的性格。Google 的官方回應一如往常：「團隊持續研究與實驗各種創新，以追求最大效能」，後面再補上「不是每個專案都會進入量產」——等於承認專案真實存在，同時也替自己留了下車的空間。
能效目標：六到十倍
報導列出的數字是這樣：Frozen v2 預計 2028 年推出，能效有機會達到 Google 現有 AI 晶片的六到十倍，計算方式看的是每單位電力能產出多少 token。選這個指標本身就帶著訊息——下一個戰場是推理，不是訓練。當應用層與代理型工作負載把 token 用量往上推了好幾個量級，每個 token 要付多少電費，會直接寫進服務的毛利裡。
自研晶片軍備競賽
Frozen v2 並非孤例。OpenAI 已在 6 月端出第一款自研晶片，是與 Broadcom 合作、瞄準推理的處理器 Jalapeño；Anthropic 方面則有與三星洽談晶片合作的傳聞。雙方的動機講得毫不含糊：減少對 NVIDIA 的倚賴，順便讓算力短缺鬆一口氣。當訓練需求與推理需求雙雙超出供給，自研晶片的身分就從「成本最佳化選項」升級成「供應鏈保險」。
資本支出與市場反應
把鏡頭拉遠，背景數字一樣嚇人：Alphabet 打算在 AI 建設上砸下 1,800 至 1,900 億美元，而投資人對這個支出規模的疑慮始終沒散。Frozen v2 的能效敘事正好對上這份疑慮——重點不是少花錢，而是讓同一度電擠出更多 token。股價 3% 的漲幅說明市場這回願意買帳，接下來要看的，是財報上的數字以及 2028 年能不能真的兌現。
對開發者的意義
有三件事。其一，時程訂在 2028 年，代表眼前的技術選型不需要空等：未來兩年，TPU 與既有 GPU 路線依然是主力。其二，推理能效的競爭最後會反映在更便宜的 token 價格上，Gemini 系列 API 的長期成本曲線值得納入比價清單。其三，假如「替單一模型客製晶片」變成常態，模型與基礎設施之間的綁定會更緊，這時多供應商策略的價值不減反增。