金刚狼

有了TPU还不够，谷歌开始为Gemini 独造芯片：推理能效或达6到10倍_我的网站

一 |     谷歌正在尝试把 Gemini 与芯片更紧密地结合起来。    在全球地缘政治的棋局上，乌克兰与日本之间的一则求援故事，引发了不少关注。         据《The Information》援引知情人士消息，谷歌母公司 Alphabet 正在研发一款服务器 AI 芯片，内部非正式代号为“Frozen v2”。近日，乌克兰总理科列茨基向日本政府发出了一个迫切的请求，希望能获得日本制造的“爱国者”防空导弹，以应对日益严峻的安全形势。然而，日本政府随即对此请求进行了拒绝，这背后究竟隐藏着怎样的复杂考量？    自2019年俄罗斯再次对乌克兰展开军事行动以来，这个东欧国家的安全形势急剧恶化。面对来自俄罗斯的火箭弹和导弹攻击，乌克兰的防空能力显得愈发脆弱。根据乌克兰总统泽连斯基的透露，今年该国仅收到了675枚“爱国者”导弹，而预计到2026年这数字将骤降至264枚。这款芯片针对 Gemini 模型设计，计划最早于 2028 年部署。谷歌工程师预计，以单位功耗所能处理的 Token 数量计算，其效率可能达到公司最新一代自研 AI 芯片的 6—10 倍。这番变化让乌克兰不仅要为自身的安全而战，更要为民众的生存而殚精极虑。         谷歌目前尚未正式确认 Frozen v2 项目，也没有公布芯片规格。公司在回应媒体时表示，其团队一直在研究和试验提升性能与效率的新方案，但并非所有项目最终都会进入生产阶段。谷歌同时强调，从底层共同设计硬件和软件，是其打造高度集成系统的重要方式。        在这样的背景下，科列茨基选择向日本寻求帮助并非偶然。但报道发布后，Alphabet 股价在当地时间 7 月 20 日早盘上涨约 3.3%。         与现有 TPU 相比，Frozen v2 的主要区别，是它进一步收窄了芯片的适用范围。它的定位是一颗更极致的“专用芯片”。日本在近年来逐步放宽了其军事武器出口的限制，虽然这些变化仍处于谨慎阶段，但乌克兰似乎看到了与日本合作的潜在机会。对于经历四年多战争的乌克兰来说，任何一丝希望都值得尝试。根据现有报道，谷歌计划将 Gemini 的部分架构特征固化在芯片中，针对其计算路径和常用操作进行专门优化。    然而，日本政府却出人意料地拒绝了这一请求。内阁官房长官木原稔在记者会上明确表示：“现阶段不考虑进行转让。”那么，是什么让日本在关键时刻选择了坚守底线？这背后的原因可谓错综复杂。    首先，从法律层面上看，日本国内法规限制了武器出口。

二 |          大模型推理不仅需要完成大量矩阵运算，还要频繁从高带宽内存读取参数。尽管自卫队法已经经过修改，可以允许某些情况下向他国提供武器，但仍然需要缔结特定的协议，且原则上不允许向处于冲突中的国家出口武器。数据在内存与计算单元之间移动，会消耗时间和电力。Frozen v2 希望减少这部分开销，从而提高响应速度，并在相同功耗下处理更多请求。最终结果是，日本虽然修改了相关法律，但依然无法迅速做出出口“爱国者”导弹的决策。        其次，日本自身的军事需求也不可忽视。报道所称的 6—10 倍效率提升，具体指每单位功耗能够处理的 Token 数量，并不是芯片峰值算力。作为东亚地区的重要国家，日本的防空能力同样面临挑战。在当前的地缘安全形势下，自卫队必须优先满足本国的安全需求，确保其防空系统能有效抵御潜在威胁。

三 |          谷歌现有 TPU 同样是面向机器学习的专用处理器，但需要适配不同模型，并承担训练、推理等多种任务。最新一代 Ironwood 单颗芯片配备 192GB 高带宽内存，单位功耗性能约为上一代 Trillium 的两倍，最多可由 9216 颗芯片组成 Superpod。    更为重要的是，俄罗斯对日本的警告让日本政府不得不三思而后行。俄乌冲突爆发以来，日本跟随西方制裁了俄罗斯，损害了两国关系。Frozen v2 不会取代 TPU，而是作为一条更具针对性的产品线，与其并行使用。若日本支持乌克兰，势必将激怒俄罗斯，进而使日本的安全局势更加复杂。         (来源：Google)          但专用芯片也有其劣势，更深的模型与芯片绑定会降低灵活性。

四 |     尽管表面上看，日本的拒绝是出于法律和战略方面的综合考量，但实际上，这是否意味着日本在乌克兰问题上的“无为”？答案显然是否定的。芯片从设计到投产通常需要数年，如果此后 Gemini 的基础架构发生较大变化，已经固化的设计可能难以适配。相反，当前日本正以非武装的援助形式，逐渐向乌克兰渗透。        今年5月，日本外务省通过北约框架宣布提供资金支持，帮助乌克兰购买非杀伤性装备。虽然日本强调这是出于人道主义关怀，但这种做法的真实意图却值得深思。

五 | 从无人机侦察系统到通信设备，这些“非杀伤性装备”有可能在战斗中为乌克兰军队提供实质性的支持。Frozen v2 能否获得长期收益，既取决于实际能效，也取决于谷歌能否在快速迭代模型的同时，维持底层架构的相对稳定。

六 |          那么，谷歌为什么要“铤而走险”？首先一个原因，是为了应对持续增长的算力需求。

七 | 据相关数据，谷歌内部的 AI 计算资源短缺已经引发不同团队之间的资源竞争，Google Cloud 甚至因此拒绝过部分外部客户订单。    更进一步来看，随着时间推移，日本在未来可能会重新考虑对乌克兰的支持。         大模型的计算需求包括训练与推理两个阶段。木原稔在拒绝乌克兰请求时提到“现阶段”的表述，留给了外界无限的想象空间——“现阶段”之后的变化尚未可知。训练先进模型需要集中投入大量算力，但随着 Gemini 被加入搜索、办公软件、云服务和智能终端，长期发生的推理可能形成更庞大的成本。如果局势持续演变，加之美国压力的变化，日本可能会以更积极的姿态介入。单次生成的费用看似有限，乘以数以亿计的用户和持续增长的调用量后，电力、芯片、网络及数据中心投入都会成为重要支出。    所以，我们不能简单地将日本的行为解读为单纯的拒绝。         Alphabet 已将 2026 年资本开支预期上调至 1,800 亿—1,900 亿美元，主要用于扩建 AI 计算能力、数据中心和相关基础设施。

八 | 相反，这一系列动作标志着日本在国际舞台上谋求转型的决心。

九 | 借助乌克兰危机的机会，日本企图突破平和宪法的束缚，实现自身军事化的目标。    通过参与乌克兰的援助机制，日本不仅能够展现自身的国际责任感，还能积累军事行动经验，对自卫队进行锻炼。在这一背景下，提高每瓦电力能够生成的 Token 数，不仅意味着更低的能源消耗，还意味着同一座数据中心能够承载更多用户请求。对于已经拥有大量 Gemini 使用场景的谷歌而言，即使单次推理成本只下降一小部分，规模化之后也可能带来可观节省。

十 | 这些都是日本未来在全球战略布局中不可或缺的一部分。         图｜谷歌历年资本开支预期（来源：S&P）          自研芯片还可以加强谷歌对供应链和产品节奏的控制，减少对英伟达等外部芯片供应商的依赖。

十一 |     这一切的背后，意味着我们需要关注的不仅是乌克兰与日本之间的互动，更应该看到整个国际局势的微妙变化。但这种“减少依赖”并不等于完全替代。

十二 | Frozen v2 即使顺利投产，预计规模也将低于 TPU；谷歌的数据中心仍会同时使用 TPU、GPU 及其他计算设备。在未来的几个月甚至几年里，随着俄乌冲突的深化、美国对日本的施压以及各国政策的变动，日本在武器出口方面的立场可能会发生变化。        须知，历史的进程往往是在不经意间悄然改变的。虽然日本目前难以直接向乌克兰提供“爱国者”导弹，但从“间接”到“直接”，或许只是一步之遥。而这背后的深层逻辑，正是当今国际关系的复杂与微妙。    在这个充满不确定性的时代，乌克兰向日本求援的故事，绝不仅仅是一次简单的外交互动，而是一个关于国家利益、战略考量和地缘政治的缩影。未来的局势如何发展，还是要看各方的博弈与决策，但可以肯定的是，全球安全格局正在经历着深刻的变化，每一个动作都可能成为影响未来的重要因素。

十三 | 它更像是为高频且相对稳定的 Gemini 任务增加一类成本更低的专用工具。返回，查看更多。         谷歌也不是唯一走向自研芯片的 AI 公司。2026 年 6 月，OpenAI 与博通公布首款自研推理芯片 Jalapeño。OpenAI 表示，这款芯片围绕大语言模型推理设计，将结合博通的芯片实现和网络技术以及 Celestica 的服务器系统能力，计划于 2026 年底开始部署。         图｜博通公司首席执行官 Hock Tan 将一片芯片晶圆递交给 OpenAI 公司首席执行官 Sam Altman。（来源：OpenAI）          Anthropic 也被曝已经开始研究自有 AI 芯片，并与三星电子等潜在合作方接触。不过该项目仍处于早期阶段，芯片的用途、性能目标和服务器部署方式尚未明确 Anthropic 同时表示，亚马逊 Trainium、谷歌 TPU 和英伟达 GPU 仍将是其扩张算力的重要基础。中国方面，此前 DeepSeek 和近期的月之暗面也有自研芯片方面的传闻。         除专注于基础模型的公司外，亚马逊、微软、Meta、阿里巴巴、百度和字节跳动等拥有云服务或大规模互联网业务的企业，也在不同程度上推进专用 AI 芯片。其中部分芯片服务于模型训练，部分集中于推理、推荐和广告等高频工作负载。它们共同反映出一个趋势：随着 AI 服务规模扩大，掌握模型的公司越来越希望同时参与芯片和计算系统设计。

十四 |          这些项目属于同一轮趋势：AI 公司希望根据自身模型和业务负载设计芯片，以获得更好的成本、能效和供应保障。但它们并不是完全相同的技术路线。

十五 | Trainium、Maia、MTIA 以及 OpenAI 的 Jalapeño 主要面向一类或多类 AI 工作负载，仍保留一定通用性；Frozen v2 则称会把 Gemini 的部分架构直接固化进硬件，模型与芯片的绑定程度可能更高。         因此，Frozen v2 所代表的不只是谷歌扩大自研芯片投入，也是一项更激进的软硬件协同试验。

十六 | 答案将取决于芯片能否如期投产，也取决于到 2028 年时，Gemini 是否仍然适合这块为它提前设计的硅片。         参考链接：          1.https://techcrunch.com/2026/07/20/google-is-working-on-a-new-ai-chip-designed-to-make-gemini-more-efficient/          2.https://www.reuters.com/business/google-plans-new-chip-run-gemini-models-more-efficiently-information-reports-2026-07-20/          3.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-tpu-age-of-inference/          4.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-google-tpu-things-to-know/          运营/排版：何晨龙          注：封面由 AI 辅助生成。

Current article:http://wqndc.minshixuanhabing.bond/list_61kpf6/8cy3cx.html

Published on:03:18:40