Alphabet 把 Gemini 刻進了硅片

AI 芯片的競爭正在進入一個新階段。

芯片開始反過來適配模型，而且是只為單一模型定制。據(jù)報道， Alphabet 正在開發(fā)一款內(nèi)部代號 Frozen v2 的芯片，把 Gemini 模型的核心神經(jīng)網(wǎng)絡架構(gòu)直接固化到硅片的物理電路中。消息發(fā)布當天，Alphabet 股價盤中最高漲 3.7%。一顆兩年后才會量產(chǎn)的芯片，讓市場為一張藍圖買了單。

這不是又一顆 AI 芯片的事，AI 基礎設施的競爭規(guī)則或許發(fā)生了改變。

把架構(gòu)凍進硅片

傳統(tǒng) AI 芯片的工作方式是一條流水線。模型存在內(nèi)存里，芯片從內(nèi)存中抓取權(quán)重和架構(gòu)參數(shù)，在計算單元中跑一遍，再把結(jié)果寫回去。每生成一個 token，流水線就要完整轉(zhuǎn)一輪。大量功耗花在搬運上，花在計算上的反而不多。

Frozen v2 把 Gemini 的神經(jīng)網(wǎng)絡架構(gòu)，包括層級結(jié)構(gòu)、注意力機制、殘差連接，在芯片設計階段就凍進了電路。這些在傳統(tǒng)推理中需要反復運算和搬移的結(jié)構(gòu)信息，變成了物理電路的一部分。知情工程師稱，這顆芯片的單位功耗 token 處理量將比現(xiàn)有 TPU 提升 6 到 10 倍。它獨立于 TPU 產(chǎn)品線，不會取代后者，目標量產(chǎn)時間定在 2028 年。

Frozen v2 固定的是架構(gòu)，權(quán)重可以更新。最初的 Frozen v1 方案由 Google DeepMind 首席科學家提出，試圖連模型權(quán)重一起固化。谷歌后來放棄了這個方案，因為芯片只能跑一個版本的 Gemini，模型一迭代就作廢。Frozen v2 的折中是只鎖骨架不改血肉。截至目前，谷歌尚未最終確定有多大比例的架構(gòu)會被硬編碼進硅片。

這個做法的前提是，Gemini 的架構(gòu)已經(jīng)穩(wěn)定到了值得用硅片去記住的程度。從 2023 年 12 月 Gemini 1.0 發(fā)布到現(xiàn)在的 3.5 Flash，底層 Transformer 架構(gòu)的核心組件，包括多頭注意力、前饋網(wǎng)絡、層歸一化，沒有經(jīng)歷過根本性變化。真正的迭代發(fā)生在規(guī)模、訓練數(shù)據(jù)和后訓練優(yōu)化上。

在半導體行業(yè)，這個思路叫 ASIC。比特幣礦機是 ASIC，手機 ISP 也是 ASIC。放棄通用性，換取某一個特定任務上的極致效率。但此前沒有人敢為大模型做 ASIC，因為模型迭代太快芯片設計周期太長，流片還沒走完模型已經(jīng)過時了。Frozen v2 在賭這個約束已經(jīng)被打破。

一年燒掉 1800 億的底氣

2026 年第一季度，Alphabet 營收 1099 億美元，同比增長 22%。Google Cloud 單季營收首次突破 200 億美元，同比增長 63%。合同積壓從上一季度的 2400 億美元飆升至 4620 億美元。Cloud 運營利潤率 32.9%。

但 Q1 資本支出 357 億美元，全年指引上調(diào)至 1800 億到 1900 億美元，是 2025 年 914 億美元的兩倍。管理層已明確表態(tài) 2027 年資本開支還將顯著增加。自由現(xiàn)金流同比跌了 47%，只剩 101 億美元。6 月，Alphabet 完成了 847.5 億美元的股權(quán)融資，美國歷史上規(guī)模最大的增發(fā)之一。伯克希爾·哈撒韋以私募方式認購了其中 100 億美元。95 歲的巴菲特在 CNBC 采訪中親自確認，這筆投資由他本人推動。

這筆錢不會花在 Frozen v2 上，F(xiàn)rozen v2 要到 2028 年。這筆錢花在當下，建數(shù)據(jù)中心、部署第七代 Ironwood TPU、繼續(xù)從英偉達手里接貨。驅(qū)動 Frozen v2 的直接動因是算力短缺。算力缺口已經(jīng)引發(fā)內(nèi)部資源爭奪，谷歌云甚至被迫拒絕了部分外部客戶。管理層在 Q1 電話會議上說 AI 需求前所未有，公司仍然受算力約束，如果產(chǎn)能跟得上，云收入本來還會更高。

Alphabet 想做的事是讓成本漲得比收入慢。Frozen v2 是這套思路的硬件落腳點。它讓模型設計、芯片設計和云端設計開始互相配合。更好的模型帶出更多使用量，更多使用量需要更多算力，更多算力因為硬件專門為這個工作負載設計而變得更便宜。這個鏈條如果能跑通，Alphabet 就有了一個自己能轉(zhuǎn)起來的經(jīng)濟護城河。

6 月，OpenAI 與博通聯(lián)合發(fā)布自研推理芯片 Jalape?o，計劃年內(nèi)部署。7 月初，Anthropic 被曝正與三星洽談定制芯片合作。Meta 的下一代 AI 芯片 Iris 已排定 9 月投產(chǎn)。谷歌自研芯片業(yè)務的年化收入運行率已突破 200 億美元。AI 模型實驗室正在變成半個半導體公司。

英偉達在云端 AI 訓練和推理芯片市場仍占據(jù)超過 50% 的份額，在純訓練領(lǐng)域超過 95%。全球已有超過 600 萬開發(fā)者在 CUDA 生態(tài)上構(gòu)建應用。SemiAnalysis 的基準測試發(fā)現(xiàn)，盡管 AMD MI300X 紙面規(guī)格更高，實際訓練性能比英偉達 H100 慢了 14%。

Frozen v2 不跟英偉達比誰的 GPU 更強。它做了一件英偉達做不了的事，把芯片和模型深度綁定。英偉達不可能為每個客戶的每個模型定制硅片，Alphabet 可以，因為它只需要為一個模型服務。如果這條路跑通了，AI 推理芯片的最優(yōu)解可能不再是最快的通用 GPU，而是為模型量身定制的硅片。

真正危險的不是現(xiàn)在的英偉達。當谷歌、OpenAI、Anthropic、Meta 每家都用自己的定制芯片跑自己的模型，剩下的那個通用 GPU 市場，未必還能撐起一家萬億市值的公司。

一座 2028 年的橋

Frozen v2 的全部風險都壓在一個假設上，Gemini 的架構(gòu)不會變。

第一個風險是架構(gòu)突變。混合專家模型已經(jīng)在業(yè)界鋪開，狀態(tài)空間模型和其他非 Transformer 范式正在學術(shù)界積蓄勢能。如果 Gemini 4.0 恰好選擇了一條與 Frozen v2 硬編碼方向沖突的路線，這顆芯片就變成了數(shù)十億美元的沉沒成本。

第二個風險是規(guī)模經(jīng)濟。Frozen v2 被定位為小批量內(nèi)部芯片，產(chǎn)銷量遠低于 TPU。在半導體行業(yè)，產(chǎn)量就是一切。如果初始流片和產(chǎn)能攤銷成本過高，即使單顆芯片效率提升了 10 倍，總擁有成本依然可能跑不贏。

第三個風險來自算法側(cè)。如果推理成本通過模型蒸餾、量化、投機解碼等純軟件路徑出現(xiàn)了超預期的大幅下降，F(xiàn)rozen v2 的相對優(yōu)勢就會被壓縮。芯片和算法永遠是兩條平行的效率曲線。Frozen v2 押了芯片贏。

Frozen v2 向行業(yè)傳遞了幾個信號。AI 競爭的重心正從訓練速度轉(zhuǎn)向推理成本。訓練是資本開支，推理是運營開支。資本開支決定誰有資格上牌桌，運營開支決定誰能在桌上坐多久。垂直整合的深度在增加。十年前做 AI 的公司買 GPU，五年前大云廠開始自研通用加速器，現(xiàn)在 AI 公司開始為單一模型定制芯片。每一層都收窄了留給第三方供應商的通用市場。

Alphabet 管理層在 Q1 電話會議上說，“我們在 AI 上的投入，以及全棧式的布局，正在推動整個業(yè)務的表現(xiàn)提升。”Alphabet 在用今天的支出去賭未來的經(jīng)營杠桿。

Frozen v2 最值得關(guān)注的是它背后的選擇。Alphabet 不想只當 AI 容量的買家了，它想做 AI 成本曲線的設計者。（本文首發(fā)鈦媒體APP，作者 | AGI-Signal，編輯 | 秦聰慧）