Google utvecklar specialchipp för Gemini – sex till tio gånger effektivare
Google arbetar enligt The Information på ett nytt AI-chipp med kodnamnet 'Frozen v2', byggt specifikt för att köra Gemini-modellerna mer effektivt. Genom att baka in delar av modellens arkitektur direkt i kretsen ska chippet leverera 6–10 gånger fler AI-tokens per förbrukad energienhet jämfört med dagens TPU-generation. Google siktar på driftsättning runt 2028, men har inte bekräftat uppgifterna.
Djupdykning
Google försöker lösa ett problem som sällan syns i rubrikerna: varje gång Gemini svarar på en fråga kostar det enorma mängder energi, och den kostnaden skalas upp brutalt när hundratals miljoner användare ställer frågor samtidigt. "Frozen v2" är ett så kallat ASIC-chipp (Application-Specific Integrated Circuit), alltså ett chip byggt för ett enda syfte snarare än ett flexibelt allroundchip – och det är just den specialiseringen som möjliggör de påstådda 6–10 gångerna bättre energieffektiviteten. Det de flesta missar i den här typen av nyheter är att Googles verkliga konkurrensfront inte längre handlar om vem som tränar den smartaste modellen, utan vem som kan drifta den billigast i skala – för det är där marginalerna faktiskt skapas. Nvidia äger just nu hårdvarumarknaden för AI-träning, men inference (det vill säga när modellen faktiskt används och svarar) är ett annat spel där vertikalt integrerade aktörer som Google, Amazon och Microsoft kan köra om genom egenutvecklad kisel. 2028 är långt borta i AI-tid, men om siffrorna stämmer förändrar det kostnadskalkylen för vad det faktiskt kostar att ha en AI-assistent inbyggd i varenda Google-produkt.