Гонка озброєнь у сфері штучного інтелекту виходить за межі програмних алгоритмів, переносячи центр тяжіння в площину глибокої апаратної спеціалізації. Google робить сміливий крок, прагнучи буквально «вшити» логіку своїх нейромереж у структуру кремнію. Такий підхід має на меті розв'язання фундаментальних проблем енергоспоживання та дефіциту обчислювальних потужностей, що стримують масштабування хмарних сервісів. Проєкт Frozen v2 знаменує перехід до епохи тотальної вертикальної інтеграції, де модель і чип стають єдиним організмом.
Сучасна індустрія ШІ зіткнулася зі «стіною» енергоефективності: навіть найдосконаліші універсальні акселератори витрачають колосальну кількість ресурсів на переміщення даних між пам'яттю та обчислювальними ядрами. Відповіддю на цей виклик став розробник спеціалізованого серверного чипа під кодовою назвою Frozen v2 від Google. Його головна особливість полягає в радикальному відході від концепції універсальності. Замість того щоб створювати гнучкий процесор, здатний працювати з будь-якою нейромережею, компанія має намір реалізувати частину логіки моделей Gemini безпосередньо на апаратному рівні.
По суті, йдеться про створення глибоко оптимізованої ASIC (спеціалізованої інтегральної схеми), де структура моделі стає частиною фізичної топології кристала. Це дозволяє мінімізувати програмні накладні витрати та скоротити кількість циклів обчислень під час інференсу — процесу генерації відповідей моделлю. У результаті очікується вражаючий стрибок енергоефективності: від шестикратного до десятикратного зростання порівняно з поточним поколінням тензорних процесорів (TPU).
Для Google цей крок має критичне економічне значення. Вартість обслуговування генеративних моделей зростає експоненціально, а дефіцит обчислювальних потужностей уже став відчутним фактором, що змушує підрозділ Google Cloud відмовлятися від низки корпоративних контрактів. Перехід на Frozen v2 дозволить обробляти значно більшу кількість токенів за того самого рівня енергоспоживання, що фактично знижує собівартість кожного запиту користувача та розширює пропускну здатність усієї інфраструктури.
Важливо розуміти, що Frozen v2 не покликаний замінити існуючі TPU, які залишаться основним інструментом для навчання моделей та вирішення широкого спектра завдань. Новий чип стане вузькоспеціалізованим доповненням, призначеним виключно для обслуговування Gemini. Таким чином, Google вибудовує гібридну систему: універсальні потужності для експериментів і жорстко оптимізовані «рейки» для масового використання.
Однак така стратегія несе в собі серйозний ризик — втрату гнучкості. Коли ключові елементи моделі фіксуються в кремнії, будь-яка радикальна зміна в структурі нейромережі може зробити дороге обладнання застарілим. Розробникам Gemini доведеться або обмежувати еволюцію архітектури моделі, щоб зберегти сумісність із чипами, або готуватися до циклу постійного оновлення апаратного забезпечення при кожному великому апдейті софту.
Тим не менш, проєкт Frozen v2 виглядає логічним продовженням стратегії зі зниження залежності від Nvidia. За останні роки Google успішно вибудувала власну екосистему TPU, розділивши завдання навчання та інференсу на різні типи чипів. Тепер компанія переходить до фінальної стадії вертикальної інтеграції: проєктування моделі та апаратної платформи як єдиного, нерозривного цілого. Перші системи на базі цього підходу можуть з'явитися в дата-центрах не раніше 2028 року, що дає індустрії час усвідомити масштаб майбутнього зрушення від гнучкого софту до «застиглого» у кремнії інтелекту.
Обчислювальний суверенітет та експансія Z.AI
