Google staví čip, který má Gemini vypálené přímo do křemíku. Bude desetkrát úspornější
Google tajně vyvíjí specializovaný serverový čip s kódovým označením Frozen v2, který má architekturu modelu Gemini zabudovanou přímo v hardwaru. Oproti současným čipům má být šestkrát až desetkrát úspornější — a může zásadně změnit ekonomiku celého AI průmyslu.
Když Google loni představil svou řadu čipů Tensor Processing Unit sedmé generace, analytici si mysleli, že má v rukávu všechno. Teď se ukazuje, že největší zbraň teprve přichází. Podle interních zdrojů citovaných serverem The Information pracuje Google na čipu s kódovým označením Frozen v2, který dělá něco, co zatím žádný velký hráč na trhu nezkusil — vypálí samotnou architekturu AI modelu Gemini přímo do křemíku.
Výsledek? Podle předběžných odhadů šestkrát až desetkrát vyšší energetická účinnost při generování AI odpovědí ve srovnání se současnými TPU čipy. A to je číslo, které může přepsat pravidla hry pro celý AI průmysl.
Co přesně znamená zmrazit architekturu v křemíku
Běžné AI čipy — ať už od Nvidie, AMD nebo samotného Googlu — fungují jako univerzální počítače. Načtete na ně libovolný model, spustíte výpočet a dostanete výsledek. Je to flexibilní, ale ne příliš efektivní. Při každém výpočtu se data přesouvají mezi pamětí a procesorem, což spotřebovává energii a přidává latenci.
Frozen v2 jde opačnou cestou. Místo toho, aby čip byl obecný a model softwarový, zabuduje strukturu neuronové sítě Gemini přímo do obvodů čipu. Vrstvy, spojení mezi neurony, způsob zpracování dat — to vše je pevně dané v hardwaru. Minimalizuje se tím přesun dat a odpadají zbytečné výpočty.
Klíčový detail: Frozen v2 nezamrazí váhy modelu (tedy konkrétní naučené hodnoty), ale jeho architekturu (tedy celkový plán sítě). Nové váhy je možné nahrát dodatečně, takže čip může pracovat s budoucími verzemi Gemini — pokud si zachovají stejnou strukturu. Tento přístup navrhl Jeff Dean, hlavní vědec Google DeepMind, který původně chtěl zamrazit i váhy. Od toho Google ustoupil, protože by čip zastaral s každou novou verzí modelu.
Proč Google potřebuje vlastní křemík víc než kdy dřív
Za projektem Frozen v2 stojí prostý fakt: Google nemá dost výpočetního výkonu. Podle zdrojů blízkých společnosti musel Google Cloud v posledních měsících odmítat externí zákazníky kvůli nedostatku kapacity pro AI úlohy. Každý watt ušetřený na úrovni čipu se v měřítku datových center promítá do milionových úspor.
Současně probíhá další velká investice — Google oznámil zahájení svého nejambicióznějšího trénovacího běhu pro model Gemini 4. Kombinace efektivnějšího inferenčního čipu a silnějšího modelu by mohla Googlu poskytnout výraznou konkurenční výhodu v cenové válce, která na trhu AI modelů zuří od počátku roku.
Důležité je, že Frozen v2 nebude nabízen externím zákazníkům Google Cloud ani partnerům, kteří si pronajímají TPU. Jde o čistě interní projekt zaměřený na snížení nákladů na provoz vlastních služeb Googlu — od vyhledávání přes Gmail až po asistenty s umělou inteligencí.
Co to znamená pro firmy a konkurenci
Pro české podnikatele, kteří využívají AI služby, má tato zpráva několik praktických dopadů. Zaprvé signalizuje, že náklady na AI inferenci budou dále klesat. Pokud Google dokáže provozovat Gemini desetkrát úsporněji, promítne se to do nižších cen API a cloudových služeb. To je dobrá zpráva pro každého, kdo buduje produkty na bázi velkých jazykových modelů.
Zadruhé to zesiluje trend, ve kterém velcí hráči snižují závislost na Nvidii. Google už má vlastní TPU, Amazon vyvíjí čipy Trainium, Microsoft spolupracuje s firmou Maia. Frozen v2 jde ještě dál — nejde jen o obecný AI čip, ale o čip ušitý na míru konkrétnímu modelu. Pokud se tento přístup osvědčí, můžeme očekávat podobné projekty i od ostatních.
Zatřetí je tu otázka rizika. Čip navržený kolem dnešní architektury Gemini může být v roce 2028 zastaralý, pokud se AI modely vyvinou jiným směrem. Google na to vsází vědomě — Frozen v2 je označován jako testovací projekt s menším objemem výroby než běžné TPU.
Čip postavený kolem dnešního Gemini může vypadat zastarale v roce 2028 — ale flexibilita aktualizace vah tento problém částečně řeší.
Zajímavé je, že Google není úplně první. Startup Taalas už nabízí podobnou technologii se svým čipem Hardcore, který údajně dosahuje 17 000 tokenů za sekundu oproti zhruba 150 tokenům na uživatele u špičkových GPU od Nvidie. Pokud se tato čísla potvrdí, mohlo by jít o začátek zcela nové kategorie AI hardwaru.
Praktický pohled: co sledovat
Pro podnikatele, kteří plánují AI strategii na příští roky, jsou klíčové tři věci. Ceny AI inferencí půjdou dolů — hardwarové inovace jako Frozen v2 jsou jedním z důvodů, proč se tokeny zlevňují o desítky procent ročně. Vendor lock-in se prohlubuje — Google si staví čip jen pro sebe, což znamená, že jeho služby budou mít nákladovou výhodu, kterou konkurence na obecném hardwaru těžko vyrovná. A specializace je budoucnost — éra jednoho univerzálního čipu pro všechno pomalu končí.
Google zatím projekt oficiálně nepotvrdil. Nasazení v roce 2028 znamená, že reálné dopady pocítíme nejdříve za dva roky. Ale směr je jasný: budoucnost AI neleží jen v lepších modelech, ale v lepším křemíku pod nimi.