Google plant heimlich, Gemini vollständig abzuschotten: Geheimnisvoller Chip enthüllt – Energieeffizienz übertrifft TPU um das Zehnfache
Plötzlich hat Google nach dem Aufwachen eine Trumpfkarte aus dem Ärmel gezogen!
Laut exklusiver Enthüllung von The Information entwickelt Google einen geheimnisvollen Serverchip mit dem Codenamen „Frozen v2“ – bei dem ein Teil der unterliegenden Architektur des Gemini-Modells dauerhaft in den Siliziumwafer eingraviert wird.
Es läuft nicht auf dem Chip, sondern wächst im Chip.
An dem Projekt beteiligte Google-Mitarbeiter schätzen, dass dieser Chip – gemessen an der Anzahl der pro Watt verarbeitbaren Tokens – 6 bis 10 Mal effizienter sein wird als die neueste Generation von Google-TPUs. Die Bereitstellung ist frühestens 2028 geplant.
Nach der Nachricht stieg der Aktienkurs von Alphabet am Montag um 3,7 % und vertrieb die düstere Stimmung der vergangenen Wochen.
Ein Modell „einfrieren“
Der Name „Frozen“ bedeutet wörtlich: Das Modell wird in den Siliziumwafer „eingefroren“.
Wie radikal ist diese Idee? Sowohl Nvidias GPUs als auch Googles TPUs sind im Wesentlichen universelle Chips – sie können jedes Modell ausführen.
Das klingt flexibel, hat aber einen hohen Preis: Der Chip muss während des Betriebs massenhaft Echtzeitentscheidungen treffen, ständig Daten transportieren und wiederholt prüfen, wohin er gehen und wie er rechnen soll.
Es ist wie eine Küche, die jedes Gericht zubereiten kann: Für jedes neue Gericht muss man erst das Rezept nachschlagen, die Werkzeuge suchen und die Hitze regulieren. Die Effizienz lässt sich erahnen.
Der Frozen v2 wurde ausschließlich für das Gemini-Modell entwickelt.
Er integriert die entscheidenden Entscheidungspfade für Gemini direkt in die Schaltung – der Chip muss nicht mehr „überlegen“, wie er vorgehen soll, weil die Wege bereits im Siliziumwafer gegossen sind.
Weniger Schritte, weniger zu transportierende Daten, weniger zu treffende Entscheidungen. Das entspricht dem Bau eines speziellen Herdes für ein einziges Gericht: Die Größe der Herdplatte, die Position der Kochgeschirre und die Stufen der Hitzeeinstellung sind alle maßgeschneidert.
Jede eingesparte überflüssige Operation führt zu einer echten Verbesserung der Energieeffizienz.
Tatsächlich hat diese Idee bereits Vorläufer. Der ursprüngliche Frozen-Chip wurde von Jeff Dean, dem Chefwissenschaftler von Google DeepMind, geleitet – mit einer noch radikaleren Idee: Die Modellgewichte direkt in den Chip einzubrennen.
Was sind Gewichte? Es handelt sich um die zentralen Parameter, die bestimmen, wie das Modell Fragen beantwortet.
Dieser Plan wurde jedoch auf Eis gelegt: Sobald die Gewichte fest eingebrannt sind, kann der Chip nur eine bestimmte Version von Gemini bedienen – und bei einer Aktualisierung des Modells wäre der Chip unbrauchbar, mit einer absurd kurzen Lebensdauer.
Der Frozen v2 ist ein Kompromiss: Keine Einbrennung der Gewichte, sondern nur die Verfestigung der Architektur. Der unterliegende Berechnungsplan ist fest eingraviert, aber die Gewichte können weiterhin aktualisiert werden.
Das bedeutet, der Chip kann weiterhin verwendet werden, solange die Architektur von Gemini keine großen Änderungen erfährt – und die Parameter neuer Versionen können problemlos geladen werden.
Trotzdem wägt Google intern noch ab, wie viele Funktionen in den Siliziumwafer gesperrt werden sollen: Je mehr gesperrt wird, desto höher ist die Effizienz – aber desto geringer ist die Flexibilität. Dieses Gleichgewicht ist die entscheidende technische Entscheidung des gesamten Projekts.
Getrieben durch die Knappheit an Rechenleistung
Warum geht Google dieses riskante Vorhaben ein?
Die Antwort ist einfach und brutal: Die Rechenleistung reicht einfach nicht mehr aus.
Es handelt sich nicht um eine „leichte Anspannung“, sondern um eine Knappheit, bei der man bereit ist, selbst lukrative Aufträge abzulehnen.
Die Knappheit an Rechenleistung hat in Google bereits heftige Konflikte ausgelöst: Google Cloud muss Aufträge externer Kunden ablehnen – was in einem Unternehmen fast das extremste Signal darstellt.
Im Juni unterzeichnete Google einen Vertrag: Es zahlt SpaceX monatlich 920 Millionen US-Dollar, um die Rechenleistung von 110.000 Nvidias-GPUs zu mieten – mit einer Laufzeit bis 2029.
Eines der weltweit größten Cloud-Computing-Unternehmen muss Rechenleistung von einem Raketenunternehmen mieten – allein dieses Bild zeigt, wie verrückt das Wettrüsten um KI bereits geworden ist.
Google ist nicht allein.
Die gesamte Branche setzt massiv auf Inferenzchips: Startups wie SambaNova und d-Matrix arbeiten daran, ebenso OpenAI und Microsoft. Amazon hat Trainium und Inferentia, Microsoft hat Maia.
Sogar Nvidia kann nicht mehr stillsitzen – im vergangenen Dezember investierte es 20 Milliarden US-Dollar, um die Technologielizenz des Inferenzchip-Unternehmens Groq zu erwerben.
Das Ziel aller ist nur eines: Aus jedem Watt Strom so viele Tokens wie möglich herauszuholen.
Und der Weg, „das Modell fest mit dem Chip zu verdrahten“, wurde bisher nur von dem kanadischen Startup Taalas verfolgt – das bereits über 200 Millionen US-Dollar von Investoren wie Quiet Capital und Fidelity eingesammelt hat.
Jetzt steigt Google selbst in dieses Spiel ein.
Ein großes Wagnis
Aber die zehnfache Energieeffizienz gibt es nicht umsonst. Der Preis ist ein Wort: Starrheit.
Frozen v2 kann nur weiterarbeiten, wenn alle zukünftigen Generationen von Gemini dieselbe unterliegende Architektur verwenden wie bei der Chipentwicklung.
Mit anderen Worten: Google wettet darauf, dass es in den kommenden Jahren keine großen Änderungen an der Konstruktionsweise von Gemini vornehmen muss.
Von reinen Transformern über MoE-Mixture-of-Experts, von reinem Text zu nativer Multimodalität, von dichter Inferenz zu spärlicher Aktivierung – die Iterationsgeschwindigkeit der Modellarchitekturen ist vergleichbar mit der verrücktesten Ära der Mobilfunkbranche.
Google ist sich dieses Risikos bewusst. Deshalb wird Frozen v2 nicht in der gleichen Stückzahl wie TPU hergestellt, sondern ist eher ein begrenztes Experiment: Wenn es gelingt, wird es zu einer Gelddruckmaschine – mit mehrfachen Tokens pro Watt, spart das Rechenzentrum an Strom- und Rackkosten, was zu reinem Gewinn führt. Wenn es scheitert, ist es eine Investition in Wissen, die den Ingenieuren beibringt, wie man spezialisiertere Chips baut und Erfahrungen für die nächste Generation sammelt.
Bemerkenswert ist das Timing. Erst letzte Woche berichtete Bloomberg, dass die Veröffentlichung von Gemini 3.5 Pro wegen unzureichender Leistungen in mehreren Bereichen wie der Programmierfähigkeit zum dritten Mal verschoben wurde.
Google, das auf der Modellebene unter Druck von zwei Seiten steht, schiebt nun mehr Chips auf seine stärkste Verteidigungslinie – den Chip.
Von der Eigenentwicklung von TPUs zur Reduzierung der Abhängigkeit von Nvidia bis heute, wo das Modell direkt im Siliziumwafer fest verankert wird, geht Google immer tiefer auf demselben Weg: Das Ende der Zusammenarbeit von Hardware und Software ist ihre vollständige Verschmelzung.
Der Wettbewerb um KI beginnt, auf physikalischer Ebene zu kämpfen.
Referenzmaterialien:
https://x.com/kimmonismus/status/2079193746944790666?s=20
https://castlecrypto.gg/news/alphabet-shares-rise-following-reports-of-ultra-efficient-ai-chip/
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Xin Zhi Yuan“, Autor: ASI Apokalypse, Redakteur: Solomon, veröffentlicht mit Genehmigung von 36Kr.