Google está diseñando un nuevo chip para servidores, denominado internamente Frozen v2, que incorpora partes de la arquitectura de sus modelos Gemini directamente en el silicio. El objetivo estratégico es hacer que la ejecución de estos modelos sea drásticamente más eficiente, reduciendo costos operativos y consumo de energía a escala de centro de datos.
Alphabet, la empresa matriz de Google, ya posee una cartera extensa y madura de chips personalizados — las TPU (Tensor Processing Units), ahora en su octava generación y utilizadas tanto para entrenamiento como para inferencia de modelos. Frozen v2, sin embargo, representa un enfoque fundamentalmente diferente. En lugar de ser un acelerador genérico para diversas cargas de trabajo de IA, está diseñado específicamente para optimizar la arquitectura del modelo Gemini.
La lógica detrás de Frozen v2 es simple en concepto pero extremadamente compleja en ejecución: si la misma empresa fabrica tanto el modelo de IA como el chip que lo ejecuta, ¿por qué no diseñar el silicio para que se ajuste exactamente a las operaciones matemáticas que el modelo necesita realizar? Es el mismo razonamiento que llevó a Apple a desarrollar el Neural Engine para sus modelos de IA en el iPhone, pero ahora aplicado a escala de centro de datos.
El impacto potencial de este enfoque es significativo. Los modelos Gemini consumen enormes cantidades de potencia computacional — y, en consecuencia, energía eléctrica — durante la inferencia. Un chip diseñado a medida para ellos podría reducir el costo por consulta en órdenes de magnitud, permitiendo a Google ofrecer precios más competitivos en el mercado de API de IA o, alternativamente, ejecutar modelos más grandes y capaces dentro del mismo presupuesto energético.
La tendencia que Frozen v2 cristaliza es clara: a medida que la competencia en el mercado de IA se intensifica, la diferenciación competitiva se está desplazando del software al hardware. Las empresas que controlan la pila completa — del chip especializado al modelo optimizado — obtienen ventajas estructurales de costo que los competidores que dependen de hardware de terceros (como NVIDIA) simplemente no pueden replicar. Frozen v2 es la apuesta más reciente de Google en esta dirección, y su éxito o fracaso dirá mucho sobre el futuro de la arquitectura de IA en los centros de datos de la empresa.
Fuente: TechCrunch
