O Google está projetando um novo chip servidor, internamente chamado de Frozen v2, que incorpora partes da arquitetura de seus modelos Gemini diretamente no silício. O objetivo estratégico é tornar a execução desses modelos drasticamente mais eficiente, reduzindo custos operacionais e consumo de energia em escala de datacenter.
A Alphabet, controladora do Google, já possui um portfólio extenso e maduro de chips personalizados — as TPUs (Tensor Processing Units), que estão em sua oitava geração e são usadas tanto para treinamento quanto para inferência de modelos. O Frozen v2, no entanto, representa uma abordagem fundamentalmente diferente. Em vez de ser um acelerador genérico para cargas de trabalho diversas de IA, ele é projetado especificamente para otimizar a arquitetura dos modelos Gemini.
A lógica por trás do Frozen v2 é simples no conceito, mas extremamente complexa na execução: se a mesma empresa fabrica tanto o modelo de IA quanto o chip que o executa, por que não projetar o silício para se adequar exatamente às operações matemáticas que o modelo precisa realizar? É o mesmo raciocínio que levou a Apple a desenvolver o Neural Engine para seus modelos de IA no iPhone, mas agora aplicado em escala de datacenter.
O impacto potencial dessa abordagem é significativo. Os modelos Gemini consomem enormes quantidades de poder computacional — e, consequentemente, energia elétrica — durante a inferência. Um chip desenhado sob medida para eles poderia reduzir o custo por consulta em ordens de magnitude, permitindo ao Google oferecer preços mais competitivos no mercado de APIs de IA ou, alternativamente, executar modelos maiores e mais capazes dentro do mesmo orçamento energético.
A tendência que o Frozen v2 cristaliza é clara: à medida que a competição no mercado de IA se intensifica, a diferenciação competitiva está migrando do software para o hardware. Empresas que controlam a pilha completa — do chip especializado ao modelo otimizado — ganham vantagens estruturais de custo que concorrentes dependentes de hardware de terceiros (como NVIDIA) simplesmente não conseguem replicar. O Frozen v2 é a mais recente aposta do Google nessa direção, e seu sucesso ou fracasso dirá muito sobre o futuro da arquitetura de IA nos datacenters da empresa.
Fonte: TechCrunch
