为什么谷歌正在为其人工智能模型构建定制大脑？

每当你要求人工智能总结一份长文档或生成一段代码时，一个无声的工业过程就开始了。你屏幕上的文字是最终产品，而原材料则是电力和硅。为了生成一段文字，位于爱荷华州或芬兰等地的服务器集群所消耗的电量足以运行一台家用电器数分钟。这些服务器依赖的芯片充当着我们时代的数字原油，为每一次搜索查询和自动化响应提供动力。

目前，对这些数字材料的需求如此之高，以至于供应链正处于崩溃边缘。谷歌现在正试图通过从根本上改变其硬件的工作方式来绕过这一瓶颈。该公司正在开发一种非正式命名为 Frozen v2 的新型服务器芯片，该芯片将 Gemini AI 模型的元素直接整合到物理硬件中。这与计算机通常的工作方式背道而驰。传统上，芯片是一种通用工具，可以运行你给它的任何软件。而谷歌现在正在构建一种在某种意义上是为适应其自身 AI 特定逻辑而“预先定型”的芯片。

数字思维的成本

要理解谷歌为什么要采取这一步，我们必须看看单个 AI Token 的效率。一个 Token 大致相当于一个单词或单词的一部分。当像 Gemini 这样的模型处理信息时，它会将这些 Token 移动通过数层数学计算。在标准设置中，硬件仅在处理器和内存之间来回移动数据就会消耗大量能量。这种移动会产生热量并消耗电力，这转化为公司更高的成本，并最终转嫁给用户。

谷歌云（Google Cloud）最近拒绝了外部客户的业务，因为它的计算能力根本不足以分配。这种产能紧缩是大多数用户从未见过的工业现实。当云供应商拒绝一份合同时，是因为他们的数据中心在物理上已经饱和，或者他们的电费账单正变得不可持续。据 The Information 报道，正是这些内部压力推动了 Frozen v2 的开发。其目标是制造一种芯片，根据每单位功率提供的 Token 数量计算，其效率比当前模型高出 6 到 10 倍。

从实际情况来看，如果谷歌可以用同样的电量提供 10 倍以上的 AI 答案，它就一次性解决了两个问题。它降低了运行 Gemini 的天文数字般的成本，并允许公司在不建造 10 倍数量的数据中心的情况下处理更多用户。对于普通用户来说，这可能就是免费 AI 工具与隐藏在 20 美元月度付费墙后的工具之间的区别。

云端触及物理极限

从历史上看，科技公司通过缩小芯片尺寸并在一个房间里塞进更多芯片来解决速度问题。我们已经达到了这种策略收益递减的临界点。现代 AI 模型非常庞大，需要数千个芯片完美同步工作。如果一个芯片慢了，整个系统就会等待。

谷歌已经在其大部分 AI 工作中使用了自己的张量处理单元（TPU）。这些是专用芯片，但它们仍然足够灵活，可以运行许多不同类型的模型。Frozen v2 的不同之处在于，它不再是一个通用工具，而更像是 Gemini 的专用骨架。通过将模型的特定部分硬连线到硅片中，谷歌减少了芯片“思考”如何处理数据的需求。指令已经存在，蚀刻在硬件本身中。

这种方法有一个显著的权衡。如果工程师在三年内大幅更改 Gemini 模型，硬连线芯片可能会过时。这是一场高风险的赌注，赌注在于 Gemini 目前的架构是未来十年的基础设计。工程师们仍在敲定模型信息中有多少将永久固化在硬件中，这一决定将决定该芯片在 2028 年最终问世时是僵硬的还是灵活的。

Frozen v2 如何改变芯片博弈

在市场方面，此举显然是试图减少对英伟达（Nvidia）等外部供应商的依赖。虽然谷歌构建了自己的 TPU，但世界上大部分设备仍运行在英伟达的 H100 和 H200 处理器上。通过创建一种从根本上与其软件不可分割的芯片，谷歌创建了一个闭环。这使得竞争对手很难匹配他们的效率，因为竞争对手只有软件，而谷歌拥有软件和为运行该软件而构建的专用引擎。

从大局来看，该项目是对波动市场的回应，在这个市场中，每个人都在追逐同样有限的硅供应。在报告发布后，Alphabet 的股价上涨了 3.3%，这表明投资者目前认为自给自足比几乎任何其他事情都重要。市场认识到，拥有最高效硬件的公司将赢得利润战。如果 OpenAI 回答一个问题需要 5 美分，而谷歌只需要 0.5 美分，那么谷歌就拥有了仅靠软件更新几乎无法克服的系统性优势。

追踪从软件到硬件的路径

放大来看，我们可以看到这如何影响产品的生命周期。在新技术的早期阶段，软件更新快而硬件更新慢。开发人员每周都会更改代码，因此硬件需要是一块可以适应的“白板”。随着技术的成熟，软件会趋于稳定的形式。到那时，将软件嵌入硬件才有意义。

我们在视频游戏中看到了这一点。在 20 世纪 90 年代，计算机将通用处理器用于一切。最终，公司创建了图形卡（GPU），其硬连线只做一件事：计算三角形和光线。AI 目前正在经历同样的转型。Frozen v2 是一个新兴信号，表明 AI 不再是一个实验性的软件项目。它正在成为一种基础公用事业，就像电或水一样，其首要任务是大规模且具有成本效益的交付。

有趣的是，彭博社（Bloomberg）最近报道称，谷歌不得不推迟其最新的 Gemini 模型，因为它未能达到内部目标。这凸显了这种转型中的摩擦。如果软件还不完善，将其硬连线到芯片中是一个危险的举动。延迟表明，在将这种形状投入数十亿美元的硅制造运行之前，谷歌仍在完善其 AI 的“形状”。硬件设计中的错误无法通过快速补丁或一夜之间的更新来修复。

2028 年的漫长道路

对于普通用户来说，2028 年似乎是一个漫长的等待过程。在工业硬件领域，四年是一个标准的开发周期。设计芯片、测试架构以及在台积电（TSMC）等代工厂锁定时间需要数年的前置时间。这意味着谷歌今天正在就你在本十年末将使用的 AI 做出决定。

在这些术语背后，核心是韧性。谷歌正试图确保即使全球芯片供应保持紧张，其服务仍能可用。通过制造自己的专用硬件，他们不易受半导体行业周期性的影响。他们正在建造自己的发电厂，而不是从电网购买电力。这种程度的垂直整合虽然昂贵，但它提供了大多数其他科技公司所缺乏的控制力。

从消费者的角度来看，你未必会在手机或浏览器上看到“Frozen v2”的标志。其影响将是无形的。你会注意到 Gemini 响应更快，处理长文档不卡顿，或许还会免费提供更多高级功能。后台发生的重工业——硅的浇筑和电网的优化——正是让轻量化数字体验成为可能的原因。

这对你的月度订阅意味着什么

最终，Frozen v2 的开发提醒我们，AI 不仅仅是一种数字现象。它也是一种物理现象。随着模型变得越来越复杂，硬件必须变得更加专业化才能跟上步伐。这是一个向未来的实际转变，在那个未来，我们的设备不仅是在运行 AI，而且在物理构造上就是由 AI 组成的。

目前，最好的准备方式是观察这些工具如何融入你的日常习惯。随着效率的提高，AI 可能会从一个独立的对话框转移到你使用的每个应用程序的后台。关注成本。如果硬件效率真的实现了十倍的飞跃，我们应该预见到目前订阅价格上涨的趋势会趋于平缓甚至逆转。你应该寻找那些能够证明自己可持续发展的服务，因为那些将是在即将到来的能源和产能紧缩中幸存下来的服务。互联网无形的支柱正在发生变化，其结果将是一个更精简、尽管可能更封闭的数字生态系统。

来源：The Information, Bloomberg News, Alphabet Investor Relations, Google Cloud Official Communications.