英国达人秀

A |     谷歌正在尝试把 Gemini 与芯片更紧密地结合起来。    近年来，我市加速装备制造产业转型升级，推动高端装备制造产业强起来、聚起来、融起来，以“新”聚力，“智”造赋能，让“老字号”企业在智能制造的引领下，焕发新生，迈向高质量发展。         据《The Information》援引知情人士消息，谷歌母公司 Alphabet 正在研发一款服务器 AI 芯片，内部非正式代号为“Frozen v2”。这款芯片针对 Gemini 模型设计，计划最早于 2028 年部署。         　　在抚顺机械设备制造有限公司机加车间内，数控机床高速运转，刀具抛撒的切屑上下翻飞，工人们正全神贯注地操作着各类设备。

B | 这里生产的每一件产品都是独一无二的非标产品，每个部件都承载着专属的尺寸和工艺要求。谷歌工程师预计，以单位功耗所能处理的 Token 数量计算，其效率可能达到公司最新一代自研 AI 芯片的 6—10 倍。这些精心雕琢的“艺术品”，正是抚顺制造压力容器在国内舞台上大放异彩的见证。         　　抚顺机械设备制造有限公司的前身是原抚顺机械厂，始建于1950年。

C | 近年来，公司不断创新，成功研制开发了五环煤气化炉、DN1700大型螺纹锁紧式换热器、沸腾床渣油加氢反应器、缠绕管式换热器及MCT悬浮床反应器等一系列“拳头”产品。在超大型加氢设备制造领域，抚顺机械设备制造有限公司不仅创造了国内首台千吨级板-锻复合结构加氢反应器，还接连制造了多台千吨级加矾钢加氢反应器，充分彰显了其在国内高压设备制造领域的领先地位。         　　同样，始建于1937年的抚顺特殊钢股份有限公司，也在智能制造的浪潮中焕发新生。这家以满足国家特殊钢材料需求为己任的企业，曾为新中国的航空航天、国防军工等高科技事业的发展作出了卓越贡献。如今，一批国内领先的技术改造工程陆续投产运行，产品不断升级，为抚顺特钢的发展注入了强大动力。         谷歌目前尚未正式确认 Frozen v2 项目，也没有公布芯片规格。公司在回应媒体时表示，其团队一直在研究和试验提升性能与效率的新方案，但并非所有项目最终都会进入生产阶段。

D |          　　抚顺特钢的高合金小棒材生产线自动化、信息化程度高，产品精度高、规格多。谷歌同时强调，从底层共同设计硬件和软件，是其打造高度集成系统的重要方式。但报道发布后，Alphabet 股价在当地时间 7 月 20 日早盘上涨约 3.3%。         与现有 TPU 相比，Frozen v2 的主要区别，是它进一步收窄了芯片的适用范围。它的定位是一颗更极致的“专用芯片”。这条生产线的建成，打破了抚顺特钢高合金棒线材产能瓶颈，有效提升产品成材率，填补了抚顺特钢线材产品的空白。同时，历时1年多时间，抚顺特钢新建的国内首台2200吨精锻机也喜获热负荷试车成功，正式进入试生产阶段。

E | 根据现有报道，谷歌计划将 Gemini 的部分架构特征固化在芯片中，针对其计算路径和常用操作进行专门优化。

F |          大模型推理不仅需要完成大量矩阵运算，还要频繁从高带宽内存读取参数。数据在内存与计算单元之间移动，会消耗时间和电力。Frozen v2 希望减少这部分开销，从而提高响应速度，并在相同功耗下处理更多请求。报道所称的 6—10 倍效率提升，具体指每单位功耗能够处理的 Token 数量，并不是芯片峰值算力。         谷歌现有 TPU 同样是面向机器学习的专用处理器，但需要适配不同模型，并承担训练、推理等多种任务。这个总投资约4亿多元的项目主要以生产高档锻材为主，年设计产能为5.4万吨。项目投产后，将大大增加抚顺特钢高端产品产能，提升高端产品品质。最新一代 Ironwood 单颗芯片配备 192GB 高带宽内存，单位功耗性能约为上一代 Trillium 的两倍，最多可由 9216 颗芯片组成 Superpod。Frozen v2 不会取代 TPU，而是作为一条更具针对性的产品线，与其并行使用。         (来源：Google)          但专用芯片也有其劣势，更深的模型与芯片绑定会降低灵活性。

G |          　　近年来，从“神舟”系列载人飞船到“嫦娥”探月卫星，多种核心和关键特殊钢材料均由抚顺特钢提供。芯片从设计到投产通常需要数年，如果此后 Gemini 的基础架构发生较大变化，已经固化的设计可能难以适配。目前，抚顺特钢高温合金在航空航天市场占有率高达80%以上，超高强度钢在航空航天市场占有率更是高达95%以上。这得益于抚顺特钢以“三高一特”为核心产品，拥有包括高温合金、超高强度钢、不锈钢、工模具钢、钛合金、合金结构钢、高速工具钢等七大类重点品种，5400多个牌号的特殊钢材料生产经验。         　　我市在大力支持企业加大技术改造投入的同时，也积极推进传统行业推广应用新技术、新模式。Frozen v2 能否获得长期收益，既取决于实际能效，也取决于谷歌能否在快速迭代模型的同时，维持底层架构的相对稳定。         那么，谷歌为什么要“铤而走险”？首先一个原因，是为了应对持续增长的算力需求。

H | 鼓励重点“老企业”实施设备更新和生产线升级，瞄准提升产品质量、降低生产成本、提高安全生产能力等不断优化工艺流程。一批像抚顺机械设备制造有限公司和抚顺特殊钢股份有限公司的“老字号”企业正焕发出全新活力，以智能制造为引领，迈向高质量发展之路。据相关数据，谷歌内部的 AI 计算资源短缺已经引发不同团队之间的资源竞争，Google Cloud 甚至因此拒绝过部分外部客户订单。         大模型的计算需求包括训练与推理两个阶段。                   责任编辑：刘春阳。训练先进模型需要集中投入大量算力，但随着 Gemini 被加入搜索、办公软件、云服务和智能终端，长期发生的推理可能形成更庞大的成本。

I | 单次生成的费用看似有限，乘以数以亿计的用户和持续增长的调用量后，电力、芯片、网络及数据中心投入都会成为重要支出。         Alphabet 已将 2026 年资本开支预期上调至 1,800 亿—1,900 亿美元，主要用于扩建 AI 计算能力、数据中心和相关基础设施。在这一背景下，提高每瓦电力能够生成的 Token 数，不仅意味着更低的能源消耗，还意味着同一座数据中心能够承载更多用户请求。对于已经拥有大量 Gemini 使用场景的谷歌而言，即使单次推理成本只下降一小部分，规模化之后也可能带来可观节省。

J |          图｜谷歌历年资本开支预期（来源：S&P）          自研芯片还可以加强谷歌对供应链和产品节奏的控制，减少对英伟达等外部芯片供应商的依赖。但这种“减少依赖”并不等于完全替代。Frozen v2 即使顺利投产，预计规模也将低于 TPU；谷歌的数据中心仍会同时使用 TPU、GPU 及其他计算设备。

K | 它更像是为高频且相对稳定的 Gemini 任务增加一类成本更低的专用工具。         谷歌也不是唯一走向自研芯片的 AI 公司。2026 年 6 月，OpenAI 与博通公布首款自研推理芯片 Jalapeño。OpenAI 表示，这款芯片围绕大语言模型推理设计，将结合博通的芯片实现和网络技术以及 Celestica 的服务器系统能力，计划于 2026 年底开始部署。         图｜博通公司首席执行官 Hock Tan 将一片芯片晶圆递交给 OpenAI 公司首席执行官 Sam Altman。

L | （来源：OpenAI）          Anthropic 也被曝已经开始研究自有 AI 芯片，并与三星电子等潜在合作方接触。

M | 不过该项目仍处于早期阶段，芯片的用途、性能目标和服务器部署方式尚未明确 Anthropic 同时表示，亚马逊 Trainium、谷歌 TPU 和英伟达 GPU 仍将是其扩张算力的重要基础。

N | 中国方面，此前 DeepSeek 和近期的月之暗面也有自研芯片方面的传闻。         除专注于基础模型的公司外，亚马逊、微软、Meta、阿里巴巴、百度和字节跳动等拥有云服务或大规模互联网业务的企业，也在不同程度上推进专用 AI 芯片。其中部分芯片服务于模型训练，部分集中于推理、推荐和广告等高频工作负载。

o | 它们共同反映出一个趋势：随着 AI 服务规模扩大，掌握模型的公司越来越希望同时参与芯片和计算系统设计。         这些项目属于同一轮趋势：AI 公司希望根据自身模型和业务负载设计芯片，以获得更好的成本、能效和供应保障。

p | 但它们并不是完全相同的技术路线。Trainium、Maia、MTIA 以及 OpenAI 的 Jalapeño 主要面向一类或多类 AI 工作负载，仍保留一定通用性；Frozen v2 则称会把 Gemini 的部分架构直接固化进硬件，模型与芯片的绑定程度可能更高。

q |          因此，Frozen v2 所代表的不只是谷歌扩大自研芯片投入，也是一项更激进的软硬件协同试验。

r | 答案将取决于芯片能否如期投产，也取决于到 2028 年时，Gemini 是否仍然适合这块为它提前设计的硅片。         参考链接：          1.https://techcrunch.com/2026/07/20/google-is-working-on-a-new-ai-chip-designed-to-make-gemini-more-efficient/          2.https://www.reuters.com/business/google-plans-new-chip-run-gemini-models-more-efficiently-information-reports-2026-07-20/          3.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-tpu-age-of-inference/          4.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-google-tpu-things-to-know/          运营/排版：何晨龙          注：封面由 AI 辅助生成。