Google utvecklar nytt "fryst" chip för att köra Gemini AI-modeller mycket mer effektivt

Google utvecklar ett nytt artificiell intelligenschip designat för att köra sina Gemini-modeller mycket mer effektivt, enligt en rapport som först publicerades av tekniska publikationen The Information. Ansträngningen - som The Information sa är internt känd under kodnamnet "Frozen" - ledde till att Alphabet-aktierna blev märkbart högre när investerare satsade på att billigare, snabbare slutsatser skulle kunna skydda Googles marginaler när AI-beräkningskostnaderna stiger.

Rapporten bekräftades och förstärktes snabbt i finansiella medier. Reuters rapporterade att "Google planerar ett nytt chip för att köra Gemini-modeller mer effektivt", med hänvisning till The Information, medan CNBC skrev att "Alphabet-aktien dyker upp på rapporten att det utvecklar ett mer effektivt AI-chip." Bloomberg rapporterade också att "Google delar vinst på rapport om chip för att öka AI-effektiviteten." Den konsekventa marknadsreaktionen understryker hur känsliga investerare har blivit för alla tecken på att ett stort AI-labb kan sänka kostnaderna för att betjäna modeller.

Varför effektivitet nu är viktigare än rå kraft

Chippushen landar i ett ögonblick då ekonomin för AI är under intensiv granskning. Som Tom's Hardware noterade i en separat analys samma dag står branschen inför "den bestående paradoxen med AI-ekonomin" - modellerna blir hela tiden bättre och mer effektiva, men den totala kostnaden för att driva dem kan fortfarande gå utom kontroll när användningen skalar. Problemet är inte träning ensam; det är slutledning, den pågående kostnaden för att svara på varje fråga, som dominerar räkningen när produkter når miljontals användare.

Ett chip specialbyggt för att göra Gemini-inferens billigare skulle ta itu med exakt det trycket. Google betjänar Gemini i konsumentprodukter som Search och dess chatbot samt genom dess molndivision, vilket innebär att även blygsamma effektivitetsvinster leder till stora besparingar i stor skala. Investerare läser tydligt rapporten som ett tecken på att Google avser att försvara den ekonomiska positionen med anpassat kisel istället för att enbart förlita sig på kommersiellt tillgängliga acceleratorer.

Googles långa satsning på Custom Silicon

Frozen-projektet passar väl in i Googles väletablerade strategi att designa sina egna AI-chips. Företaget har i flera år byggt sina Tensor Processing Units, eller TPU:er, som driver både interna arbetsbelastningar och erbjuds molnkunder. Google har också designat anpassat kisel för sina Pixel-telefoner och har arbetat för att krympa AI-modeller så att de kan köras på konsumentenheter snarare än bara i stora datacenter.

Det som enligt uppgift utmärker Frozen-satsningen är dess uttryckliga fokus på effektivitet för att servera Gemini. Medan TPU:er historiskt har optimerats för både träning och slutledning, signalerar ett chip som är specifikt inställt på kostnaden för att svara på frågor var Google tror att nästa konkurrensstrid kommer att utkämpas: inte bara vem som kan bygga den smartaste modellen, utan vem som kan leverera den billigast. Den logiken stämmer överens med ett bredare branschskifte där slutsatskostnad – inte toppkapacitet – i allt högre grad avgör vilka produkter som överlever.

Flytten stramar också åt Googles vertikala integration. Genom att äga modellen, mjukvarustapeln och kislet under den kan Google samdesigna varje lager för de andra på sätt som köpare av off-the-shelf-chips inte lätt kan matcha.

The Wider Chip Rivalry

Google är knappast ensam i loppet. Nvidia fortsätter att dominera marknaden för de mest kraftfulla AI-acceleratorerna, och rivaler inklusive Amazon, som har drivit sina egna anpassade AI-chips, och ett växande fält av nystartade företag har alla kommit fram till att det är viktigt att kontrollera kisel för att konkurrera om kostnader. Googles rapport dök upp en dag då den bredare AI-hårdvaruhistorien var i rörelse: ASML:s planer på att höja priserna på sina avancerade litografimaskiner sades frustrera TSMC, en påminnelse om att hela AI-försörjningskedjan – från maskinerna som skriver ut chips till chipsen som kör modeller – prissätts i realtid.

För Alphabet är det strategiska överklagandet dubbelt. Billigare slutledning skyddar lönsamheten för AI-funktioner som vävs genom dess konsumentprodukter, och det stärker Google Clouds pitch för företagskunder som är intensivt fokuserade på kostnaden för att implementera modeller. Båda är viktiga i en tid då investerare kräver bevis på att det enorma kapitalet som strömmar in i AI-infrastrukturen så småningom kommer att ge varaktiga vinster snarare än en varaktig kapplöpning mot botten.

Vad du ska titta på

Informationens rapport innebär att detaljerna för närvarande är begränsade och Google har inte offentligt bekräftat Frozen-projektet, dess specifikationer eller en tidslinje. Vad som är tydligt är avsikten: Google ser effektiv slutledning som en avgörande konkurrensgräns och är villig att designa dedikerat kisel för att vinna det. Eftersom kostnaden för att köra AI-modeller i allt högre grad avgör vilka produkter som trivs, kommer de företag som kontrollerar sina egna chips – och kan ställa in dem till sina egna modeller – att ha en strukturell fördel.

Signalen för resten av branschen är att AI-chipracet går från en tävling om rå träningskraft till en tävling över kostnad per fråga, och AI hårdvara kan avgöra vinnarna.

Ligg före AI

Anpassat kisel håller tyst på att bli den avgörande faktorn för vem som tjänar på AI. Besök vår hemsida på aibuzzwire.news för löpande bevakning av chips, modeller och ekonomi som formar branschen.

Läs mer AI-nyheter →