7月20日消息称，谷歌正开发代号“Frozen v2”的新型服务器芯片，将Gemini模型部分元素直接固化于硬件，预计2028年部署，推理效率较现有TPU提升6-10倍，旨在缓解AI算力短缺导致的内部紧张与云业务拒单现象。[[1]](https://www.reuters.com/business/google-plans-new-chip-run-gemini-models-more-efficiently-information-reports-2026-07-20/)
这一动作置于大模型公司普遍陷入“算力—能耗—成本”三角困境的背景下。OpenAI与Anthropic高度依赖微软、亚马逊云，Meta则自研MTIA加速器，苹果也在推进自研硅。谷歌此举并非取代TPU，而是开辟新赛道，反映 hyperscaler 必须向下游硬件延伸才能维持利润率与交付能力。
对比之下，中国玩家如阿里、华为正通过国产芯片与模型协同降低依赖，而美国初创公司多无力负担芯片设计，融资潮后更依赖外部算力租赁。谷歌的垂直整合将进一步拉大与依赖API租用者的差距，同时加剧电力基础设施压力——数据中心已成为新瓶颈。
未来12个月，类似自研芯片项目或成标配，但谁能率先解决能耗与供应链瓶颈，将决定下一轮竞争格局。谷歌能否借此扭转Gemini在编码与多模态上的相对滞后，仍待观察。
信源：
https://www.reuters.com/business/google-plans-new-chip-run-gemini-models-more-efficiently-information-reports-2026-07-20/
https://www.theinformation.com/articles/google-plans-new-frozen-chip-run-ai-models-efficiently (2026-07-20)