En resumen
- Se informa que Google está desarrollando un chip de servidor llamado Frozen v2 que integra parte de la arquitectura de Gemini directamente en el silicio.
- Según los informes, los ingenieros proyectan una eficiencia de seis a diez veces mayor que la de los TPU actuales y un objetivo de implementación para 2028.
- Las acciones de Alphabet subieron aproximadamente un 3% durante la sesión de negociación del lunes después de que se difundiera la noticia, antes de los resultados del segundo trimestre de 2026 previstos para el miércoles 22 de julio.
Google está construyendo un chip diseñado para un solo trabajo: ejecutar Gemini más rápido y más barato.
El chip, cuyo nombre en clave es Frozen v2, fue reportado por The Information el lunes y le da a Google una posible respuesta a un problema que no puede resolver rápidamente con dinero: se está quedando sin capacidad para satisfacer la demanda de IA que ya ha generado.
En marzo, Google le dijo a Meta que no podía cubrir el volumen de cómputo de Gemini que Meta quería comprar. Meta tuvo que instruir a sus empleados a racionar su uso de IA. Google—gastando hasta 190 mil millones de dólares en infraestructura de IA este año—estaba rechazando clientes porque no tenía suficientes servidores para atenderlos.
Así que ahora está construyendo un chip diseñado solo para sus modelos de IA.
No hay mucha información sobre este nuevo chip, pero por la convención de nombres no es otra actualización de las Unidades de Procesamiento Tensorial (TPU) de Google—los chips personalizados que Google ha estado construyendo desde 2015 que impulsan Gemini y sus servicios en la nube para desarrolladores externos.
Esos chips Tensor ejecutan cualquier modelo de IA que se les cargue. Frozen v2 hace algo diferente. Según los informes, integra parte de la arquitectura de Gemini—el plano estructural que determina cómo el modelo enruta y procesa la información—directamente en el hardware.
En el aprendizaje automático, "congelar" significa fijar algo permanentemente. Aquí, lo que se congela es la arquitectura, no los pesos del modelo (el conocimiento real que Gemini adquiere mediante el entrenamiento, que permanece actualizable). Al integrar este plano en los circuitos del chip, el chip omite cálculos redundantes y deja de transportar datos a través de la memoria en cada consulta. Los ingenieros proyectan una mejora de seis a diez veces en los tokens—los pequeños fragmentos de texto que componen cada respuesta de IA—generados por vatio de electricidad consumido.
Esa es la diferencia entre que Google sirva diez consultas por el costo de energía de una.
Si usas Gemini, Frozen v2 no cambiará cómo se siente para ti. Pero cambia lo que cuesta ejecutarlo—y un Gemini más barato de ejecutar compite más fuerte contra OpenAI, Anthropic y los laboratorios chinos que ya representan hasta el 45% del uso de tokens de IA de las empresas estadounidenses, en gran parte porque son entre un 60 y un 90% más baratos. Puede que no tengas IA más barata, pero Google probablemente será más rentable.
Las acciones de Alphabet subieron aproximadamente un 3% durante la sesión del lunes con la noticia, tocando los $356 intradía. La compañía reporta sus ganancias del segundo trimestre de 2026 el miércoles 22 de julio, y el repunte se redujo en la sesión de hoy mientras los inversores esperan los resultados más recientes de Google.
Este es otro esfuerzo de una gran empresa de IA para eliminar su excesiva dependencia del hardware de Nvidia para desarrollar sus productos. Nvidia controla aproximadamente el 85% del mercado de GPU para IA, y todas las grandes empresas tecnológicas quieren salir de ahí.
El hardware de Nvidia fue originalmente construido para videojuegos, no para modelos de lenguaje—funciona, pero con una sobrecarga que los chips de propósito específico no tienen. A la escala de Google, una brecha de eficiencia de 6 a 10 veces no es abstracta. Son miles de millones de dólares. Meta, Amazon, Microsoft y OpenAI tienen programas de silicio personalizado exactamente por esa razón.
Como informó Decrypt en marzo, incluso AWS—que se comprometió a desplegar 1 millón de GPU de Nvidia hasta 2027—está construyendo sus propios chips simultáneamente para reducir esa exposición a largo plazo.
Frozen v2 sigue siendo exploratorio. Las decisiones clave de diseño no están finalizadas, Google no ha confirmado que el proyecto exista, y el chip no se ofrecerá a clientes externos de Cloud—hardware cableado para un modelo no puede ejecutar el de nadie más. El despliegue está previsto para 2028 como muy pronto, según los informes.
Mientras tanto, Google está pagando a SpaceX $920 millones al mes para alquilar 110,000 GPU de Nvidia de los centros de datos de xAI como puente.
