Google ha puesto en marcha el desarrollo de un procesador diseñado exclusivamente para sus modelos de inteligencia artificial Gemini. El proyecto, conocido internamente como Frozen v2, busca integrar parte de la arquitectura del modelo directamente en el silicio, una estrategia que promete reducir drásticamente el consumo energético y acelerar las respuestas del sistema.
SegĂşn informaciones filtradas a The Information y recogidas por varios medios, el nuevo chip podrĂa procesar entre seis y diez veces más tokens por vatio que las actuales TPU de Google. La compañĂa no ha confirmado oficialmente el proyecto, pero los planes apuntan a un posible despliegue a partir de 2028, siempre que supere la fase de evaluaciĂłn en la que se encuentra ahora.
Un chip diseñado a medida para Gemini
A diferencia de las TPU convencionales, que pueden ejecutar distintos modelos y requieren mover grandes cantidades de datos, Frozen v2 fija en los transistores determinadas decisiones estructurales propias de Gemini. Esto reduce el nĂşmero de operaciones necesarias durante la inferencia, es decir, cuando el modelo ya entrenado genera respuestas. El resultado es una mayor velocidad de respuesta y un menor consumo energĂ©tico, dos factores crĂticos en los centros de datos actuales.
El diseño original, impulsado por el cientĂfico jefe de Google DeepMind, Jeff Dean, contemplaba incorporar directamente los pesos del modelo en el chip. Sin embargo, esa opciĂłn habrĂa dejado el hardware obsoleto al actualizar el modelo. Google optĂł por mantener los pesos actualizables por software y fijar solo una parte de la arquitectura. De esta forma, Frozen v2 podrĂa utilizarse con varias versiones de Gemini mientras compartan una estructura comĂşn. La compañĂa aĂşn está decidiendo quĂ© porcentaje del modelo quedará bloqueado en el silicio.
Eficiencia y ahorro energético
Las estimaciones internas indican que Frozen v2 podrĂa ser entre seis y diez veces más eficiente que la generaciĂłn más reciente de TPU de Google en tĂ©rminos de tokens generados por vatio. Esto supone un avance significativo en un momento en que el coste energĂ©tico de la inteligencia artificial se ha convertido en uno de los principales desafĂos del sector. Reducir el consumo por consulta permitirĂa a Google atender más solicitudes sin necesidad de ampliar proporcionalmente su infraestructura.
La producciĂłn prevista de Frozen v2 serĂa mucho menor que la de las TPU tradicionales. Google considera esta generaciĂłn como una prueba para valorar hasta quĂ© punto merece la pena avanzar hacia chips más estrechamente vinculados a modelos concretos. El chip convivirĂa con las TPU de octava generaciĂłn, que ya se dividen en variantes separadas para entrenamiento e inferencia. No se trata de sustituir a toda la familia TPU, sino de crear una soluciĂłn más especializada para determinadas cargas de Gemini, especialmente en servicios donde el volumen de consultas y el coste energĂ©tico son factores decisivos.
La presiĂłn sobre la infraestructura de Google
El desarrollo de Frozen v2 responde tambiĂ©n a una necesidad urgente. SegĂşn las informaciones publicadas, Google Cloud ha llegado a rechazar contratos con clientes externos por falta de capacidad de computaciĂłn disponible. La demanda de servicios de IA ha crecido tan rápido que la compañĂa se ha visto obligada a priorizar recursos entre sus propios productos y los de sus clientes. Un chip más eficiente permitirĂa ampliar la capacidad Ăştil de los centros de datos sin depender Ăşnicamente de nuevas instalaciones.
La estrategia de Google no es un caso aislado. OpenAI trabaja en sus propios chips junto a Broadcom, Meta desarrolla aceleradores internos y NVIDIA ha licenciado tecnologĂa de Groq. La tendencia hacia hardware especializado para modelos concretos se acelera, y Frozen v2 encaja en ese movimiento. La integraciĂłn entre hardware y software es una de las principales ventajas competitivas de Google, que diseña tanto los modelos Gemini como los procesadores sobre los que se ejecutan.
El proyecto Frozen v2 representa un paso más en la apuesta de Google por optimizar su infraestructura de inteligencia artificial. Si las previsiones se cumplen, el chip podrĂa ofrecer una mejora de hasta diez veces en eficiencia, lo que reforzarĂa la rentabilidad de servicios como Gemini y aliviarĂa la presiĂłn sobre Google Cloud. Aunque todavĂa en fase de desarrollo y sin confirmaciĂłn oficial, la iniciativa refleja la importancia que la compañĂa concede a la especializaciĂłn del hardware como factor diferencial frente a competidores como OpenAI, Microsoft o Meta. Todo apunta a que, si llega a producciĂłn en 2028, Frozen v2 marcará un antes y un despuĂ©s en la forma de ejecutar modelos de IA a gran escala.
