Google starebbe lavorando a una nuova generazione di chip per l’intelligenza artificiale destinati a cambiare il modo in cui vengono eseguiti i modelli linguistici di grandi dimensioni. Secondo quanto riportato da Reuters, citando un’esclusiva pubblicata da The Information, il colosso di Mountain View starebbe sviluppando un progetto noto internamente come Frozen v2, un acceleratore progettato per incorporare direttamente nell’hardware alcune componenti del modello Gemini.
L’obiettivo sarebbe ottenere un incremento dell’efficienza energetica compreso tra sei e dieci volte rispetto agli acceleratori AI più recenti sviluppati dall’azienda, con un debutto previsto non prima del 2028. Google, al momento, non ha commentato le indiscrezioni.
Un chip costruito attorno a Gemini
A differenza delle tradizionali GPU o delle TPU general purpose, Frozen v2 rappresenterebbe un approccio radicalmente diverso. Il progetto prevede infatti di trasferire direttamente nel silicio alcune caratteristiche del modello Gemini, così da ridurre il numero di operazioni necessarie durante l’inferenza.
Questo consentirebbe di diminuire la quantità di dati movimentati tra memoria e processore, abbassando in modo significativo il consumo energetico e migliorando la velocità di risposta delle applicazioni AI.
L’architettura non sarebbe destinata a sostituire le Tensor Processing Unit sviluppate da Google, ma ad affiancarle nei workload più ripetitivi e prevedibili, dove l’efficienza energetica rappresenta ormai uno dei principali fattori competitivi.
L’efficienza diventa il vero vantaggio competitivo
Negli ultimi due anni la corsa all’intelligenza artificiale si è concentrata soprattutto sulla potenza di calcolo e sulla disponibilità di GPU NVIDIA. Oggi, però, il problema principale per gli hyperscaler sta diventando il costo operativo dell’inferenza.
Servire milioni di richieste AI ogni giorno richiede enormi quantità di energia elettrica e infrastrutture sempre più estese. Per questo motivo Google starebbe cercando di progettare hardware altamente specializzato, capace di eseguire Gemini con un’efficienza molto superiore rispetto agli acceleratori tradizionali.
Secondo Reuters, il progetto nasce anche dall’esigenza di aumentare la disponibilità di capacità computazionale. In passato Google Cloud avrebbe infatti dovuto rinunciare ad alcuni contratti a causa della scarsità di risorse destinate all’intelligenza artificiale.
Un messaggio anche per NVIDIA
Se il progetto dovesse concretizzarsi, rappresenterebbe un ulteriore passo verso la riduzione della dipendenza degli hyperscaler dalle GPU general purpose.
Google è già uno dei principali sviluppatori di chip proprietari grazie alla famiglia TPU, mentre Amazon dispone dei processori Trainium e Inferentia e Microsoft sta investendo nei chip Maia. Frozen v2 spingerebbe ancora oltre questa strategia, introducendo componenti progettati specificamente attorno a un singolo modello AI.
Per NVIDIA non si tratterebbe di una minaccia immediata, ma della conferma di una tendenza ormai evidente: i grandi provider cloud stanno investendo sempre di più in architetture proprietarie per contenere costi energetici e aumentare il controllo sulla propria infrastruttura.
Google Cloud punta a ridurre i costi dell’inferenza
Un’infrastruttura più efficiente consentirebbe a Google Cloud di offrire servizi Gemini con costi inferiori, migliorando allo stesso tempo margini e capacità disponibile per clienti enterprise.
L’inferenza è infatti destinata a rappresentare la voce di spesa più rilevante dell’intelligenza artificiale nei prossimi anni. Ogni miglioramento nell’efficienza dei chip può tradursi in risparmi per miliardi di dollari quando il modello viene eseguito su scala globale.
Verso un nuovo paradigma dei chip AI
L’ipotesi di incorporare direttamente parte del modello nel processore potrebbe aprire una nuova fase dell’evoluzione dell’hardware AI. In futuro non vedremo soltanto acceleratori sempre più potenti, ma chip progettati attorno a specifiche architetture di modelli.
Questo approccio promette consumi inferiori, maggiore velocità e costi operativi più bassi, ma presenta anche un limite: un hardware fortemente ottimizzato rischia di essere meno flessibile quando i modelli evolvono rapidamente.
Se confermato, Frozen v2 rappresenterebbe uno dei progetti più ambiziosi nella corsa alla nuova generazione di infrastrutture AI, confermando come la competizione tra gli hyperscaler si stia spostando sempre più dal software al silicio.
