Google trabajaría en Frozen v2, un chip de IA dedicado a Gemini grabado directamente en el silicio
¿Y si, mañana, los modelos de inteligencia artificial no solo se ejecutaran en procesadores, sino que estuvieran grabados directamente en el silicio? Este es el desafío que actualmente estaría explorando Google con un proyecto llamado «Frozen v2», según reporta The Information.
Aún en fase de investigación, esta tecnología podría marcar un cambio significativo en el diseño de infraestructuras dedicadas a la inteligencia artificial. En lugar de crear chips que puedan ejecutar cualquier modelo, Google estaría considerando un componente completamente optimizado para Gemini, su IA generativa interna.
Una arquitectura grabada directamente en el chip
Hoy en día, los aceleradores de IA, ya sean GPU o TPU, cargan un modelo en memoria antes de ejecutarlo. Este enfoque ofrece gran flexibilidad, pero implica intercambios constantes entre la memoria y las unidades de cálculo, lo que genera un alto costo energético.
El proyecto Frozen v2 adoptaría una filosofía radicalmente diferente.
Según la información disponible, la arquitectura de la red neuronal de Gemini se integraría directamente en el circuito electrónico del chip. En otras palabras, la estructura del modelo se convertiría en parte del hardware en sí. Los ingenieros aún podrían actualizar los pesos del modelo, es decir, los parámetros resultantes de su entrenamiento, pero su arquitectura general permanecería fija, de ahí el nombre «Frozen».
Sin embargo, en este momento, Google no ha decidido aún el nivel exacto de integración de hardware.
Una eficiencia energética anunciada como espectacular
El principal interés de este enfoque radica en la eficiencia. Según The Information, esta nueva generación de chips podría mostrar una eficiencia energética de seis a diez veces superior a la de los TPU actuales de Google, al medir la cantidad de tokens generados por una misma cantidad de electricidad consumida. Esta mejora representaría una ventaja considerable en los centros de datos, donde los costos de energía y refrigeración siguen en aumento con el auge de la IA generativa.
Según las mismas fuentes, Frozen v2 no reemplazaría a los TPU existentes, sino que representaría una nueva familia de procesadores especializados.
Su puesta en marcha no ocurriría antes de 2028, si el proyecto llega a materializarse.
Una respuesta a la creciente presión sobre las infraestructuras de IA
El cronograma de este proyecto no sería casual. Según The Information, Google enfrenta una fuerte presión sobre sus capacidades de cálculo internas. La demanda en torno a los modelos Gemini sería tal que Google Cloud ya ha tenido que limitar ciertos accesos a clientes externos para preservar sus propios recursos.
En este contexto, cada avance en eficiencia energética se convierte en una palanca estratégica.
Un chip optimizado para un solo modelo permitiría reducir los recursos necesarios para su ejecución, al tiempo que disminuiría los costos operativos a gran escala.
Una estrategia de independencia frente a Nvidia
Frozen v2 también encajaría en una estrategia industrial más amplia. Desde hace varios años, Google está desarrollando sus propias Unidades de Procesamiento Tensorial (TPU) para reducir su dependencia de los GPU de Nvidia. Un chip diseñado específicamente para Gemini llevaría esta lógica aún más lejos.
Así, la empresa buscaría controlar toda la cadena tecnológica, desde el modelo de inteligencia artificial hasta el hardware que lo ejecuta.
Esta integración vertical se está convirtiendo poco a poco en una de las principales formas de diferenciación entre los gigantes de la IA.
Google ya no está solo en este camino
La idea de grabar un modelo directamente en un chip no es del todo nueva. La joven empresa Taalas ya está desarrollando una tecnología similar con una arquitectura llamada Hardcore, que asocia directamente la estructura y los parámetros de un modelo a un circuito especializado.
Según las cifras presentadas por la empresa, este enfoque permitiría alcanzar un rendimiento muy superior al de los GPU generalistas, al mismo tiempo que reduciría considerablemente la necesidad de memoria de alto ancho de banda (HBM), que se ha convertido en uno de los recursos más cotizados de la industria.
Sin embargo, estos resultados aún deben ser confirmados de manera independiente.
Una innovación prometedora… pero aún llena de incertidumbres
Si bien este enfoque abre perspectivas interesantes, también conlleva un gran riesgo: la falta de flexibilidad. El desarrollo de modelos de inteligencia artificial avanza a un ritmo extremadamente rápido. Una arquitectura grabada hoy podría volverse obsoleta en pocos años, incluso si los pesos del modelo siguen siendo actualizables.
Además, Google no ha confirmado ni la existencia ni las características de Frozen v2.
Consultada sobre el tema, la compañía se limitó a indicar que sus equipos están continuamente explorando nuevas arquitecturas con el objetivo de mejorar la eficiencia energética de sus infraestructuras, sin especificar qué proyectos podrían llegar a ser comercializados.
Ya sea que se materialice o no, Frozen v2 ilustra una profunda evolución en la industria de la inteligencia artificial. Después de la carrera por modelos cada vez más potentes, la próxima batalla podría jugarse a nivel de silicio. Las empresas no solo buscarán desarrollar los mejores algoritmos, sino también los chips más adecuadamente adaptados a su funcionamiento. En esta nueva fase de la competencia global, la optimización del hardware podría convertirse en una ventaja tan decisiva como los avances en los propios modelos.
