Google crea «Frozen v2», un chip proprietario per far girare Gemini molto più efficacemente

Google starebbe lavorando a un nuovo chip server, chiamato internamente «Frozen v2», progettato per eseguire i suoi modelli di intelligenza artificiale Gemini con un’efficienza senza precedenti. L’idea, rivelata il 20 luglio 2026 dalla testata specializzata *The Information* e poi ripresa da numerose fonti, è tanto audace quanto radicale: incidere l’architettura stessa di Gemini direttamente nel silicio. Risultato sperato, secondo gli ingegneri del progetto: 6-10 volte più token generati per watt rispetto ai chip attuali di Google. È una risposta diretta alla penuria di capacità di calcolo che oggi mette sotto pressione tutto il settore dell’IA — e un segnale forte nella battaglia che oppone Google a Nvidia.

Il principio: «congelare» il modello nel chip

La maggior parte dei chip di IA elabora un modello memorizzato separatamente, prendendo a ogni risposta una moltitudine di decisioni dinamiche. Frozen v2 prenderebbe un’altra strada: integrare direttamente il progetto dell’architettura di Gemini nell’hardware. «Congelando» questa struttura nel silicio, il chip riduce il numero di calcoli da effettuare e accorcia il tragitto dei dati, due grandi fonti di spreco energetico durante la generazione di una risposta.

Sfumatura importante, ed è tutto l’interesse dell’approccio: verrebbero incise le grandi linee dell’architettura, non i «pesi» (i parametri regolati che codificano ciò che il modello ha imparato). Google conserverebbe così una certa flessibilità per far evolvere Gemini, guadagnando enormemente in efficienza — un compromesso che gli osservatori definiscono «cablaggio flessibile».

6-10 volte più token per watt

Il numero avanzato dagli ingegneri è spettacolare: 6-10 volte più token generati per unità di energia rispetto all’ultima generazione di chip proprietari di Google. Poiché il «token» è l’unità di base che un modello di IA elabora (un frammento di parola), questa misura «token per watt» traduce direttamente l’efficienza energetica dell’inferenza, cioè la fase in cui il modello risponde alle vostre richieste. In parole povere: a parità di consumo, un chip Frozen v2 potrebbe rispondere a molti più utenti.

Un complemento ai TPU, non un sostituto

Frozen v2 non segnerebbe la fine dei celebri TPU (Tensor Processing Unit), i chip di IA proprietari di Google. Sarebbe piuttosto un ramo specializzato del suo portafoglio, interamente dedicato all’inferenza di Gemini, mentre i TPU restano processori polivalenti capaci anche di addestrare i modelli. Per inciso, Google ha recentemente distribuito Ironwood, il suo TPU di settima generazione pensato per «l’era dell’inferenza». Frozen v2 si aggiungerebbe a questo arsenale, con un dispiegamento previsto per il 2028 — gli ingegneri stanno ancora finalizzando il design e la quantità esatta di informazioni da congelare nel silicio.

La penuria di calcolo, motore del progetto

Il contesto è decisivo. Google affronta una penuria interna di capacità di calcolo così grave da aver creato tensioni nell’azienda e spinto Google Cloud a rifiutare clienti esterni. La pressione è tale che Google avrebbe accettato, a giugno 2026, di pagare a SpaceX quasi 920 milioni di dollari al mese per accedere a circa 110.000 processori grafici Nvidia, come capacità di riserva per la sua piattaforma Gemini Enterprise. Progettare un chip ultra-efficiente su misura per Gemini mira precisamente ad allentare questa morsa e a ridurre una bolletta energetica diventata colossale.

Sfidare Nvidia e controllare i costi

Oltre all’efficienza, Frozen v2 si inserisce in una strategia più ampia: ridurre la dipendenza da Nvidia, i cui processori grafici dominano il mercato dell’IA, e abbassare il costo di esercizio di Gemini. Controllando il suo silicio dall’inizio alla fine, Google spera di servire la sua IA a costo inferiore e su più larga scala, competendo al contempo con Nvidia sul terreno dei servizi cloud. All’annuncio dell’informazione, l’azione di Alphabet, casa madre di Google, è del resto salita — segno che i mercati vedono in questa efficienza un vantaggio competitivo importante.

Perché il 2028, e perché restare prudenti

Un fattore di efficienza di 6-10 è impressionante, ma bisogna mantenere la lucidità: si tratta ancora di stime interne relative a un chip atteso nel 2028. Il design non è definitivo, e la quantità esatta di informazioni da incidere nel silicio resta da stabilire. Come spesso accade con gli annunci di hardware, il divario tra la promessa e la realtà industriale può essere notevole. Seguiremo questo dossier da vicino.

La corsa dei giganti al silicio proprietario

Google non è sola su questo terreno. Da due anni, tutti i giganti della tecnologia progettano i propri chip di IA per ridurre la dipendenza da Nvidia e controllare i costi. Amazon spinge i suoi chip Trainium e Inferentia per l’addestramento e l’inferenza; Microsoft sviluppa la famiglia Maia; Meta avanza con i suoi acceleratori MTIA; e Apple progetta da sempre i propri processori per i suoi dispositivi. In questo panorama, Frozen v2 segna una radicalizzazione dell’approccio: là dove gli altri progettano chip generici per l’IA, Google inciderebbe un’architettura specifica per il suo modello di punta.

Questa specializzazione estrema è una scommessa. Promette guadagni di efficienza ineguagliati, ma al prezzo di una rigidità: un chip su misura per Gemini serve meno bene un altro modello. È una scelta coerente per un attore che, come Google, controlla il modello, il software e l’hardware — un vantaggio di integrazione verticale che pochi concorrenti possono vantare.

Pesi contro architettura: perché la distinzione conta

Per cogliere cosa rende originale Frozen v2, è utile separare due cose di cui è fatto un modello. L’architettura è il progetto — come sono organizzati gli strati, come l’informazione vi scorre attraverso. I pesi sono i milioni o miliardi di valori regolati che il modello ha imparato durante l’addestramento; sono ciò che rende un modello «più intelligente» di un altro e ciò che viene aggiornato a ogni nuova versione.

Incidere l’architettura nel silicio mantenendo flessibili i pesi è il compromesso astuto. Fissa la parte stabile e strutturale (che cambia di rado) e lascia regolabile la parte che evolve spesso. È per questo che Google può sperare in enormi guadagni di efficienza senza bloccarsi su un’unica versione congelata di Gemini — un equilibrio che i chip puramente «cablati» del passato non hanno mai raggiunto.

Cosa cambia per voi

Non comprerete mai un chip Frozen v2: resterà nei data center di Google. Ma il suo impatto potrebbe essere ben reale per gli utenti. Un’IA meno affamata di energia significa potenzialmente servizi più veloci, meno costosi e più disponibili — e un’impronta ambientale meglio controllata, mentre il consumo di elettricità e acqua dei data center preoccupa un numero crescente di persone. È anche un segnale forte nella guerra dei chip IA, dove Google, Nvidia, Amazon e altri competono per non dipendere più da un unico fornitore.

La posta ambientale merita una pausa. L’esplosione dell’IA generativa ha fatto impennare il consumo di elettricità e acqua dei data center, al punto da diventare un tema politico in diverse regioni. Un chip capace di generare 6-10 volte più risposte a parità di energia non risolverebbe tutto — l’uso complessivo continua a crescere — ma allenterebbe la pressione sulla rete e sul conto in carbonio di ogni richiesta. Per Google, i cui obiettivi climatici sono stati messi a dura prova dalla corsa all’IA, l’efficienza di Frozen v2 è tanto un imperativo economico quanto un argomento ecologico.

Per approfondire, trovate le nostre altre analisi sull’intelligenza artificiale e l’hardware: le nostre notizie IA e hardware su Wanda-techs.

Questa corsa al chip IA proprietario vi sembra decisiva? Ditecelo nei commenti su Wanda-techs.com.