Google trabaja en chip Frozen v2 para mejorar eficiencia de Gemini
Hecho Qué ha ocurrido
Google desarrolla internamente un chip especializado llamado Frozen v2 diseñado para optimizar modelos de IA, según The Information. El chip integraría arquitectura de Gemini directamente en el hardware y podría procesar entre 6 y 10 veces más tokens por unidad de energía respecto a las TPU actuales de Google. La compañía tiene previsto lanzar Frozen v2 en 2028 como prueba piloto para escenarios específicos, sin intención de reemplazar sus TPU.
Resumen generado mediante IA a partir de Hipertextual. Naturaleza de la información: rumor no confirmado.
Análisis Por qué importa
Google busca resolver la escasez de poder de cómputo que genera tensiones internas y afecta su competitividad frente a modelos chinos. Un chip especializado permitiría reducir costes operativos y latencias en inferencia, mejorando la rentabilidad de servicios de IA.
- Quién se ve afectado
- Google, proveedores de infraestructura en centros de datos, competidores en IA (OpenAI, Anthropic, fabricantes chinos) y clientes empresariales de servicios de IA en la nube.
- Qué puede cambiar
- Si se materializa, podría cambiar la economía de inferencia en centros de datos y presionar a NVIDIA en el segmento de chips para IA. Abriría precedente para que otros fabricantes lancen chips propios más especializados.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Monitorear si Google mantiene arquitectura estable en Gemini (clave para viabilidad del chip), avances anunciados en 2027-2028, capacidad de fabricación a escala limitada, y reacción de competidores. Señal crítica: si Google escala producción más allá de piloto, indicaría confianza en la estrategia.
Recomendación Qué debería hacer una empresa
Empresas que usan Gemini en producción deberían evaluar en los próximos 12 meses si Google ofrece acceso a hardware Frozen v2 en sus centros de datos, ya que podría reducir costes de inferencia significativamente en 2028-2029.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hipertextual. La referencia es siempre el artículo original.
Ver fuente original ↗chipsTPULLMinferencia GoogleNVIDIAOpenAIAnthropic chips IA Frozen v2 Gemini Google infraestructura
Relacionadas
Google acelera Gemini Nano en Pixel con predicción multi-token sobre modelos congelados
Google Research presenta una técnica que añade un cabezal de Multi-Token Prediction (MTP) a modelos Gemini Nano v3 ya entrenados y congelados, sin modificar…
Por qué importaMejora la eficiencia de la IA on-device sin sacrificar capacidades ni alineamiento de seguridad, algo clave dado el estricto presupuesto energético y…
Google DeepMind publica AlphaChip: IA ya diseña circuitos de chips comerciales
Google DeepMind ha publicado formalmente AlphaChip, un método de aprendizaje por refuerzo que diseña circuitos de chips en horas en lugar de semanas o meses…
Por qué importaLa aceleración del diseño de chips tiene impacto directo en la velocidad de innovación de hardware y la reducción de costes, afectando la…
Google anuncia Gemini 4 Argon, pero aún no está disponible para el público
Google presentó Gemini 4 Argon, su nuevo modelo frontera, aunque todavía no puede usarse externamente. La compañía afirma que ya lo emplean sus ingenieros…
Por qué importaEl anuncio consolida a Google en la carrera por modelos frontera con capacidades avanzadas en ingeniería de software y tareas económicas de largo…
Google presenta Gemini 4 Argon, modelo frontera para programación y ciberdefensa
Google ha presentado Gemini 4 Argon, un modelo con un millón de tokens de salida que logra un 77,9% en DeepSWE v1.1 y un 68% en CWE-bench, liderando ambas…
Por qué importaUn modelo con capacidades punteras en programación y ciberdefensa puede acelerar significativamente tareas de ingeniería de software y seguridad en…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.