По данным внутренних источников, Google работает над серверным чипом под кодовым названием Frozen v2. Его суть — архитектура Gemini зашита прямо в железо, а не исполняется на универсальных ускорителях. Ожидаемая эффективность: в 6–10 раз выше нынешних TPU. Выход запланирован на 2028 год. Официального анонса Google не делала — это утечка, но утечка значимая.
Контекст
Google делает собственные AI-ускорители с 2016 года. Серия TPU (Tensor Processing Unit) прошла уже несколько поколений и сегодня лежит в основе большей части AI-инфраструктуры компании. Но TPU — это чипы общего назначения для матричных вычислений: они хорошо работают с любым LLM, но не оптимизированы под конкретную архитектуру.
Frozen v2 меняет логику полностью. Вместо «хорошо для всего» — «идеально для Gemini». Такой подход уже проверен в других контекстах: Neural Engine в чипах Apple ускоряет конкретные ML-операции на порядок эффективнее, чем универсальное ядро CPU. Google хочет то же самое, но в масштабах дата-центра и с фокусом на inference — самую дорогую операцию в производственном AI.
Контекст конкуренции важен: OpenAI объявила о разработке собственного чипа совместно с TSMC, Anthropic инвестирует в аппаратные исследования. Рынок AI-inference инфраструктуры — один из главных полей боя 2025–2028 годов. Кто контролирует железо, тот контролирует стоимость токена.
Аналитика
Inference — это не обучение модели, а её использование: каждый запрос к Gemini, каждый агентный цикл, каждый автоматизированный workflow. Именно на inference уходит большая часть операционных расходов любого AI-сервиса. 6–10-кратный рост эффективности означает прямое снижение стоимости одного токена. А это значит: Google может либо срезать цены на API и выдавить конкурентов, либо удержать цены и забрать маржу себе. Оба варианта создают давление на OpenAI и Anthropic, которые по-прежнему зависят от сторонних чипов — прежде всего NVIDIA.
Сроки — 2028 год — говорят о горизонте, но не об отдалённости события. Чтобы выйти в 2028-м, чип уже сейчас должен быть в стадии активной разработки и частичного silicon validation. Утечка из внутренних источников в этот момент — признак того, что проект вышел за рамки чисто исследовательской фазы. Это структурный стратегический сигнал, а не анонс продукта.
Более широкий тренд: крупные AI-компании последовательно движутся к вертикальной интеграции. Google строит стек «данные → модели → инфраструктура → железо». Если Frozen v2 сработает, компания получает аппаратный ров, который конкурентам придётся обходить годами. Для AI-first бизнесов, выбирающих провайдера, это означает: цена inference на Google Cloud будет и дальше снижаться быстрее рынка.
Кейсы применения в бизнесе
B2B-SaaS стартап с высоким объёмом запросов. Если ваш продукт делает тысячи AI-вызовов в сутки, стоимость токенов уже сейчас составляет значимую часть COGS. Сценарий: начать строить на Gemini API уже сегодня, чтобы к 2028 году органически получить дивиденды от удешевления инфраструктуры без смены провайдера. Плюс — наработать опыт работы с экосистемой Google (Vertex AI, AI Studio, Agent Builder) до того, как Frozen v2 изменит экономику рынка.
Корпорация с legacy-инфраструктурой. Крупные компании медленно мигрируют — и это нормально. Но если ваша организация сейчас выбирает AI-стратегию на 3–5 лет, Frozen v2 — весомый аргумент включить Google Cloud в шортлист для inference-heavy workloads. Особенно если GCP уже используется хотя бы частично: цена интеграции снижается, а выигрыш от более дешёвого inference может окупить миграцию.
SMB и локальный бизнес в КР/СНГ. Прямого эффекта от Frozen v2 в 2026 году нет — чип придёт в 2028-м. Но конкуренция за рынок inference уже сейчас давит на цены API вниз. Для небольшого бизнеса в Кыргызстане, который использует AI-ассистентов, чат-боты или автоматизацию через API, это означает: порог входа продолжит снижаться, и то, что сегодня кажется дорогим, через год-два станет доступным.
Кейсы в личной жизни
Разработчик. Строите side-project или агентное приложение — смотрите на Gemini Flash через Google AI Studio. Уже сейчас это один из самых дешёвых и быстрых inference-вариантов. Конкуренция Google с OpenAI и Anthropic на уровне железа обещает, что этот тренд продолжится. Попробуйте потоковую генерацию и function calling в Gemini — API хорошо задокументирован и доступен бесплатно в базовом тире.
Контент-мейкер и фрилансер. Удешевление inference прямо влияет на инструменты вроде NotebookLM и Gemini Advanced. Если вы ещё не пробовали NotebookLM для работы с длинными документами и транскриптами — сейчас хороший момент. Инструмент построен на Gemini и уже сейчас даёт возможности, которые полгода назад стоили бы в разы дороже.
Студент или исследователь. Frozen v2 — отличная учебная история о вертикальной интеграции в tech и экономике AI-инфраструктуры. Параллели: Apple Silicon, AWS Graviton, Tesla Dojo. Если вы пишете курсовую или статью по AI-экономике — тема «кто контролирует inference, тот контролирует AI-рынок» сейчас актуальна как никогда.
Как применить сегодня
- Зарегистрируйтесь в Google AI Studio и протестируйте Gemini 2.0 Flash — бесплатный тир, низкая задержка, высокий лимит запросов. Хорошая точка входа в экосистему.
- Если вы оцениваете AI-провайдеров для продукта — добавьте в таблицу сравнения колонку «потенциальная динамика цен 2026–2028». Frozen v2 делает Google выглядящим как более дешёвый вариант через 2 года.
- Следите за Google Cloud Next и Google I/O — именно на этих конференциях Frozen v2 может получить официальное подтверждение или дополнительные детали.
- Для AI-first продуктов: включите «стоимость inference через 2–3 года» в финансовую модель. Конкуренция на уровне железа — системный тренд, который уже сейчас снижает цены токенов по всему рынку.