Beobachtetes Signal · 20. Juli 2026 · Technical Release · Quelle: CNBC Technology · Relevanz: 4/5 · Sentiment: Neutral
Alphabet entwickelt effizienten „Frozen v2“-KI-Serverchip zur Beschleunigung von Gemini
Alphabet (Google) entwickelt einen internen Serverchip namens „Frozen v2“, um seine Gemini-Modelle zu beschleunigen. Dabei wird ein Teil der Modellarchitektur direkt in das Silizium integriert – ein Konzept, das auf Google/DeepMind-Chefwissenschaftler Jeff Dean zurückgeht. Ziel ist es, Berechnungen und Datenbewegungen zu reduzieren. Ingenieure schätzen, dass der Chip pro Leistungseinheit etwa sechs- bis zehnmal mehr Token verarbeiten kann als aktuelle TPUs. Alphabet plant erste interne Tests um das Jahr 2028 und sieht den Chip als spezialisierte Ergänzung zu den TPUs. Das Projekt soll interne Kapazitätsengpässe beheben, die Google Cloud zuvor zu Auftragsablehnungen und hohen externen Kosten zwangen. Google lehnte eine offizielle Bestätigung ab und verwies auf kontinuierliche Forschungen im Bereich der Hard- und Software-Kodesign-Entwicklung.
Die Entwicklung spezialisierter KI-Serverhardware durch einen Tech-Giganten wie Alphabet kann die Recheneffizienz, Cloud-Kapazitäten und die wettbewerbliche Positionierung bei AI-Infrastruktur maßgeblich beeinflussen.
Marktsignale zu Alphabet in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Alphabet entwickelt den internen Serverchip „Frozen v2“ zur Beschleunigung von Gemini.
- Frozen v2 integriert die Modellarchitektur direkt in das Silizium – eine Idee von Jeff Dean.
- Ingenieure schätzen eine sechs- bis zehnmal höhere Effizienz bei der Token-Verarbeitung pro Leistungseinheit im Vergleich zu aktuellen TPUs.
- Erste interne Tests sind für 2028 geplant; der Chip dient primär als spezialisierte Ergänzung zu TPUs.
- Das Projekt soll Rechenleistungsengpässe mildern, die Google Cloud zu Geschäftsausfällen und externen Kosten zwangen.
Verknüpfte Unternehmen
7 verknüpfte Unternehmen“Alphabet shares climbed 3% on Monday after The Information reported the company is developing a new server chip, internally dubbed "Frozen v...”
“Google engineers project it could serve between six and ten times more tokens per unit of power than the company's newest AI chips, called T...”
“Google DeepMind chief Demis Hassabis is on Capitol Hill this week to pitch lawmakers on a FINRA-style watchdog for AI that would be federall...”
“Alphabet shares climbed 3% on Monday after The Information reported the company is developing a new server chip, internally dubbed "Frozen v...”
“Just last month, Google agreed to pay SpaceX nearly $1 billion a month to help bridge the gap and meet its enterprise compute commitments....”
“The competitive pressure is only building, with recent new releases from Moonshot AI and Alibaba this weekend narrowing the capability gap....”
“The competitive pressure is only building, with recent new releases from Moonshot AI and Alibaba this weekend narrowing the capability gap....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google erweitert Gemini-Portfolio um kostengünstigere Modelle
Google DeepMind hat drei neue Gemini-Modelle veröffentlicht – Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber –, die speziell für die Entwicklung und Ausführung von KI-Agenten konzipiert wurden und signifikante Verbesserungen bei Effizienz, Latenz und Zuverlässigkeit bieten. Gemini 3.6 Flash fungiert als Arbeitstier, verbraucht rund 17 Prozent weniger Token als der Vorgänger und steigert die Leistung bei Coding, Multimodalität und Knowledge-Work. Flash-Lite richtet sich an kostenintensive Workloads mit hohem Volumen, während Flash-Cyber auf das Erkennen und Schließen von Sicherheitslücken spezialisiert ist und zunächst exklusiv für Behörden und ausgewählte Partner verfügbar ist. Zudem testet Google Gemini 3.5 Pro, entwickelt spezialisierte Chips zur Leistungssteigerung und hat das Pretraining für Gemini 4 gestartet.
Google baut TPU-Vorsprung im KI-Computing-Wettlauf gezielt aus
Alphabets hauseigene Tensor Processing Units (TPUs) etablieren sich zunehmend als kosten- und energieeffiziente Alternative zu Nvidia-GPUs. Sie treiben nicht nur Googles Gemini-Modelle an, sondern beschleunigen auch das B2B-Wachstum der Google Cloud. Google stellte die achte TPU-Generation mit separaten Varianten für Training (TPU 8t) und Inference (TPU 8i) vor und verspricht bis zu dreimal schnelleres Training sowie eine um 80 % bessere Cost-Performance. Parallel dazu forciert der Konzern die Kommerzialisierung über Cloud-Vermietung, direkte Hardware-Verkäufe und ein TPU-Cloud-Joint-Venture mit Blackstone. Führende KI-Akteure wie Anthropic und Meta nutzen bereits TPUs im großen Stil. Analysten und Führungskräfte betonen, dass die TPU-Monetarisierung und Effizienzvorteile den Umsatz von Google Cloud signifikant steigern und die Wirtschaftlichkeit von KI-Compute-Infrastrukturen nachhaltig verändern könnten.
Google stellt neue TPU-Generation für KI-Training und -Inferenz vor
Google Cloud hat seine Tensor Processing Units der achten Generation angekündigt und die Produktfamilie in zwei spezialisierte Chips aufgeteilt: den TPU 8t für das Modelltraining und den TPU 8i für die Inferenz. Laut Google bietet der TPU 8t im Vergleich zur vorherigen Generation eine bis zu 2,8- bis 3-mal schnellere Trainingsleistung bei vergleichbaren Kosten, während der TPU 8i eine rund 80 Prozent bessere Leistung pro Dollar bei Inferenz-Workloads erzielt. Zudem lassen sich mehr als eine Million TPUs in einem einzigen Cluster betreiben. Google betont, dass die eigenen Chips Nvidia-GPUs in der Cloud zunächst ergänzen und diese nicht sofort ersetzen werden; Nvidias Vera Rubin GPU soll noch in diesem Jahr verfügbar sein. Flankiert wird dies von einer Kooperation zur Optimierung des Software-basierten Netzwerkstandards Falcon für Nvidia-Systeme. Dieser Schritt positioniert Google Cloud als skalierbare Rechenalternative für große KI-Workloads bei gleichzeitiger Interoperabilität mit Nvidia-Infrastrukturen.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.