Google prepara Frozen v2, un chip diseñado alrededor de Gemini

Google lleva años fabricando procesadores para inteligencia artificial, pero su próximo movimiento podría ir bastante más lejos. Según una información publicada por The Information, la compañía trabaja en Frozen v2, un chip de servidor pensado para ejecutar Gemini con mucha más eficiencia. La diferencia no estaría solo en añadir potencia, sino en adaptar el propio silicio al diseño del modelo. Si el proyecto llega a producción, Google podría reducir el coste de servir millones de consultas, aliviar su escasez de capacidad y depender menos de hardware ajeno. También abriría una nueva fase en la carrera de la IA: modelos y chips diseñados como una única plataforma.

Frozen v2 no sería simplemente otra generación de TPU

Google ya utiliza sus Tensor Processing Units para entrenar y ejecutar Gemini. En 2026 presentó la TPU 8t, orientada al entrenamiento, y la TPU 8i, especializada en inferencia. Esta última combina memoria de gran ancho de banda, más SRAM dentro del chip y sistemas capaces de agrupar hasta 1.152 aceleradores.

Frozen v2 sería un proyecto distinto y todavía temprano. The Information sostiene que incorporaría directamente en el hardware parte del «plano» de Gemini, con el objetivo de multiplicar la eficiencia respecto a los aceleradores actuales. El desarrollo podría responder a una escasez interna de capacidad de cálculo que incluso habría obligado a Google Cloud a rechazar algunos acuerdos con clientes.

Por ahora no existe una ficha técnica ni una confirmación oficial de Google. Conviene tratar el nombre, las prestaciones y el calendario como información provisional, no como un producto anunciado.

Integrar Gemini en el silicio no significa guardar la IA dentro del chip

La expresión «Gemini integrado en el hardware» puede resultar engañosa. No significa que el chip contenga todas las respuestas del modelo ni que funcione sin memoria, servidores o software. Tampoco sabemos qué parte exacta del diseño quedaría fijada físicamente, porque Google no ha publicado la arquitectura.

La interpretación técnica más razonable es que Frozen v2 especializaría unidades de cálculo, movimientos de datos y jerarquías de memoria para patrones utilizados de forma recurrente por Gemini. En un acelerador convencional, el hardware debe conservar suficiente flexibilidad para ejecutar modelos distintos. Un diseño más específico puede eliminar operaciones innecesarias, reducir transferencias y aprovechar mejor cada vatio.

La contrapartida es evidente: cuanto más estrecha sea la relación entre chip y modelo, más difícil puede resultar adaptarlo a cambios profundos en la arquitectura de Gemini. Google tendría que equilibrar eficiencia y flexibilidad en un sector donde los modelos evolucionan rápidamente.

El gran problema ya no es entrenar Gemini, sino ejecutarlo millones de veces

Entrenar un modelo avanzado concentra una enorme cantidad de cálculo durante semanas o meses. Sin embargo, una vez desplegado, comienza una factura distinta: la inferencia. Cada consulta en Gemini, cada resumen en Workspace y cada agente que utiliza herramientas necesita generar tokens en tiempo real. Cuando el servicio alcanza cientos de millones de usuarios, pequeñas mejoras por respuesta se convierten en ahorros enormes.

The Information atribuye a Frozen v2 una mejora proyectada de entre seis y diez veces en eficiencia frente a los chips propios más recientes de Google. Es una estimación interna y aún lejana de una medición comercial, pero explica la ambición del proyecto. Google ya afirma que su TPU 8i ofrece un 80 % más de rendimiento por dólar que la generación anterior; Frozen v2 intentaría dar otro salto mediante una especialización mucho más agresiva.

En Tecnoic ya analizamos cómo Google prepara nuevos chips de IA con Marvell. La dirección es la misma: controlar memoria, cálculo y software para reducir el coste por consulta.

Google quiere controlar toda la pila de inteligencia artificial

La ventaja de Google no está únicamente en Gemini. La compañía controla modelos, centros de datos, Google Cloud, sistemas operativos, buscador, aplicaciones y una familia propia de aceleradores. Diseñar un chip específicamente alrededor de su IA refuerza esa integración vertical.

Apple lleva años demostrando en dispositivos personales que coordinar hardware y software permite optimizar rendimiento y consumo. Google intenta aplicar una lógica parecida a escala de centro de datos. Si Frozen v2 funciona, podría ajustar conjuntamente el modelo, los compiladores, la memoria, la interconexión y el silicio en lugar de adaptar Gemini a una plataforma general.

Eso no implica que vaya a abandonar las GPU de Nvidia. Google seguirá necesitando hardware flexible, capacidad externa y soporte para modelos de clientes en Cloud. Su ventaja estaría en reservar chips extremadamente especializados para cargas internas gigantescas y relativamente estables. La tendencia ya se extiende a Amazon, Microsoft y Meta: cuando el volumen es suficiente, diseñar silicio propio puede resultar más rentable que depender exclusivamente de aceleradores generalistas.

Frozen v2 apunta a 2028 y todavía puede cambiar mucho

Las informaciones disponibles sitúan una posible llegada de Frozen v2 alrededor de 2028. Es un plazo largo para la inteligencia artificial. Antes de entonces pueden cambiar la arquitectura de Gemini, los procesos de fabricación, la memoria disponible e incluso las prioridades económicas de Google.

También existe riesgo de obsolescencia. Diseñar un ASIC avanzado cuesta cientos de millones y obliga a tomar decisiones años antes de utilizarlo. Si el modelo evoluciona en una dirección incompatible, parte de la ventaja prevista puede desaparecer. Por eso resulta significativo que el proyecto se llame informalmente «Frozen»: especializar el silicio exige congelar algunas decisiones mientras el software continúa avanzando.

Aun así, la noticia muestra dónde está el cuello de botella. Google no solo necesita un Gemini más capaz; necesita servirlo a escala sin disparar el consumo ni restringir clientes por falta de cómputo. Como ya expliqué en Tecnoic, los chips de IA compiten cada vez más en vatios. Frozen v2 es, sobre todo, una apuesta por convertir la eficiencia de infraestructura en ventaja competitiva.

Conclusión

Frozen v2 todavía no es un producto confirmado, pero representa una evolución lógica: dejar de diseñar modelos y chips por separado. Si Google consigue integrar ambos sin perder demasiada flexibilidad, podrá abaratar Gemini, ampliar su capacidad y reforzar Google Cloud frente a Nvidia y otros proveedores. La pregunta interesante no es si veremos más chips propios, sino hasta qué punto cada gran modelo terminará ligado a un hardware específico. ¿Crees que esta especialización mejorará la IA o aumentará la dependencia de ecosistemas cerrados?