Alphabet מפתחת שבב Frozen v2 יעיל פי 6-10
גוגל מפתחת את Frozen v2, שבב AI מותאם אישית למודלי Gemini עם יעילות של פי 6-10 משבבי ה-TPU הנוכחיים. השבב צפוי להגיע למרכזי הנתונים ב-2028. החדשות קפצו את מניית Alphabet ב-3%, על רקע תוכנית השקעות ענק של 180-190 מיליארד דולר בתחום ה-AI.
משקיעי Alphabet קיבלו ביום שני תזכורת למה החברה משקיעה מיליארדים בשבבים מותאמים אישית: מניית החברה קפצה ב-3% אחרי דיווח שגוגל מפתחת שבב AI חדש בשם Frozen v2, שתוכנן במיוחד למודלי Gemini. לפי ההערכות, השבב החדש יהיה יעיל פי 6-10 משבבי ה-TPU הנוכחיים של גוגל — במדד של טוקנים ליחידת אנרגיה. החדשות הגיעו יומיים לפני פרסום תוצאות הרבעון השני, והשוק אהב את הכיוון.
שבב עם מודל "חקוק" בסיליקון
הפתרון של Frozen v2 משלב את הארכיטקטורה של Gemini ישירות לתוך הסיליקון של השבב. במקום שהשבב יריץ מודל AI "כללי" ויתאים את עצמו למשימה, Frozen v2 תוכנן מההתחלה כדי לדבר בשפת Gemini. המשמעות: פחות חישובים מיותרים, פחות תנועת נתונים בין הזיכרון למעבד — ובפועל, הרבה יותר טוקנים לאותה כמות חשמל.
גוגל כבר מפעילה שבבים מותאמים אישית — ה-TPUs (Tensor Processing Units) — כבר שמונה דורות. ה-Ironwood, שהוכרז במאי האחרון, מטפל הן באימון מודלים והן ב-inference. אבל Frozen v2 הוא ליגה אחרת: שבב שהותאם לארכיטקטורה של מודל ספציפי. אם ה-TPU הוא ג'יפ שטח שיכול להתמודד עם הכל, Frozen v2 הוא מכונית מרוץ שבנויה למסלול אחד — אבל עושה אותו מהר הרבה יותר.
איך גוגל משיגה את היעילות הזו? בכמה דרכים. ראשית, השבב צפוי להפחית את מספר החישובים הדרושים להרצת Gemini — בין היתר באמצעות טכניקה שנקראת operator fusion, שבה כמה חישובים מאוחדים לחישוב יחיד. שנית, Frozen v2 צפוי להפחית את תנועת הנתונים: כשרשת עצבית לא נכנסת לזיכרון הפנימי של השבב, צריך להעביר חלקים ממנה הלוך ושוב מזיכרון חיצוני — וזה צוואר בקבוק רציני. הפתרון: שילוב זיכרון גדול יותר ישירות בשבב, מה שיאפשר להריץ את המודל כולו בזיכרון הפנימי.
למה זה חשוב לשוק?
שוק שבבי ה-AI עובר שינוי מהותי. Nvidia ממשיכה לשלוט, אבל חברות ה-AI הגדולות מחפשות עצמאות. OpenAI הכריזה ביוני על Jalapeño, מעבד inference מותאם אישית. Anthropic מנהלת שיחות עם Samsung על שותפות שבבים חדשה. ועכשיו גוגל, עם הניסיון הכי עשיר בתחום השבבים המותאמים, מנסה לקפוץ מדרגה נוספת.
ההשלכות העסקיות ברורות. יעילות של פי 6-10 פירושה עלויות inference נמוכות משמעותית — גם כשגוגל מריצה את Gemini בשירותים שלה, וגם ללקוחות Google Cloud. בעולם שבו עלויות ה-inference הן אחת ההוצאות הכבדות ביותר בתפעול מודלי AI, הבדל כזה יכול להשפיע ישירות על שורת הרווח.
משקיעים מודאגים גם מהיקף ההשקעות של גוגל בתחום ה-AI — החברה הודיעה השנה שתשקיע בין 180 ל-190 מיליארד דולר. חדשות כמו Frozen v2 נותנות הרגשה שהכסף הזה הולך למקום הנכון, ושהחברה לא רק זורקת מיליארדים אלא גם מוצאת דרכים יעילות יותר לנצל אותם. Wells Fargo מעריכה שגוגל עשויה להכניס יותר מ-10 מיליארד דולר מדמי רישוי קניין רוחני של שבבי TPU בשנים 2026-2027 — ו-Frozen v2, אם יגיע לשוק, יכול להגדיל את המספר הזה.
מתי נראה את זה?
לפי הדיווחים, גוגל מקווה להתחיל לפרוס את Frozen v2 במרכזי הנתונים שלה ב-2028. זה לא מחר, אבל בעולם שבבי AI מותאמים אישית, תהליך פיתוח שנמשך שנתיים-שלוש הוא מציאותי.
ראוי לציין שגוגל נזהרת בהצהרות: "הצוותים שלנו חוקרים ומשכללים חידושים כל הזמן", נמסר מהחברה, "אבל לא כל פרויקט מגיע לייצור." תרגום חופשי: אל תבנו על השבב הזה כעובדה מוגמרת.
בינתיים, קו ה-TPUs הרגיל ימשיך להתפתח. Frozen v2 יהיה ענף מותאם יותר, לא תחליף. אם הכל ילך כשורה, נראה שבב שבאמת מדבר ישירות עם Gemini — ופחות עם Nvidia.