TL;DR:
- Google trabaja en un chip de servidor, llamado internamente "Frozen v2", que grabaría parte de la arquitectura de su modelo Gemini en el propio silicio para servir inteligencia artificial con más eficiencia, según The Information.
- Sus ingenieros proyectan de 6 a 10 veces más tokens por unidad de energía frente a las TPU actuales, con despliegue estimado para 2028. Google no ha confirmado oficialmente el proyecto.
- Alphabet, matriz de Google, subió cerca de 3% el lunes 20 de julio de 2026 tras el reporte, dos días antes de sus resultados trimestrales.
Google desarrolla un nuevo chip de servidor, conocido internamente como "Frozen v2", que grabaría parte de la arquitectura de su modelo Gemini directamente en el silicio para ejecutar sus servicios de inteligencia artificial con mucha mayor eficiencia. Así lo reportó el medio especializado The Information, que citó a dos personas con conocimiento directo del proyecto. Según ese reporte, los ingenieros de Google calculan que el chip podría entregar entre 6 y 10 veces más tokens (las unidades de texto que genera el modelo) por cada unidad de energía que sus TPU más recientes, y responder más rápido a las consultas de los usuarios. La meta es desplegarlo tan pronto como 2028. Google no ha confirmado oficialmente la existencia de "Frozen v2". Aun así, la sola versión bastó para mover el mercado: las acciones de Alphabet subieron cerca de 3% este lunes 20 de julio.
El nombre lo explica todo. "Frozen" viene de la idea de "congelar" la lógica del modelo de forma permanente sobre el hardware. Y el "v2" tampoco es casual: de acuerdo con el reporte, el proyecto evolucionó de un concepto interno anterior llamado "Frozen", una idea que se atribuye a Jeff Dean, una de las figuras técnicas más influyentes de Google.
La apuesta: grabar la arquitectura de Gemini, no sus pesos
Aquí está lo interesante. Los chips más usados hoy para IA, las GPU de Nvidia y las propias TPU de Google, son de propósito general: sirven para muchos modelos distintos, pero por eso mismo tienen que resolver en tiempo real un montón de operaciones cada vez que responden. Frozen v2 haría lo contrario. Metería el plano de Gemini, su arquitectura de red neuronal, dentro del propio circuito. Al tener esa lógica ya "cableada", el chip recorta cálculos y movimiento de datos en cada consulta. De ahí que el salto de eficiencia sea tan grande.
El detalle fino, que casi ningún resumen menciona, es qué se graba y qué no. Según The Information, el chip fija la arquitectura del modelo, no sus pesos. Google lo llama una estrategia de "cableado flexible": los ingenieros todavía podrían actualizar ciertos parámetros con nuevos pesos, pero el diseño de fondo queda amarrado al hardware. Traducción: eficiencia brutal a cambio de flexibilidad.
Lo que se sabe del chip, según el reporte, se resume así:
- Es un chip de inferencia: está pensado para la fase de servir el modelo a los usuarios (generar respuestas token por token), no para entrenarlo.
- Convive con las TPU, no las reemplaza. Sería una línea paralela dentro del portafolio de chips a la medida de Google. Las TPU, que la empresa produce desde 2016, siguen siendo la columna vertebral de su infraestructura.
- La eficiencia estimada es de 6 a 10 veces más tokens por unidad de energía que las TPU más recientes, según cálculos de sus propios ingenieros citados en el reporte.
- Todavía es un experimento. Por ahora Google lo trata en parte como un banco de pruebas y no planea fabricarlo a la misma escala que las TPU.
- La rigidez es el precio. Al fijar la arquitectura en el silicio, el chip solo serviría para futuros modelos Gemini si Google mantiene el mismo diseño de base. Si cambia de rumbo, corre el riesgo de quedar obsoleto.
El chip nace de una escasez de cómputo que ya cuesta clientes
Esto no es un lujo de laboratorio. De acuerdo con The Information, Google enfrenta una falta de cómputo interno tan severa que ha generado fricciones sobre quién se lleva los recursos, y que incluso llevó a Google Cloud a rechazar negocio con clientes de fuera. La señal más elocuente de ese apretón la reportó también el medio: el mes pasado, Google aceptó pagar a SpaceX una suma cercana a los mil millones de dólares al mes para cubrir sus compromisos de cómputo con clientes empresariales.
Ahí es donde entra Frozen v2. Cuando entrenar un modelo ya no es lo único caro, y servirlo a millones de usuarios se vuelve una factura eléctrica gigantesca, sacar más respuestas por cada watt deja de ser un tecnicismo y se convierte en estrategia de negocio.
Google apuesta por la integración estilo Apple, con la mira en la inferencia
Frozen v2 profundiza una jugada que Google lleva años armando: controlar toda la pila. Su propio modelo (Gemini) corriendo sobre su propio silicio, en una lógica parecida a la integración de hardware y software que popularizó Apple. Y encaja en un movimiento más amplio de la industria, el de pasar del cómputo de propósito general hacia chips especializados en inferencia. Empresas como Groq y SambaNova construyeron su propuesta justo sobre esa idea; Amazon tiene sus chips Trainium, Meta trabaja en aceleradores de inferencia propios y Microsoft desarrolla Project Maia. Todos persiguen lo mismo: abaratar y bajar el consumo de servir IA.
Consultado sobre el proyecto, un vocero de Google no lo confirmó y respondió con una declaración general:
"Nuestros equipos investigan y exploran continuamente nuevas innovaciones para entregar el máximo rendimiento y eficiencia a usuarios y clientes. No todo proyecto llega a producción, pero esta exploración rigurosa es parte central de nuestro enfoque de pila completa (full-stack)."
Para quien usa Gemini o construye sobre Google Cloud en México, España o el resto de habla hispana, la lectura de fondo es sencilla: una inferencia más barata es el camino que toda la industria busca para que la IA cueste menos operarla. Que eso se traduzca en precios para el usuario final es otra historia, y todavía sin respuesta.
Por qué una noticia de 2028 movió la acción a dos días de resultados
El chip está a años de distancia y, aun así, Alphabet subió cerca de 3% el lunes. La razón práctica: el reporte muestra a Google atacando su problema de IA más caro (el costo y la energía de servir modelos) con silicio propio, algo que a futuro podría proteger sus márgenes mientras gasta fuerte en infraestructura.
El momento tampoco es menor. Alphabet presenta sus resultados trimestrales este miércoles 22 de julio, y los inversionistas buscarán señales sobre el gasto en infraestructura de IA y el retorno de esa inversión, según apuntó Yahoo Finance. El telón de fondo es de presión: Bloomberg reportó la semana pasada que Google retrasó el lanzamiento de Gemini 3.5 Pro, su modelo más potente, tras quedarse corto frente a sus metas internas, sobre todo en programación. A eso se suma, según CNBC, la competencia de OpenAI y Anthropic, la salida de varios investigadores de alto nivel y el avance de modelos chinos entre empresas estadounidenses.
Preguntas rápidas sobre el chip Frozen v2 de Google
¿Qué es el chip Frozen v2 de Google?
Es un chip de servidor que Google desarrolla para servir su modelo Gemini con más eficiencia. Grabaría parte de la arquitectura de Gemini directamente en el silicio, reduciendo cálculos y movimiento de datos al responder consultas. Según The Information, no reemplaza a las TPU: sería una línea especializada aparte.
¿Cuándo llegaría el chip Frozen v2?
El reporte de The Information ubica su despliegue tan pronto como 2028. Por ahora es un proyecto en desarrollo: los ingenieros todavía definen qué parte del modelo Gemini cabe en el chip y afinan sus módulos. Google lo trata en parte como un banco de pruebas y no ha dado una fecha oficial.
¿Frozen v2 reemplaza a las TPU de Google?
No. Según el reporte, sería una rama paralela dentro del portafolio de chips a la medida de Google, no un sustituto de las TPU (Tensor Processing Units), que la empresa produce desde 2016 y que siguen siendo la base de su infraestructura de IA. Google no planea fabricarlo a la misma escala.
¿Google confirmó el chip Frozen v2?
Oficialmente, no. Google no ha reconocido el proyecto. Un vocero se limitó a decir que la compañía explora constantemente nuevas innovaciones y que no todo proyecto llega a producción. Toda la información proviene de un reporte de The Information basado en dos personas con conocimiento directo del asunto.
Frozen v2 sigue siendo un reporte, no un producto: Google apenas define qué partes de Gemini caben en el chip y admite que no todo llega a producción. Pero la dirección es clara. Cuando servir un modelo cuesta tanto como entrenarlo, la pelea por la IA se muda al precio de cada respuesta, y ahí Google quiere jugar con silicio hecho en casa.
