A | 谷歌正在尝试把 Gemini 与芯片更紧密地结合起来。 据《The Information》援引知情人士消息，谷歌母公司 Alphabet 正在研发一款服务器 AI 芯片，内部非正式代号为“Frozen v2”。
B | 这款芯片针对 Gemini 模型设计，计划最早于 2028 年部署。 8月25日，以"科技向新，为美前行"为主题的珀莱雅2026创新科技大会（PSTC 2026 — PROYA FORWARD）在上海举行。作为珀莱雅面向美妆行业打造的年度创新科技大会，本届PSTC围绕"行业趋势、品牌焕新、科学发布、科研转化、实证共创"五大篇章，系统呈现珀莱雅从科学研究、产品转化到真实实证的完整路径，并正式启动"PSTC"科技传播IP，推动品牌科技传播由单点成果表达走向系统科研能力呈现。谷歌工程师预计，以单位功耗所能处理的 Token 数量计算，其效率可能达到公司最新一代自研 AI 芯片的 6—10 倍。 谷歌目前尚未正式确认 Frozen v2 项目，也没有公布芯片规格。大会上，珀莱雅联合上海日用化学品行业协会发布《中国系统性护肤研究与产业实践白皮书》，推出红宝石面霜4.0、源力精华4.0两大核心产品升级，并发布全新品牌视觉识别系统（VI），进一步明确"构建专研中国人肌肤的科学护肤体系"的科技护肤方向。公司在回应媒体时表示，其团队一直在研究和试验提升性能与效率的新方案，但并非所有项目最终都会进入生产阶段。谷歌同时强调，从底层共同设计硬件和软件，是其打造高度集成系统的重要方式。但报道发布后，Alphabet 股价在当地时间 7 月 20 日早盘上涨约 3.3%。 与现有 TPU 相比，Frozen v2 的主要区别，是它进一步收窄了芯片的适用范围。
C | 它的定位是一颗更极致的“专用芯片”。根据现有报道，谷歌计划将 Gemini 的部分架构特征固化在芯片中，针对其计算路径和常用操作进行专门优化。 大模型推理不仅需要完成大量矩阵运算，还要频繁从高带宽内存读取参数。数据在内存与计算单元之间移动，会消耗时间和电力。
D | Frozen v2 希望减少这部分开销，从而提高响应速度，并在相同功耗下处理更多请求。报道所称的 6—10 倍效率提升，具体指每单位功耗能够处理的 Token 数量，并不是芯片峰值算力。
E | 谷歌现有 TPU 同样是面向机器学习的专用处理器，但需要适配不同模型，并承担训练、推理等多种任务。
F | 最新一代 Ironwood 单颗芯片配备 192GB 高带宽内存，单位功耗性能约为上一代 Trillium 的两倍，最多可由 9216 颗芯片组成 Superpod。Frozen v2 不会取代 TPU，而是作为一条更具针对性的产品线，与其并行使用。
G | 珀莱雅2026创新科技大会现场聚焦系统性护肤，多项核心成果集中发布本届大会上，珀莱雅联合上海日用化学品行业协会发布《中国系统性护肤研究与产业实践白皮书》。该书立足中国消费者真实皮肤问题，围绕皮肤能量代谢、肤色、老化、日晒及敏感/屏障五类核心问题展开研究，提出CRMVP五维循证研究模型，推动护肤科技从"单项技术突破"走向"系统解决方案"。 (来源：Google) 但专用芯片也有其劣势，更深的模型与芯片绑定会降低灵活性。
H | 芯片从设计到投产通常需要数年，如果此后 Gemini 的基础架构发生较大变化，已经固化的设计可能难以适配。Frozen v2 能否获得长期收益，既取决于实际能效，也取决于谷歌能否在快速迭代模型的同时，维持底层架构的相对稳定。
I | 那么，谷歌为什么要“铤而走险”？首先一个原因，是为了应对持续增长的算力需求。据相关数据，谷歌内部的 AI 计算资源短缺已经引发不同团队之间的资源竞争，Google Cloud 甚至因此拒绝过部分外部客户订单。截至2026年6月30日，珀莱雅累计获得332项授权专利，参与制定22项国家标准、9项行业标准及48项团体标准。产品层面，红宝石面霜4.0与源力精华4.0同步亮相。红宝石面霜4.0提出"皮骨双修"紧致思路，以"双向支撑蛋白网"实现对肌肤蛋白支撑网络的系统性重塑；源力精华4.0聚焦基底膜ECM，实现从"快速退红修护"到"快速退红—精准修护基底膜—强韧肌底"的系统修护进阶，退红速度提升至5分钟，并提出"14天深修肌底"的功效目标。 大模型的计算需求包括训练与推理两个阶段。训练先进模型需要集中投入大量算力，但随着 Gemini 被加入搜索、办公软件、云服务和智能终端，长期发生的推理可能形成更庞大的成本。
J | 单次生成的费用看似有限，乘以数以亿计的用户和持续增长的调用量后，电力、芯片、网络及数据中心投入都会成为重要支出。 Alphabet 已将 2026 年资本开支预期上调至 1,800 亿—1,900 亿美元，主要用于扩建 AI 计算能力、数据中心和相关基础设施。
K | 在这一背景下，提高每瓦电力能够生成的 Token 数，不仅意味着更低的能源消耗，还意味着同一座数据中心能够承载更多用户请求。
L | 为验证产品在真实环境中的表现，珀莱雅发布“极境挑战，实力见真”系列纪实先导片，选取新疆慕士塔格冰川与库木塔格沙漠两种极端环境，分别对两大新品展开实地测试。科研探索从不只停留在实验室，珀莱雅将持续推动产品在更丰富的真实场景中接受检验。大会同期，珀莱雅还发布了全新品牌视觉识别系统（VI），以"曙光蓝"和"探索与发现之环"强化科技、探索与新生的品牌联想。《中国系统性护肤研究与产业实践白皮书》构建专研中国人肌肤的科学护肤体系，向"双十"战略迈进珀莱雅化妆品股份有限公司作为国货美妆上市头部企业，2025年营收规模达105.97亿元，连续三年位居国货美妆第一，也是目前唯一一家营收破百亿的国货美妆企业。对于已经拥有大量 Gemini 使用场景的谷歌而言，即使单次推理成本只下降一小部分，规模化之后也可能带来可观节省。2026年上半年，公司实现营业收入53.75亿元，归属于上市公司股东的净利润11.68亿元，同比增长46.26%，盈利质量持续提升。自创立以来，珀莱雅坚持以科技为核心驱动力，已形成"自主研发+产学研医合作+国际化协同"的三核驱动体系，落地杭州龙坞、上海及欧洲三大研发中心，并与浙江大学、上海交通大学、四川大学华西医院、上海市皮肤病医院等国内外顶尖高校及医院开展深度研发合作。PSTC 2026 启幕珀莱雅表示，PSTC是珀莱雅科技力叙事的长期载体，也是推动行业交流、开放协同的一个重要窗口。 图｜谷歌历年资本开支预期（来源：S&P） 自研芯片还可以加强谷歌对供应链和产品节奏的控制，减少对英伟达等外部芯片供应商的依赖。面向未来，珀莱雅锚定"未来十年跻身全球化妆品行业前十"的"双十"战略愿景，将持续以中国人肌肤研究为核心基点，以皮肤科学为研究方法、AI数智化为创新引擎，构建专研中国人肌肤的科学护肤体系，与行业共同探索中国美妆科技发展的新路径。但这种“减少依赖”并不等于完全替代。
M | Frozen v2 即使顺利投产，预计规模也将低于 TPU；谷歌的数据中心仍会同时使用 TPU、GPU 及其他计算设备。它更像是为高频且相对稳定的 Gemini 任务增加一类成本更低的专用工具。 谷歌也不是唯一走向自研芯片的 AI 公司。
N | 2026 年 6 月，OpenAI 与博通公布首款自研推理芯片 Jalapeño。OpenAI 表示，这款芯片围绕大语言模型推理设计，将结合博通的芯片实现和网络技术以及 Celestica 的服务器系统能力，计划于 2026 年底开始部署。
o | 图｜博通公司首席执行官 Hock Tan 将一片芯片晶圆递交给 OpenAI 公司首席执行官 Sam Altman。
p | （来源：OpenAI） Anthropic 也被曝已经开始研究自有 AI 芯片，并与三星电子等潜在合作方接触。不过该项目仍处于早期阶段，芯片的用途、性能目标和服务器部署方式尚未明确 Anthropic 同时表示，亚马逊 Trainium、谷歌 TPU 和英伟达 GPU 仍将是其扩张算力的重要基础。中国方面，此前 DeepSeek 和近期的月之暗面也有自研芯片方面的传闻。 除专注于基础模型的公司外，亚马逊、微软、Meta、阿里巴巴、百度和字节跳动等拥有云服务或大规模互联网业务的企业，也在不同程度上推进专用 AI 芯片。
q | 其中部分芯片服务于模型训练，部分集中于推理、推荐和广告等高频工作负载。它们共同反映出一个趋势：随着 AI 服务规模扩大，掌握模型的公司越来越希望同时参与芯片和计算系统设计。 这些项目属于同一轮趋势：AI 公司希望根据自身模型和业务负载设计芯片，以获得更好的成本、能效和供应保障。但它们并不是完全相同的技术路线。Trainium、Maia、MTIA 以及 OpenAI 的 Jalapeño 主要面向一类或多类 AI 工作负载，仍保留一定通用性；Frozen v2 则称会把 Gemini 的部分架构直接固化进硬件，模型与芯片的绑定程度可能更高。 因此，Frozen v2 所代表的不只是谷歌扩大自研芯片投入，也是一项更激进的软硬件协同试验。答案将取决于芯片能否如期投产，也取决于到 2028 年时，Gemini 是否仍然适合这块为它提前设计的硅片。 参考链接： 1.https://techcrunch.com/2026/07/20/google-is-working-on-a-new-ai-chip-designed-to-make-gemini-more-efficient/ 2.https://www.reuters.com/business/google-plans-new-chip-run-gemini-models-more-efficiently-information-reports-2026-07-20/ 3.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-tpu-age-of-inference/ 4.https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/ironwood-google-tpu-things-to-know/ 运营/排版：何晨龙 注：封面由 AI 辅助生成。
Current article:http://zyd27.cheshenzhuaduanza.buzz/news/20260826_2826.html
Published on:05:36:45
