Ein Auto, das nur auf einer Autobahn fahren kann, aber extrem effizient ist – das klingt absurd. Google verfolgt Berichten zufolge einen ähnlichen Ansatz mit einem neuen Chip. Statt eines universellen Prozessors wird die Architektur von Googles eigenem Gemini-Modell fest in die Hardware integriert. Das Projekt trägt den internen Codenamen „Frozen v2“ und wurde von The Information enthüllt. Reuters und Bloomberg Law berichteten darüber; die Alphabet-Aktie stieg um bis zu 3,7 Prozent. Google hat das Projekt nicht bestätigt. Eine Markteinführung ist wohl noch Jahre entfernt. Die Idee ist eine klare Wette auf die Zukunft der KI-Infrastruktur.
Ein Modell fest in Hardware gegossen
Die meisten KI-Chips sind Allzweckprozessoren. Man lädt ein Modell in den Speicher, der Chip führt Matrix-Operationen aus, und das wiederholt sich millionenfach. Das ist flexibel – jedes Modell kann laufen – aber Energie und Zeit gehen verloren, weil Daten ständig zwischen Speicher und Recheneinheit bewegt werden. Frozen v2 setzt hier an. Der Chip ist so konzipiert, dass das neuronale Netz von Gemini direkt ins Silizium integriert wird. Die Hardware ist auf die Form des Modells zugeschnitten. Verschaltung der Schichten, Anzahl der Neuronen, Aktivierungsfunktionen – all das ist fest verdrahtet. Die Gewichte bleiben aktualisierbar, die Architektur ist starr. Laut The Information wird noch entschieden, wie viel genau fest verdrahtet wird.
Der Vorteil ist die Effizienz. Ein Chip für ein einzelnes Modell vermeidet Overheads generalistischer Beschleuniger, wie Logik für dynamische Speicherverwaltung oder flexible Pipelines. Das spart Platz, Strom und Zeit. Laut The Information könnte Frozen v2 pro Energieeinheit sechs- bis zehnmal mehr Tokens verarbeiten als aktuelle TPUs. Tokens sind die Basiseinheiten, die Sprachmodelle verarbeiten; jeder Token entspricht etwa einem Wortteil. Praktisch bedeutet das: Bei gleichem Stromverbrauch ließe sich mehr Anfragen zur gleichen Zeit beantworten. Google plant den Chip als eigene Produktlinie, nicht als TPU-Ersatz. Ein möglicher Einsatztermin ist 2028.
Warum Google auf 2028 zielt
Warum 2028? The Information zufolge reagiert Google mit Frozen v2 auf einen Kapazitätsengpass. Der Bedarf an KI-Rechenleistung ist so stark gestiegen, dass Google Cloud externe Kunden abweisen musste. Das führte zu internen Spannungen. Effizienz ist wichtig: Jedes eingesparte Watt im Rechenzentrum spart Geld. Ein Chip für das hauseigene Modell kann Zusatzschaltkreise universeller Chips weglassen. Das senkt die Latenz drastisch. Für Echtzeitanwendungen wie Sprachassistenten ist das ein Vorteil. Ein Satz ins Smartphone, die Antwort kommt ohne spürbare Pause. Das wirkt wie ein Detail, verändert aber das Nutzergefühl grundlegend.
Das Projekt hat auch eine strategische Komponente. Google entwickelt seit Jahren eigene TPUs, um unabhängiger von Nvidia zu werden. Ein Gemini-spezifischer Chip würde die Eigenständigkeit weiter erhöhen. Google verteilt Chip-Bestellungen auf Broadcom und Marvell. Ein eigener Chip für das Milliarden-Modell wäre ein starkes Signal. Andere verfolgen ähnliche Ideen. Das Startup Taalas vermarktet einen ähnlichen Ansatz: Es integriert Gewichte und Architektur eines KI-Modells direkt auf einen Chip namens „Hardcore“. Taalas gibt an, der Chip schaffe bis zu 17.000 Tokens pro Sekunde – ein Nvidia-Board schafft etwa 150 Tokens pro Nutzer. Der Chip benötigt keinen teuren Hochgeschwindigkeitsspeicher, was Memory-Engpässe lindern könnte.
Die Wette: Tempo statt Flexibilität
Die Wette: Ein Modell im Silizium opfert Flexibilität für Geschwindigkeit, niedrige Kosten und Energieeffizienz. Für ein Unternehmen mit einem Modell für Milliarden Nutzer – wie Google mit Gemini – kann sich das lohnen. Der gleiche Impuls treibt Versuche, Sprachmodelle auf Smartphones zu bringen: lokal, ohne Cloud, mit Gewinn an Geschwindigkeit und Datenschutz. Frozen v2 überträgt das auf die Server-Seite.
Die Gefahr ist die Starrheit. KI entwickelt sich schnell. Ein Chip für die heutige Gemini-Version könnte 2028 veraltet sein – wie ein Anzug nach einer Diät. Google mildert das ab, indem die Gewichte aktualisierbar bleiben. Die Architektur – Schichtenanzahl, Aufmerksamkeitsmechanismen – steht fest. Ändert sich das Design großer Sprachmodelle grundlegend – durch effizientere Architekturen wie Mamba – wäre der Chip nicht mehr optimal. Google müsste dann entweder den Chip nicht nutzen oder ein veraltetes Modell verwenden. Beides wäre teuer.
Signal statt fertiges Produkt
Google hat das Projekt nicht bestätigt. Ein Sprecher sagte, die Teams experimentierten mit Ideen für hohe Effizienz; nicht jedes Laborprojekt werde ein Produkt. Frozen v2 ist eher ein Signal als ein Produkt. Das Signal: Der Wettlauf um maßgeschneidertes KI-Silizium verlagert sich vom universellen Beschleuniger zur Verschmelzung von Modell und Hardware. Setzt Google das um, müssen Konkurrenten von Amazon bis zu Chip-Startups reagieren. In ein paar Jahren könnten KI-Dienste schneller, günstiger und flüssiger laufen – ohne dass der Nutzer etwas merkt. Die Hardware wird unsichtbar, die Erfahrung natürlicher. Das ist das Ziel jeder Technologie.
Quelle: thenextweb.com
