Googles Frozen v2: Der Chip, der OpenAI das Fürchten lehrt

Google baut die Gemini-Architektur direkt in Silizium ein und könnte damit die Kostenstruktur der gesamten KI-Branche umkrempeln. Frozen v2 verspricht zehnfache Effizienz. OpenAI wird nervös.

Während OpenAI und Anthropic noch über Custom-Chips nachdenken, prescht Google vor: Der Konzern entwickelt mit „Frozen v2“ einen Serverchip, der die Gemini-Modellarchitektur direkt in Hardware gießt. Laut internen Quellen soll der ab 2028 geplante Prozessor beim Ausliefern von KI-Antworten 6- bis 10-mal effizienter sein als Googles aktuelle TPUs, wie The Information berichtet.

Die Börse reagierte prompt: Googles Aktie legte nach Bekanntwerden um drei Prozent zu.

Der gescheiterte Ur-Frozen & warum v2 cleverer ist

Die Idee stammt von Jeff Dean, Chefwissenschaftler bei Google DeepMind. Sein ursprüngliches Frozen-Konzept wollte die Modellgewichte – also die konkreten Parameter, die bestimmen, wie Gemini antwortet – fest in den Chip einbrennen. Problem: Der Chip wäre nach jedem Modell-Update Elektroschrott gewesen. Zu unflexibel, zu teuer, zu riskant.

Frozen v2 geht radikaler vor: Statt der Gewichte wird die Modellarchitektur selbst eingebettet, der grundlegende Bauplan des Modells. Neue Gewichte lassen sich weiterhin aufspielen, solange Google bei der Gemini-Architektur bleibt. Wie viel genau fest verdrahtet wird, ist laut The Information noch offen. Eine Anspielung auf das „Einfrieren“ von Parametern im Machine Learning – nur diesmal in Silizium statt Software.

Nvidia-Killer oder interne Notlösung?

Google hat ein Kapazitätsproblem. Während der Konzern seine TPUs bereits an Meta vermietet und Cloud-Kunden anbietet – mit dem erklärten Ziel, zehn Prozent von Nvidias Jahresumsatz abzugreifen, ist Frozen v2 zunächst für den Eigenbedarf gedacht. Die Stückzahlen bleiben überschaubar, als externes Produkt taugt der Chip kaum: Zu spezialisiert, zu abhängig von Googles Modellstrategie. Doch die strategische Sprengkraft ist enorm. Im KI-Geschäft entscheidet längst nicht mehr nur die Modellqualität, sondern die Kosteneffizienz bei der Inferenz, dem eigentlichen Betrieb der Systeme.

Wer seine Antworten günstiger ausliefert, kann aggressiver preisen. Google könnte so OpenAI und Anthropic Marktanteile abjagen, ohne bei der Performance Abstriche zu machen. Der Zeitpunkt ist kein Zufall: OpenAI kündigte im Juni mit „Jalapeño“ seinen ersten Custom-Chip an, Anthropic verhandelt laut TechCrunch mit Samsung über eine Chip-Partnerschaft. Die gesamte Branche versucht verzweifelt, sich von Nvidias Dominanz zu lösen. Frozen v2 zeigt, wie weit Google dabei gehen will und dass der Konzern bereit ist, sich mit spezialisierter Hardware selbst einzuschränken, wenn der Effizienzvorteil stimmt.

Business Punk Check

Zehnfache Effizienz klingt nach Fantasiezahl, doch Google hat mit seinen TPUs bereits bewiesen, dass Custom-Hardware funktioniert. Das eigentliche Risiko: Frozen v2 bindet den Konzern langfristig an die Gemini-Architektur. Sollte ein grundlegend neues Modelldesign nötig werden, ist die Milliarden-Investition verloren.

OpenAI und Anthropic bleiben flexibler, können schneller auf Durchbrüche reagieren. Trotzdem: Wer heute auf Inferenz-Kosten optimiert, hat morgen die besseren Margen. Und während Googles Konkurrenten noch Pressemitteilungen über Chip-Pläne verschicken, baut Mountain View bereits Hardware. 2028 könnte sich zeigen, ob spezialisierte Chips der neue Burggraben sind oder ein teures Experiment. Für Investoren bleibt die Frage: Setzt Google aufs richtige Pferd, oder friert es sich selbst ein?

Quellen: The Information, TechCrunch