O Google está desenvolvendo um novo chip voltado exclusivamente para acelerar a execução de modelos de inteligência artificial, incluindo o Gemini. O projeto, conhecido internamente pelo codinome “Frozen v2”, integra partes da arquitetura do próprio modelo diretamente ao hardware, uma abordagem que a empresa aposta ser capaz de elevar significativamente o desempenho computacional sem depender apenas de mais unidades de processamento tradicionais.

A informação foi divulgada pela agência Reuters, que apurou detalhes sobre o desenvolvimento do componente. Segundo o levantamento, a iniciativa está diretamente ligada às limitações de capacidade de computação que a companhia vem enfrentando, um gargalo que já impactou negociações e contratos do Google Cloud, unidade de nuvem da empresa.

O anúncio reforça um movimento mais amplo entre as grandes empresas de tecnologia: a corrida por inteligência artificial não se resume mais a treinar modelos maiores ou mais sofisticados, mas também exige investimento pesado em hardware próprio capaz de sustentar esses sistemas em escala.

O que se sabe sobre o chip Frozen v2 do Google

De acordo com as informações apuradas pela Reuters, o Frozen v2 ainda está em fase de design, com engenheiros do Google trabalhando na finalização do projeto. Entre os pontos já confirmados, destacam-se:

• Previsão de uso a partir de 2028, o que indica que o chip ainda passará por um longo ciclo de desenvolvimento e testes antes de entrar em operação;
• Ganho de eficiência estimado entre seis e dez vezes em comparação aos atuais chips personalizados de IA usados pela empresa;
• Nova linha de hardware, e não uma substituta das TPUs (unidades de processamento tensorial) que o Google já utiliza em suas cargas de trabalho de inteligência artificial;
• Integração de elementos do Gemini ao próprio silício, reduzindo a dependência de camadas de software para processos que hoje demandam mais recursos computacionais.

A proposta de embutir características do modelo diretamente no chip é o que diferencia o Frozen v2 de outras iniciativas de hardware voltadas para IA. Em vez de apenas otimizar a arquitetura de processamento de forma genérica, o Google busca um desenho mais específico, calibrado para as necessidades do próprio Gemini.

Contexto: por que o Google precisa de mais capacidade computacional

O desenvolvimento de um chip dedicado não surge isoladamente. Ele acontece em um momento no qual o Google Cloud, divisão de nuvem da empresa, já sente os efeitos de restrições de capacidade de processamento. Esse tipo de limitação tem se tornado um desafio recorrente entre as gigantes de tecnologia, à medida que a demanda por treinamento e inferência de modelos de IA cresce mais rápido do que a expansão física dos data centers.

Até aqui, o Google vinha apostando fortemente nas TPUs, seus próprios processadores especializados em cargas de trabalho de machine learning, desenvolvidos como alternativa às GPUs de fornecedores como a Nvidia. O Frozen v2 não chega para substituir essa tecnologia, mas para complementá-la, funcionando como uma linha paralela voltada especificamente para tornar a operação de modelos como o Gemini mais barata e mais rápida.

Esse movimento também acontece em um cenário de pressão competitiva. Reportagens recentes indicam que o Google tem enfrentado dificuldades para superar rivais com as versões mais novas do Gemini, especialmente em tarefas ligadas a programação. Segundo um relatório da Bloomberg citado pela Reuters, a empresa chegou a adiar o lançamento de uma nova versão do modelo após ele não atingir metas internas de desempenho nessa área.

Diante desse cenário, investir em hardware próprio surge como uma forma de compensar limitações de software com ganhos de eficiência na camada física, ao mesmo tempo em que reduz custos operacionais no longo prazo.

Impactos para empresas, profissionais e usuários

Ainda que o Frozen v2 esteja distante de uma aplicação comercial, o anúncio já sinaliza mudanças relevantes para diferentes públicos.

Para empresas que utilizam o Google Cloud, um chip mais eficiente pode significar, no futuro, redução de custos com processamento de IA e maior disponibilidade de capacidade computacional, algo especialmente relevante para negócios que dependem de modelos de linguagem em escala. Restrições de capacidade têm sido um fator que afeta contratos e prazos de entrega em toda a indústria de nuvem, não apenas no Google.

Para profissionais de tecnologia e desenvolvedores, a notícia reforça uma tendência: cada vez mais, o desempenho de um modelo de IA não depende apenas de melhorias em arquitetura de software, mas também de avanços em hardware dedicado. Isso tende a valorizar profissionais com conhecimento em otimização de infraestrutura e arquitetura de sistemas voltados para IA.

Já para os usuários finais de produtos como o Gemini, o principal efeito esperado, caso o projeto avance conforme planejado, é a possibilidade de respostas mais rápidas e recursos mais avançados, sustentados por uma infraestrutura capaz de processar cargas de trabalho maiores sem comprometer a velocidade do serviço.

Vale destacar que, por se tratar de um projeto ainda em fase de design, com uso previsto apenas a partir de 2028, esses efeitos práticos não devem ser sentidos no curto prazo.

Tendências e próximos movimentos na disputa por chips de IA

O caso do Frozen v2 ilustra uma tendência que deve se intensificar nos próximos anos: a busca por hardware cada vez mais especializado, desenhado sob medida para modelos específicos, em vez de soluções genéricas de processamento.

Outras empresas de tecnologia também têm investido em silício próprio para reduzir a dependência de fornecedores externos de chips e ganhar mais controle sobre custo e desempenho. Esse movimento tende a se tornar um diferencial competitivo importante na disputa por liderança em inteligência artificial, ao lado da corrida por modelos mais capazes.

Nos próximos anos, é provável que o Google detalhe mais informações sobre a arquitetura do Frozen v2, à medida que o projeto avança da fase de design para prototipagem e testes. Também é esperado que a empresa continue investindo paralelamente em atualizações das TPUs, mantendo as duas frentes de hardware em desenvolvimento simultâneo.

Ao mesmo tempo, a companhia segue sob pressão para melhorar o desempenho do Gemini em áreas específicas, como programação, o que deve manter o tema no radar do mercado de tecnologia nos próximos meses.

Créditos

Fonte de referência: Olhar Digital

Matéria produzida pela Redação Brasil Tech News com base em informações publicadas originalmente pelo veículo citado.

Assinatura: Redação Brasil Tech News