The Information에 따르면 Alphabet (GOOG) (GOOGL) 소유의 Google이 자체 Gemini AI 모델을 위한 칩 개발을 진행 중인 것으로 보입니다. 코드명 "Frozen v2"로 알려진 이 칩은 Broadcom (AVGO)과 협력하여 개발 중인 Google의 텐서 처리 장치 (TPU, Tensor Processing Units)보다 약 6배에서 10배 더 효율적일 수 있다고 내부 관계자들은 믿고 있습니다.

2028년까지 가동될 것으로 예상되는 이 칩의 목적은 분명히 Gemini가 모델 경쟁에서 순위를 끌어올리기 위함입니다. 현재 Gemini의 모델 중 리더보드 상위 10위 안에 드는 모델은 없습니다.

Barchart의 추가 뉴스

Gemini를 강화할 새로운 칩

Gemini 3.5 Pro의 지연을 고려할 때, Frozen v2에 대한 보고는 시기적절했습니다. 그리고 (Amazon (AMZN)과 함께) 풀스택 (full-stack) 역량과 소비자 및 기업 비즈니스 라인을 모두 갖춘 몇 안 되는 기업 중 하나로서, AI 전쟁에서 Google을 무시하기는 어려울 것입니다.

하지만 Frozen v2가 이 측면에서 어떻게 도움이 될 수 있을까요?

보고에 따르면 이 칩은 Gemini 아키텍처의 일부를 실리콘에 직접 내장할 예정입니다. 이전의 Frozen 설계에 담겼던 덜 유연한 아이디어였던 모델 가중치 (model weights)를 영구적으로 저장하는 방식은 아닙니다. 업데이트된 가중치는 여전히 로드할 수 있는 반면, 일반적인 계산과 데이터 이동은 더 효율적으로 처리될 것입니다.

이러한 차이는 중요합니다.

TPU는 수많은 모델과 워크로드 (workloads)를 지원해야 하지만, Frozen v2는 Gemini 추론 (inference)에 대한 효율성을 위해 유연성을 희생할 수 있습니다. 6배의 효율성을 달 경우, 주어진 토큰 (tokens) 양에 필요한 전력은 이론적으로 약 83% 감소할 수 있습니다. 10배의 효율성일 경우, 감소 폭은 90%에 달할 수 있습니다. 메모리, 네트워킹, 냉각, 건물 및 기존 프로세서가 여전히 비용을 발생시키기 때문에 실제 절감액은 이보다 낮을 것입니다.

하지만 그럼에도 불구하고, 이 칩은 추가적인 추론 (reasoning), 더 긴 컨텍스트 (context), 더 빠른 응답, 그리고 더 무거운 에이전트 활동 (agent activity)을 경제적으로 실용 가능하게 만듦으로써 사용자 경험을 개선할 수 있습니다. 더 낮은 추론 (inference) 비용은 Google이 더 많은 무료 사용자에게 서비스를 제공하고, 더 경쟁력 있는 Cloud 가격을 제시하며, 모델 개선을 위한 더 많은 상호작용 데이터를 수집할 수 있게 해줄 것입니다. 이는 Alphabet이 2026년 6월에 자사의 모델 인터페이스가 분당 약 190억 개의 토큰 (tokens)을 처리하고 있으며, 제품 전반에 걸친 총 토큰 사용량이 월간 3.2경 (quadrillion) 개에 달했다고 밝혔기 때문에 중요합니다. 이 정도 규모에서는 아주 미미한 단위 비용 절감이라도 의미가 있습니다. Frozen v2는 또한 Google Cloud가 일부 비즈니스를 거절하게 만들었다고 보고된 용량 부족 문제를 완화할 수도 있습니다.