Default
Door Remote - 21 Jul 2026
In het kort
Google ontwikkelt naar verluidt een serverchip genaamd Frozen v2 die een deel van de Gemini-architectuur in silicium vastlegt.
Op basis van rapporten voorspellen ingenieurs zes tot tien keer de efficiëntie van de huidige TPU's en een implementatiedoelstelling voor 2028.
De aandelen van Alphabet stegen tijdens de handelssessie van maandag met ongeveer 3% nadat het nieuws bekend werd, vooruitlopend op de winstcijfers voor het tweede kwartaal van 2026 die op woensdag 22 juli verschijnen.
Google bouwt een chip die is ontworpen voor één taak: Gemini sneller en goedkoper laten draaien.
De chip, met de codenaam Frozen v2, werd maandag gerapporteerd door The Information en geeft Google een mogelijk antwoord op een probleem waar het niet snel genoeg uit kan komen: de capaciteit raakt bijna op om aan de AI-vraag te voldoen die het al heeft gegenereerd.
In maart vertelde Google aan Meta dat het de hoeveelheid Gemini-compute die Meta wilde kopen niet kon vullen. Meta moest werknemers instrueren om hun AI-gebruik te rantsoeneren. Google, dat dit jaar tot 190 miljard dollar aan AI-infrastructuur besteedde, weigerde klanten omdat het niet genoeg servers had om hen te bedienen.
Dus nu bouwt het een chip die alleen is ontworpen voor zijn AI-modellen.
Er is niet veel informatie over deze nieuwe chip, maar door de naamgevingsconventie is het niet de zoveelste upgrade van Google's Tensor Processing Units (TPU's) - de aangepaste chips die Google sinds 2015 heeft gebouwd en die Gemini en zijn cloudservices aandrijven voor externe ontwikkelaars.
Op die Tensor-chips kan elk AI-model worden geladen. Frozen v2 doet iets anders. Volgens de rapporten wordt een deel van de architectuur van Gemini – de structurele blauwdruk die bepaalt hoe het model informatie routeert en verwerkt – rechtstreeks in de hardware ingebakken.
Bij machinaal leren betekent 'bevriezen' iets permanent op zijn plaats vergrendelen. Wat hier bevroren raakt, is de architectuur, en niet de gewichten van het model (de feitelijke kennis die Gemini opdoet door middel van training, die up-to-date blijft). Door deze blauwdruk in de circuits van de chip te integreren, slaat de chip overbodige berekeningen over en stopt hij met het pendelen van gegevens door het geheugen bij elke zoekopdracht. Ingenieurs voorspellen een zes tot tien keer betere tokens (de kleine stukjes tekst waaruit elke AI-reactie bestaat) die per watt verbruikte elektriciteit worden gegenereerd.
Dat is het verschil tussen het feit dat Google tien zoekopdrachten uitvoert voor de energiekosten van één.
Als je Gemini gebruikt, zal Frozen v2 niets veranderen aan hoe het voor jou voelt. Maar het verandert wat het kost om te draaien – en een goedkoper te gebruiken Gemini concurreert harder met OpenAI, Anthropic en Chinese laboratoria die al 45% van het AI-tokengebruik van Amerikaanse bedrijven voor hun rekening nemen, grotendeels omdat ze 60-90% goedkoper draaien. Je hebt misschien geen goedkopere AI, maar Google zal waarschijnlijk winstgevender zijn.
De aandelen van Alphabet stegen tijdens de maandagsessie op het nieuws met ongeveer 3% en bereikten intraday $356. Het bedrijf rapporteert de resultaten over het tweede kwartaal van 2026 op woensdag 22 juli, en de pomp trok zich terug tijdens de sessie van vandaag terwijl beleggers wachten op de meest recente resultaten van Google.
Dit is de zoveelste poging van een groot AI-bedrijf om zijn overmatige afhankelijkheid van Nvidia-hardware voor de ontwikkeling van zijn producten te beëindigen. Nvidia heeft ongeveer 85% van de GPU-markt voor AI in handen, en elk groot technologiebedrijf wil eruit.
De hardware van Nvidia is oorspronkelijk gebouwd voor videogames, niet voor taalmodellen. Het werkt, alleen met overhead die speciaal gebouwde chips niet kunnen dragen. Op de schaal van Google is een efficiëntiekloof van zes tot tien keer niet abstract. Het gaat om miljarden dollars. Meta, Amazon, Microsoft en OpenAI hebben precies om die reden allemaal aangepaste siliciumprogramma's.
Zoals Decrypt in maart meldde, bouwt zelfs AWS – dat zich ertoe heeft verbonden om tot 2027 1 miljoen Nvidia GPU's in te zetten – tegelijkertijd zijn eigen chips om die blootstelling op de lange termijn te verminderen.
Frozen v2 is nog steeds verkennend. Belangrijke ontwerpbeslissingen zijn nog niet afgerond, Google heeft nog niet bevestigd dat het project bestaat en de chip zal niet worden aangeboden aan externe Cloud-klanten. Hardware die voor het ene model is bedraad, kan die van iemand anders niet draaien. Volgens rapporten zal de implementatie op zijn vroegst in 2028 plaatsvinden.
In de tussentijd betaalt Google SpaceX 920 miljoen dollar per maand om 110.000 Nvidia GPU's als brug te huren van de datacenters van xAI.
Dagelijkse debriefing NieuwsbriefBegin elke dag met de belangrijkste nieuwsverhalen van dit moment, plus originele artikelen, een podcast, video's en meer. Uw e-mail Download het! Download het!
Google ontwikkelt naar verluidt een serverchip genaamd Frozen v2 die een deel van de Gemini-architectuur in silicium vastlegt.
Op basis van rapporten voorspellen ingenieurs zes tot tien keer de efficiëntie van de huidige TPU's en een implementatiedoelstelling voor 2028.
De aandelen van Alphabet stegen tijdens de handelssessie van maandag met ongeveer 3% nadat het nieuws bekend werd, vooruitlopend op de winstcijfers voor het tweede kwartaal van 2026 die op woensdag 22 juli verschijnen.
Google bouwt een chip die is ontworpen voor één taak: Gemini sneller en goedkoper laten draaien.
De chip, met de codenaam Frozen v2, werd maandag gerapporteerd door The Information en geeft Google een mogelijk antwoord op een probleem waar het niet snel genoeg uit kan komen: de capaciteit raakt bijna op om aan de AI-vraag te voldoen die het al heeft gegenereerd.
In maart vertelde Google aan Meta dat het de hoeveelheid Gemini-compute die Meta wilde kopen niet kon vullen. Meta moest werknemers instrueren om hun AI-gebruik te rantsoeneren. Google, dat dit jaar tot 190 miljard dollar aan AI-infrastructuur besteedde, weigerde klanten omdat het niet genoeg servers had om hen te bedienen.
Dus nu bouwt het een chip die alleen is ontworpen voor zijn AI-modellen.
Er is niet veel informatie over deze nieuwe chip, maar door de naamgevingsconventie is het niet de zoveelste upgrade van Google's Tensor Processing Units (TPU's) - de aangepaste chips die Google sinds 2015 heeft gebouwd en die Gemini en zijn cloudservices aandrijven voor externe ontwikkelaars.
Op die Tensor-chips kan elk AI-model worden geladen. Frozen v2 doet iets anders. Volgens de rapporten wordt een deel van de architectuur van Gemini – de structurele blauwdruk die bepaalt hoe het model informatie routeert en verwerkt – rechtstreeks in de hardware ingebakken.
Bij machinaal leren betekent 'bevriezen' iets permanent op zijn plaats vergrendelen. Wat hier bevroren raakt, is de architectuur, en niet de gewichten van het model (de feitelijke kennis die Gemini opdoet door middel van training, die up-to-date blijft). Door deze blauwdruk in de circuits van de chip te integreren, slaat de chip overbodige berekeningen over en stopt hij met het pendelen van gegevens door het geheugen bij elke zoekopdracht. Ingenieurs voorspellen een zes tot tien keer betere tokens (de kleine stukjes tekst waaruit elke AI-reactie bestaat) die per watt verbruikte elektriciteit worden gegenereerd.
Dat is het verschil tussen het feit dat Google tien zoekopdrachten uitvoert voor de energiekosten van één.
Als je Gemini gebruikt, zal Frozen v2 niets veranderen aan hoe het voor jou voelt. Maar het verandert wat het kost om te draaien – en een goedkoper te gebruiken Gemini concurreert harder met OpenAI, Anthropic en Chinese laboratoria die al 45% van het AI-tokengebruik van Amerikaanse bedrijven voor hun rekening nemen, grotendeels omdat ze 60-90% goedkoper draaien. Je hebt misschien geen goedkopere AI, maar Google zal waarschijnlijk winstgevender zijn.
De aandelen van Alphabet stegen tijdens de maandagsessie op het nieuws met ongeveer 3% en bereikten intraday $356. Het bedrijf rapporteert de resultaten over het tweede kwartaal van 2026 op woensdag 22 juli, en de pomp trok zich terug tijdens de sessie van vandaag terwijl beleggers wachten op de meest recente resultaten van Google.
Dit is de zoveelste poging van een groot AI-bedrijf om zijn overmatige afhankelijkheid van Nvidia-hardware voor de ontwikkeling van zijn producten te beëindigen. Nvidia heeft ongeveer 85% van de GPU-markt voor AI in handen, en elk groot technologiebedrijf wil eruit.
De hardware van Nvidia is oorspronkelijk gebouwd voor videogames, niet voor taalmodellen. Het werkt, alleen met overhead die speciaal gebouwde chips niet kunnen dragen. Op de schaal van Google is een efficiëntiekloof van zes tot tien keer niet abstract. Het gaat om miljarden dollars. Meta, Amazon, Microsoft en OpenAI hebben precies om die reden allemaal aangepaste siliciumprogramma's.
Zoals Decrypt in maart meldde, bouwt zelfs AWS – dat zich ertoe heeft verbonden om tot 2027 1 miljoen Nvidia GPU's in te zetten – tegelijkertijd zijn eigen chips om die blootstelling op de lange termijn te verminderen.
Frozen v2 is nog steeds verkennend. Belangrijke ontwerpbeslissingen zijn nog niet afgerond, Google heeft nog niet bevestigd dat het project bestaat en de chip zal niet worden aangeboden aan externe Cloud-klanten. Hardware die voor het ene model is bedraad, kan die van iemand anders niet draaien. Volgens rapporten zal de implementatie op zijn vroegst in 2028 plaatsvinden.
In de tussentijd betaalt Google SpaceX 920 miljoen dollar per maand om 110.000 Nvidia GPU's als brug te huren van de datacenters van xAI.
Dagelijkse debriefing NieuwsbriefBegin elke dag met de belangrijkste nieuwsverhalen van dit moment, plus originele artikelen, een podcast, video's en meer. Uw e-mail Download het! Download het!