东野圭吾推理系列

Jason Kelce 联手 Liquid Death：想用你的尿液为 AI 数据中心降温_我的网站

一 |     7 月 21 日，外媒独家披露谷歌 Alphabet 内部代号 Frozen v2 的专用推理服务器芯片研发细节，这款芯片将 Gemini 底层模型架构直接固化至硅片，内部测试数据显示，它单位功耗下的 Token 处理效率达到现有顶级 TPU 的 6 至 10 倍，产品核心面向 AI 智能体高并发推理场景，计划 2028 年完成落地部署，消息流出后 Alphabet 盘中股价涨幅突破 3%。         当前市场主流 GPU、TPU 均为通用可编程架构，能够适配各类大模型运行，但在实际工作过程中需要持续调度运算资源、频繁迁移内存数据，而 AI 智能体需要不间断生成文本、高频调取缓存信息，长期运行下会产生严重的功耗损耗与延迟问题，也就是行业普遍存在的内存墙难题。    Jason Kelce、Garage Beer 和 Liquid Death 联手呼吁你将尿液邮寄给数据中心。

二 | Frozen v2 走出了完全不同的设计思路，研发团队没有把完整模型权重固定在硬件内部，而是将 Gemini 体系中复用频率最高的底层决策、解码运算通路蚀刻进芯片电路，从硬件层面削减运行过程中的计算步骤与数据传输消耗。这款芯片将每瓦可处理 Token 数量作为核心评估指标，而非单纯追求纸面峰值算力，天然适配智能体长上下文交互、全天候持续推理的负载需求，同时研发团队仅锁定标准化模型运算架构，保留权重迭代更新的空间，弥补初代 Frozen 完全固化模型、芯片使用周期过短的短板。Garage Beer 和 Liquid Death 发布了一则新广告，Jason Kelce 在广告中称，当你饮用上述任何产品并排泄后，可以将其装瓶寄往 AI 数据中心用于散热。为了方便操作，两家公司推出了一款类似梅森罐的杯子，供你装尿（或者饮用，随你喜欢）。这款“数据中心冷却剂”杯售价 18 美元，但目前已售罄，除非补货，否则你可能买不到了。从产品定位来看，Frozen v2 并不会取代第八代 TPU 承担训练与通用推理工作，谷歌由此形成双轨芯片布局，TPU 负责承接外部云客户多样化模型需求，Frozen v2 则专供内部 Gemini 大模型、各类智能体、搜索以及办公软件等高负载业务，二者形成互补搭配。需要注意的是，广告和杯子的销售页面上都有小字说明，提醒你不要真的向数据中心邮寄尿液。出于恶作剧或好玩而邮寄尿液是违法行为；尿液只能作为医疗样本邮寄，且必须遵守关于包装和呈报方式的特定规则。         本届 WAIC 已经释放清晰产业信号，AI 行业正式进入智能体规模化落地阶段，海量 Agent 多任务自主调度、云端高并发推理成为算力消耗的主要来源，这也是谷歌全力推进 Frozen v2 研发的核心动因。（我们认为有必要提醒一下，以免你轻易被广告误导。）该广告针对的是 AI 数据中心，因为这些中心每天消耗数百万加仑的水来为机器降温。面向企业级智能体与 C 端终端配套云端服务，芯片能够同时承载上万条长文本指令，持续输出多轮交互内容，依靠低功耗特性大幅压缩集群供电与散热开支；谷歌自有搜索智能助手、办公智能体、多模态交互产品的推理调用量持续攀升，现有算力供给缺口已经迫使谷歌云暂缓承接部分外部订单，专用推理芯片落地后可以快速补足内部算力短板。同时智能体执行跨平台、多步骤复杂任务时高度依赖大容量上下文缓存，Frozen v2 在硬件层面优化内存读写链路，有效减少缓存反复搬运带来的多余功耗，进一步降低智能体长期运行的综合成本。许多人批评数据中心为了生产毫无价值的 AI “废料”而浪费清洁水资源，并排放化学物质污染水源。         Frozen v2 研发消息曝光，意味着全球 AI 芯片赛道分化出两条清晰发展路径，行业算力竞争的重心，也从单纯比拼峰值算力，转向推理能效、单 Token 运行成本的长期较量。英伟达与 AMD 坚持通用算力发展路线，旗下 GPU 与整机柜方案兼顾训练、推理全场景需求，生态体系成熟完善，但在智能体高频推理场景下能效表现存在明显短板；谷歌选择模型深度定制芯片路线，Frozen v2 与自家大模型深度协同设计，最大限度压低推理单位成本，缺点是通用性有限，仅能适配 Gemini 产品体系。此外，AI 中心还大量占用电脑组件，导致硬件短缺，并使想要升级设备的消费者成本大幅飙升。除此之外，SambaNova、d-Matrix 以及国内多款专用推理芯片都在推进模型与硬件深度耦合的研发方向，行业逐渐形成统一共识，训练环节依旧依靠通用算力集群支撑，而大规模商业化推理场景，会逐步走向专用化定制芯片。         这款芯片依旧存在不少短期落地约束，目前整体还停留在架构设计阶段，最快要到 2028 年才能小规模投入使用，距离全面商业化还有两年多时间，短期内无法缓解全球当下的算力紧缺现状。

三 | 这是一个热门话题，两家公司正是利用这个讽刺性广告来借势宣传。Liquid Death 对这类离谱的营销噱头并不陌生。该公司几年前推出了一款名为“Armless Palmer”的混合饮料，致敬阿诺德·帕尔默（Arnold Palmer）。同时产品适配范围存在明显局限，仅能对接 Gemini 系列大模型，无法对外提供通用算力租赁服务，很难复刻 TPU 对外云业务带来的营收增量，并且芯片硬件固化的模型逻辑范围仍在持续调整，研发团队需要不断平衡运算效率与模型迭代灵活性，不排除项目中途调整规划、缩减量产规模的可能性，谷歌官方也对外表示，内部研发项目不代表最终都会量产落地。在帕尔默的遗产管理机构察觉并威胁采取法律行动后，Liquid Death 将名字改成了“死去的亿万富翁”（Dead Billionaire）。拉长周期来看，Frozen v2 的落地会带来深远产业变革，若 6 至 10 倍的能效提升能够实现量产兑现，AI 智能体、大模型云端服务的单 Token 运行成本将显著下降，进一步推动 C 端、B 端智能体产品普及。正如你所料，这引发了媒体头条报道和广泛关注。谷歌这套模型与芯片底层协同设计的方案得到验证后，各大头部大模型厂商都会加速自研专用推理芯片，通用 GPU 在推理市场的份额会持续承压，行业整体算力投入逻辑也会发生转变，过去厂商资源集中投向训练集群，未来资本开支会持续向推理专用硬件倾斜，匹配 AI 产业从技术训练走向商业化落地的周期切换。

四 |          Frozen v2 是谷歌为解决 AI 智能体推理算力瓶颈推出的战略性产品，跳出传统通用 TPU 的设计框架，以牺牲通用适配能力换取极致运行能效，精准贴合当下全球 AI 产业告别参数内卷、全面推进智能体工业化落地的核心趋势。短期来看，芯片落地周期漫长，无法立刻改变全球算力竞争格局，长期视角下，该项目印证软硬一体化定制是推理赛道的核心突破方向，也会倒逼英伟达、AMD 加快迭代推理专用芯片，整个 AI 算力行业的竞争主线，正式从训练算力比拼，转向智能体推理能效的持续对抗。

Current article:http://www.xiongpeiduanlouduoennongleng.cyou/list_evc2/dtp.ppt

Published on:04:22:53