Google trabaja en un nuevo chip de inteligencia artificial diseñado específicamente para ejecutar los modelos Gemini con un consumo energético muy inferior al actual. El proyecto, conocido internamente como «Frozen v2», busca integrar parte del funcionamiento del modelo directamente en el hardware, una estrategia con la que la compañía pretende reducir costes, aumentar la capacidad de procesamiento y disminuir su dependencia de las GPU de terceros.

Según las primeras informaciones, el nuevo acelerador podría ser entre seis y diez veces más eficiente que los actuales chips TPU de Google en términos de tokens generados por vatio de energía. La compañía espera que esta tecnología entre en funcionamiento alrededor de 2028, aunque su desarrollo responde a necesidades mucho más inmediatas: el fuerte crecimiento del uso de Gemini y la creciente demanda de capacidad de computación para entrenar y ejecutar modelos de IA.

El movimiento se produce en un momento en el que las grandes tecnológicas están intensificando sus inversiones en infraestructura para inteligencia artificial. Mientras OpenAI trabaja en chips propios junto a Broadcom y Meta desarrolla sus aceleradores internos, Google apuesta por reforzar su ventaja en hardware, un área en la que lleva años diseñando sus propias Tensor Processing Units (TPU) para alimentar tanto sus servicios como Google Cloud.

Un chip diseñado alrededor de Gemini

A diferencia de los procesadores actuales, Frozen v2 no se limitaría a acelerar cálculos de IA de forma genérica. El objetivo es integrar directamente en el silicio determinados componentes de Gemini, optimizando el hardware para las tareas que el modelo realiza con mayor frecuencia.

Esta aproximación permitiría ejecutar inferencias con un menor consumo energético y reducir la cantidad de recursos necesarios para responder a las consultas de los usuarios. En otras palabras, Google busca que Gemini genere más respuestas utilizando menos electricidad y menos capacidad de computación.

La eficiencia energética se ha convertido en uno de los grandes retos del sector. A medida que los modelos de IA aumentan su tamaño y complejidad, también lo hacen los costes asociados a su funcionamiento. Diseñar chips específicos para cada arquitectura es una de las principales estrategias para contener ese crecimiento.

Reducir costes y aliviar la presión sobre Google Cloud

El desarrollo del nuevo chip responde también a un problema interno. Según las informaciones publicadas, Google ha experimentado limitaciones en su capacidad de computación para IA, hasta el punto de tener que priorizar recursos entre sus propios productos y los clientes de Google Cloud. En algunos casos, la compañía habría rechazado proyectos empresariales por falta de capacidad disponible.

Con Frozen v2, Google pretende aumentar el rendimiento de su infraestructura sin necesidad de ampliar el número de servidores en la misma proporción. Una mayor eficiencia permitiría atender más solicitudes con el mismo hardware y reducir el coste operativo de servicios como Gemini, AI Overviews o las herramientas de IA disponibles en Google Workspace.

Además, la compañía podría reforzar su posición en Google Cloud, donde ofrece acceso a sus TPU como alternativa a las GPU de Nvidia para empresas que desarrollan aplicaciones basadas en inteligencia artificial.

La batalla del hardware entra en una nueva fase

La noticia confirma que la competencia por la inteligencia artificial ya no se libra únicamente en el desarrollo de modelos, sino también en la infraestructura que los hace posibles.

Nvidia continúa dominando el mercado de aceleradores para IA con sus GPU, pero compañías como Google, Amazon, Microsoft o Meta llevan varios años diseñando chips propios para reducir costes, optimizar el rendimiento y depender menos de proveedores externos.

En el caso de Google, la integración entre hardware y software constituye una de sus principales ventajas competitivas. La empresa diseña tanto los modelos Gemini como los procesadores TPU sobre los que se ejecutan, lo que le permite optimizar ambos elementos de forma conjunta. Frozen v2 profundiza en esta estrategia al adaptar el propio chip a las necesidades específicas del modelo.

Una inversión clave para el futuro de Gemini

Aunque el proyecto todavía se encuentra en desarrollo y no llegará al mercado hasta dentro de varios años, refleja la importancia que Google concede a la eficiencia como factor diferencial en la próxima generación de inteligencia artificial.

Reducir el consumo energético y el coste por consulta será fundamental para sostener el crecimiento de servicios como Gemini, cuyo uso continúa aumentando tanto entre consumidores como en empresas. Si las previsiones se cumplen y Frozen v2 alcanza una mejora de hasta diez veces en eficiencia, Google podría reforzar significativamente la rentabilidad de su infraestructura de IA y consolidar su posición frente a competidores como OpenAI, Microsoft o Meta.