Imagine uma cozinha de restaurante em que o chef passa 80% do tempo folheando receitas, procurando panelas e lavando utensílios — e 20% realmente cozinhando. É isso que os chips de IA fazem hoje. GPUs e TPUs superam amplamente as CPUs, mas ainda pagam um imposto enorme de eficiência pela “generalidade”.
O Google está tentando acabar com esse desperdício com um chip de codinome Frozen v2. Segundo o The Information, com base em pessoas diretamente envolvidas, o Google está desenvolvendo secretamente um chip de servidor projetado especificamente para os modelos Gemini — e funcionários do projeto dizem que sua eficiência energética, medida em tokens gerados por watt, poderia alcançar seis a dez vezes a da mais recente TPU do Google.
Este não é apenas mais um chip. Ele pode marcar a saída formal da computação de IA da era dos aceleradores genéricos para a era do silício específico por modelo.
O Imposto da Generalidade que a IA Paga Há Tempo Demais
Para entender o Frozen v2, voltemos a uma pergunta fundamental: por que as GPUs e TPUs existentes não são boas o suficiente? Em 1945, von Neumann propôs o computador de programa armazenado — instruções e dados compartilhando uma única memória, com o processador buscando e executando em sequência. Essa arquitetura domina a computação há oitenta anos, e sua virtude central é a generalidade: o mesmo chip roda uma planilha e, em seguida, edição de vídeo, bastando trocar o programa.
Mas a generalidade tem um preço. Cada token que um modelo grande gera é, no fundo, o mesmo punhado de operações — multiplicações de matrizes, atenção — repetidas. Um processador genérico ainda precisa carregar a lógica de controle e os caminhos de dados que servem a incontáveis outros programas, e grande parte desses circuitos fica ociosa durante a inferência. Pior é a muralha da memória: processador e memória são fisicamente separados, os dados viajam entre eles, e quando a computação ultrapassa o movimento de dados, o chip fica ocioso esperando. Para cargas de trabalho de inferência, a fração ociosa é impressionantemente alta. A indústria respondeu em etapas — CPU para GPU para NPU/TPU, cada uma mais especializada — mas mesmo uma TPU mantém uma generalidade substancial para atender a muitas famílias de modelos. O Google agora quer dar o passo decisivo.
Frozen v2: Gravando a Arquitetura do Modelo no Silício
A ideia central é brutalmente direta: se você vai rodar o Gemini para sempre, grave a arquitetura do Gemini diretamente no layout físico do chip. Um modelo se Decompõe em duas partes — arquitetura (as regras do fluxo de informação) e pesos (os parâmetros treinados). A estratégia do Frozen v2: congelar a arquitetura, manter os pesos atualizáveis.
Um chip tradicional executa buscar → decodificar → executar, sem nunca saber o que vem a seguir. O Frozen v2, conhecendo de antemão o grafo de computação do Gemini, organiza as unidades de computação, o posicionamento de armazenamento e o fluxo de dados em torno dessa estrutura fixa — pulando a sobrecarga de endereçamento e decodificação, porque o hardware já sabe o que vem depois. Esse é o nome: o Google congela parte do Gemini em troca de eficiência em nível de chip.
O projeto é conduzido pessoalmente pelo cientista-chefe do Google, Jeff Dean — cofundador do Google Brain, projetista original do TensorFlow e, há muito tempo, a peça-chave entre a infraestrutura de computação distribuída do Google e a de IA. Ter o arquiteto de IA no circuito do design do chip já é, em si, o sinal. E esta não é a primeira tentativa de “Frozen” do Google: a versão original concebia congelar também os pesos, o que teria amarrado um chip a uma única versão do Gemini — quando o design, a fabricação e a implantação terminassem, essa versão já estaria obsoleta. O Frozen v2 absorveu a lição: desde que o próximo Gemini mantenha uma arquitetura subjacente semelhante, o chip continua em serviço.
Por Que Todas as Empresas de Modelos Estão Construindo Chips
O Frozen v2 não é um evento isolado. Em 2026, praticamente todos os laboratórios de fronteira estão apostando em silício customizado: a OpenAI revelou seu chip de inferência Jalapeño em parceria com a Broadcom em junho, projetado a partir de cargas de trabalho reais do ChatGPT e do Codex, com os próprios modelos acelerando o design — nove meses do design à fabricação, com implantação prevista para o fim de 2026. A Anthropic tem um programa de chips em andamento, segundo relatos. A DeepSeek conduz secretamente um projeto de chip de inferência há cerca de um ano, em conversas com empresas de design, fundições e fornecedores de memória. A Zhipu tem planos semelhantes.
Um motorista por trás de todos eles: o custo de computação se tornou uma questão de vida ou morte para as empresas de modelos. Tome o Gemini 3.1 Pro Preview a US$ 12 por milhão de tokens de saída. Uma requisição pesada emitindo 1.000 tokens custa 2,2 centavos. A 100 milhões de chamadas assim por dia, isso dá US$ 2,2 milhões diários — cerca de US$ 800 milhões por ano. Os usuários ativos mensais do Gemini excedem 900 milhões; qualquer pequeno gasto por chamada, multiplicado por um volume na casa das dezenas de bilhões, é astronômico. A escassez de computação já está degradando produtos: em março–abril, desenvolvedores reclamaram que o Claude Code havia ficado “burro”, e a investigação descobriu que a profundidade mediana de raciocínio havia desabado de 2.200 para 720 caracteres — uma queda de 67%. O Google enfrenta sua própria escassez, grave o suficiente para que o Google Cloud tenha recusado alguns pedidos externos.
A Virada de Paradigma: De Modelos Rodando em Chips a Chips com a Forma de Modelos
O significado do Frozen v2 vai além do destino de qualquer produto único. Ele representa uma virada maior: ontem, os chips eram genéricos e os modelos eram software, com o código decidindo tudo; agora, a arquitetura do modelo começa a definir o design do chip; a seguir, chip e modelo serão projetados como um só, sem uma fronteira nítida entre hardware e software. O caminho histórico é legível — CPU (geral) → GPU (especializada em gráficos, acidentalmente boa em IA) → NPU/TPU (especializada em aceleração de IA) → ASIC de nível de modelo (Circuito Integrado Específico de Arquitetura) — e o Frozen v2 é o estado final desse caminho.
A analogia: evoluir de “uma caixa de ferramentas que conserta tudo” para “forjar uma chave dedicada para cada fechadura”. A caixa de ferramentas é flexível; a chave é eficiente. Uma vez que a fechadura — o modelo — está definida, forjar a chave dedicada torna-se inevitável. E o Google tem cartas que rivais não podem copiar: dos modelos Gemini ao silício das TPUs, passando pelos datacenters do Google Cloud e pelo ecossistema de produtos, uma única empresa controla toda a cadeia. Pesquisadores podem ser assediados e flagships atrasados, mas uma década de compiladores de TPU e infraestrutura de datacenter não pede demissão e vai embora.
Riscos e Limites
O Frozen v2 está longe de ser uma aposta garantida. Primeiro, o momento é delicado: segundo relatos, o chip será implantado no mínimo em 2028 — dois anos em que os modelos de IA podem iterar várias gerações. Se a arquitetura subjacente do Gemini mudar substancialmente, a vantagem congelada se torna bagagem congelada. Diz-se que o Google ainda está decidindo quanto congelar: de menos, e o ganho de eficiência é magro; de mais, e a iteração do modelo perde flexibilidade. Encontrar esse equilíbrio é, em si, um desafio de engenharia formidável. Segundo, o êxodo de talentos: o colíder do Gemini, Noam Shazeer, saiu para a OpenAI; John Jumper e vários pesquisadores do Gemini foram para a Anthropic; o Gemini 3.5 Pro, previsto para junho, estaria meses atrasado, com a capacidade de programação abaixo das metas internas. Quando a própria equipe do modelo vive em constante rotatividade, a premissa de construir chips para esse modelo ainda se sustenta?
O Que Desenvolvedores e Empresas Devem Observar
-
Os custos de inferência cairão estruturalmente. À medida que o silício específico por modelo amadurece, a inferência pode cair uma ordem de magnitude — uma boa notícia de longo prazo para aplicações intensivas em inferência.
-
A estabilidade da arquitetura se torna um fator competitivo. Trocar frequentemente de arquiteturas de modelo abre mão dos dividendos da otimização de hardware; ao escolher serviços de modelo, avalie o caminho de evolução da arquitetura, não apenas o desempenho atual.
-
O codesign de hardware e software se torna uma capacidade central. Algoritmos sozinhos não são mais suficientes; as empresas que conectarem as camadas de software, hardware e sistema terão uma vantagem estrutural por volta de 2028.
-
A guerra de preços de API está longe do fim. Com silício customizado implantado em escala, os preços de API dos modelos de ponta ainda têm espaço para cair — não porque o modelo ficou mais barato, mas porque executá-lo ficou.
Gravar modelos grandes em chips é a resposta ótima? Dois anos até sabermos. Mas a direção está definida: a computação de IA caminha para a especialização máxima. À medida que a fronteira entre software e hardware se dissolve, quem controla toda a cadeia detém o poder final de precificação. O nome Frozen carrega dois sentidos — congelar a arquitetura do modelo em busca de eficiência e, se o caminho falhar, o prestígio do Google em hardware de IA congelar junto. É uma aposta. Mas a história da IA diz que as apostas costumam ser a única opção.
