US$ 180 bilhões por uma resposta.
No último ano, o investimento de capital da Alphabet saltou de US$ 91,4 bilhões para US$ 180–190 bilhões — quase dobrou — e a gestão afirma que 2027 será ainda maior. Wall Street não para de perguntar: onde está o retorno de todo esse dinheiro?
Parte da resposta do Google é um chip com o codinome interno Frozen v2. Ele não faz treinamento e não atende nenhum cliente externo. Sua única missão: fazer os modelos Gemini rodarem de forma mais rápida e eficiente. Segundo The Information, o Frozen v2 tem como meta 6 a 10 vezes mais tokens por watt do que o mais novo chip de IA atual do Google — e, no dia em que o relatório foi publicado, as ações da Alphabet subiram cerca de 3,3%.
Mas a relevância vai muito além desse número.
Não É um TPU de Próxima Geração
Este é o ponto mais mal compreendido sobre o Frozen v2. Não se trata de um substituto do TPU — é uma linha de chips paralela com uma função completamente diferente:
-
TPU: o acelerador de IA de uso geral — computação matricial, treinamento, inferência, aprendizado por reforço, qualquer modelo em qualquer escala, alugado pelo Google Cloud e em breve entregue como hardware aos clientes. A oitava geração (abril de 2026) foi explicitamente dividida nas arquiteturas 8t (treinamento) e 8i (inferência), com suporte nativo a PyTorch.
-
Frozen: um chip específico para um modelo — a estrutura, os parâmetros e os padrões de computação do Gemini mapeados em hardware. Generalidade sacrificada em troca de eficiência extrema.
A estratégia de chips do Google está se cristalizando em um claro sistema de duas vias: o TPU amplia a generalidade da infraestrutura e o alcance comercial; o Frozen leva o custo operacional por unidade dos modelos internos emblemáticos ao mínimo. De GPU a TPU a Frozen, a especialização de silício para IA está sendo levada a uma profundidade sem precedentes.
Por Que Especialização no Nível do Modelo, Por Que Agora
Na era anterior, a competição de chips media throughput de ponto flutuante, contagem de parâmetros, largura de banda de interconexão, tamanho de cluster. Mas os modelos de grande porte entraram no modo de inferência em massa, no qual o pico de computação de um único chip não decide mais a eficiência comercial. As perguntas realistas são: dentro do mesmo orçamento de energia e servidores, quantas solicitações de usuários? Quantos tokens úteis? Qual a velocidade de resposta?
Cenários de agentes tornam isso agudo — uma única solicitação do usuário pode disparar planejamento, busca, chamadas de ferramentas, execução de código, verificação de resultados e várias rodadas de reflexão. O que parece uma única tarefa gera um consumo de tokens muito além do de um chatbot. A eficiência do chip em movimentação de dados, acesso à memória e inferência de baixo batch agora impacta diretamente as margens brutas do produto. A oitava geração de TPU já reflete essa mudança: o TPU 8i adiciona 288GB de memória de alta largura de banda e 384MB de SRAM no chip, especificamente para inferência de baixa latência. O Frozen v2 leva a divisão do trabalho até a camada do modelo — congelando partes dos padrões de computação do Gemini em silício.
Isso é viável porque o Gemini já roda dentro de praticamente todos os produtos principais do Google — Search, Ads, Workspace, Google Cloud. Uma pequena economia de energia e latência por chamada, acumulada ao longo de dezenas de bilhões de requisições, vira uma diferença de custos de infraestrutura de bilhões de dólares.
O Maior Risco: Iteração de Modelo Versus Ciclos de Chip
O Frozen v2 tem como alvo a implantação em 2028. O Google precisa julgar, com dois anos e meio de antecedência, quais capacidades do Gemini permanecerão estáveis o suficiente para serem gravadas em hardware. Essa é a contradição fundamental dos chips específicos por modelo: os ciclos de iteração de modelos são medidos em meses; chips avançados levam anos do design à produção. Se a arquitetura do Gemini mudar substancialmente antes de o chip ser lançado, partes do design terão que ser refeitas — e o próprio Google deixou espaço explícito para recuo, observando que “nem todos os projetos de pesquisa chegam à produção”.
O problema não é exclusivo do Google. A OpenAI lançou seu primeiro chip de inferência personalizado, o Jalapeño, em parceria com a Broadcom em junho; a Anthropic, segundo relatos, discutiu colaboração em chips com a Samsung; o silício personalizado está se tornando equipamento padrão para desenvolvedores de modelos de primeira linha. Todos eles enfrentarão o mesmo desafio.
O Sinal Mais Amplo para a Indústria
O aspecto mais notável do Frozen v2 não é o número não verificado de “6 a 10×” — é a métrica que o Google escolheu: tokens por unidade de energia. Isso marca a migração do centro da competição em IA da capacidade do modelo para a economia da inferência. À medida que as capacidades dos modelos convergem, quem atender mais usuários a um custo menor detém a vantagem da próxima era. Para a indústria, três implicações decorrem disso: a integração vertical se torna equipamento padrão para fornecedores de modelos — a capacidade de co-desenhar modelo, chip e datacenter abrirá brechas; os custos de inferência podem cair mais rápido do que o esperado, com o silício especializado provocando outra queda acentuada nos preços de tokens por volta de 2028; e a estabilidade arquitetural se torna uma pré-condição para investimento em chips — equipes que ficam refazendo suas arquiteturas podem abandonar completamente a rota do silício personalizado.
Esta não é uma disputa sobre qual chip vence. É uma resposta a uma pergunta mais fundamental: quando a IA atingir escala suficiente, cada camada da infraestrutura — da arquitetura do modelo ao design do chip — ainda poderá evoluir de forma independente? A resposta do Frozen v2: não. Pelo menos para o Google, o movimento ótimo é vinculá-las.
Implicações Por Perfil
-
Construindo modelos de grande porte? Pense na curva de custo de inferência de longo prazo. Se sua arquitetura ainda não está estável, chips personalizados provavelmente não são a prioridade hoje — mas o investimento contínuo em otimização de inferência é, seja quantização, destilação ou adaptação de hardware.
-
Construindo produtos sobre modelos? Acompanhe esses chips especializados. Os custos de inferência podem cair mais e mais rápido do que o esperado; cenários hoje inviabilizados pelo custo — como os ciclos famintos por tokens dos agentes — podem se tornar viáveis em dois a três anos.
-
Construindo infraestrutura de IA? O acoplamento modelo-chip está se aprofundando. Quem ajudar as equipes de modelos a equilibrar velocidade de iteração com ROI de hardware capturará a próxima onda.
Se o Frozen v2 chegará à produção em massa é difícil dizer hoje. Mas o sinal da direção é claro o suficiente: uma empresa que gasta US$ 180 bilhões por ano em infraestrutura de IA vai encontrar todas as formas de fazer cada dólar queimar em mais tokens. Essa lógica vale para qualquer escala.
