O Google está desenvolvendo um novo chip de servidor dedicado à inteligência artificial, batizado internamente de “Frozen v2”, com o objetivo de tornar seus modelos Gemini drasticamente mais eficientes. Segundo informações publicadas pelo TechCrunch com base em reportagem do The Information, o novo chip pode ser entre seis e dez vezes mais eficiente do que os chips de IA que o Google utiliza atualmente, considerando a quantidade de tokens gerados por unidade de energia consumida.
A previsão é que o chip seja lançado em 2028 – o que pode parecer distante, mas representa um cronograma agressivo para o desenvolvimento de hardware de alto desempenho. E o impacto esperado vai muito além dos laboratórios internos do Google: a iniciativa pode remodelar os custos e a viabilidade econômica da IA generativa em escala global.
Por que um chip próprio para IA?
A pergunta parece óbvia à primeira vista: o Google já possui os TPUs (Tensor Processing Units), seus chips dedicados a operações de aprendizado de máquina. Então por que desenvolver mais um?
A resposta está na velocidade com que as demandas computacionais dos modelos de linguagem cresceram. Os modelos Gemini, assim como os da OpenAI, Anthropic e outros concorrentes, exigem quantidades massivas de processamento – tanto durante o treinamento quanto na etapa de inferência, que é quando o modelo responde às perguntas dos usuários. E essa etapa de inferência, por acontecer em tempo real e em enorme escala, consome energia de forma impressionante.
O “Frozen v2” seria projetado especificamente para tornar a inferência mais eficiente. A métrica usada é o número de tokens gerados por watt de energia consumida. Uma melhora de seis a dez vezes nesse indicador significaria que o Google poderia processar muito mais consultas com o mesmo gasto de energia – ou reduzir significativamente seus custos operacionais.
O contexto: bilhoes em infraestrutura e pressao dos investidores
O desenvolvimento desse chip não acontece no vácuo. O Google – sob o guarda-chuva da Alphabet – planeja investir entre US$ 180 bilhões e US$ 190 bilhões em infraestrutura de IA apenas em 2026. É um valor que assusta até os investidores mais otimistas, e que coloca uma pressão enorme sobre a empresa para demonstrar retorno financeiro.
A notícia do “Frozen v2” parece ter chegado na hora certa: as ações da Alphabet subiram cerca de 3% na segunda-feira após a publicação da reportagem. O mercado interpretou o desenvolvimento do chip como um sinal de que o Google está tomando medidas concretas para controlar seus gastos e aumentar a margem de lucro de suas operações de IA.
Mas o impacto vai além do preço das ações. A eficiência energética é uma das questões mais críticas do setor de tecnologia nos próximos anos. Data centers que alimentam modelos de IA já representam uma parcela significativa do consumo elétrico em países desenvolvidos – e a tendência é de crescimento acelerado. Um chip que corte o consumo por operação em até dez vezes seria uma contribuição importante não apenas economicamente, mas também do ponto de vista ambiental.
Google nao está sozinho nessa corrida
O desenvolvimento de chips proprietários para IA virou uma corrida entre as grandes empresas de tecnologia. A OpenAI está desenvolvendo seu próprio processador, chamado internamente de “Jalapeño”. A Anthropic firmou parceria com a Samsung para explorar soluções similares. E a Nvidia – que até pouco tempo era a fornecedora quase exclusiva de GPUs para IA – começa a enfrentar concorrência em diversas frentes.
A lógica por trás dessa tendência é clara: dependência de um único fornecedor de chips representa risco estratégico e custo elevado. Ao desenvolver hardware próprio, integrado desde o início com seus modelos de software, as Big Techs buscam eficiência que simplesmente não é possível com soluções genéricas do mercado.
O Google já tem experiência nessa área. Seus TPUs existem há anos e são amplamente usados tanto no treinamento dos modelos quanto na inferência. O “Frozen v2” seria uma evolução natural dessa estratégia, com foco específico nas demandas dos modelos Gemini e em um nível de eficiência que a empresa ainda não atingiu com hardware de prateleira.
A abordagem de pilha completa: hardware e software juntos
Uma das vantagens que o Google menciona nessa estratégia é o que a indústria chama de “full-stack approach” – ou abordagem de pilha completa. Em vez de desenvolver o chip de forma isolada e depois adaptá-lo aos modelos existentes, a equipe projeta hardware e software de maneira conjunta e interdependente.
Isso significa que as características do Gemini – o tamanho das camadas, os padrões de acesso à memória, os tipos de operações matemáticas mais frequentes – podem ser incorporados diretamente no design do chip desde o início. O resultado esperado é um nível de otimização que chips de uso geral, como os da Nvidia, simplesmente não conseguem alcançar para uma tarefa específica.
Em declaração ao TechCrunch, o Google confirmou a orientação estratégica sem entrar em detalhes: “Nossas equipes estão constantemente pesquisando e experimentando novas inovações para oferecer maxima performance e eficiência.”
O que muda para quem usa IA no dia a dia
Para o usuario comum, as mudanças trazidas por um chip como o “Frozen v2” podem não ser imediatamente visíveis. Mas os efeitos downstream são significativos. Quando o custo de processamento de IA cai, duas coisas costumam acontecer: os preços para os usuários finais diminuem, e o volume de uso que é economicamente viável para as empresas aumenta.
Isso significa modelos de IA mais rápidos, com menos limitações de uso, e possivelmente mais baratos para consumidores e desenvolvedores. Empresas que usam o Gemini via API para construir aplicações também seriam beneficiadas: menores custos de inferência se traduzem em menor custo operacional e maior margem para escalar produtos.
O “Frozen v2” ainda está em desenvolvimento, com lançamento previsto para 2028. Mas o sinal enviado pelo Google é claro: a eficiência energética e o controle sobre o hardware são prioridades estratégicas de longo prazo – não apenas para ganhar a corrida da IA, mas para garantir que ela seja economicamente sustentável quando chegar ao seu pico de escala.
Um setor em transformação acelerada
O desenvolvimento de chips próprios por parte das maiores empresas de IA do mundo é um dos fenomenos mais relevantes da industria de tecnologia em 2026. Para quem acompanha o setor, vale a pena prestar atenção: as decisões de hardware que estão sendo tomadas agora vao determinar quais modelos de IA serao economicamente viáveis e acessíveis nos próximos cinco a dez anos.
E o Google, com o “Frozen v2”, está fazendo uma aposta clara: de que a eficiência – e nao apenas a capacidade bruta de processamento – será o diferencial competitivo decisivo na próxima fase da inteligência artificial.
Fonte: TechCrunch – Google is working on a new AI chip designed to make Gemini more efficient
