Η επόμενη μάχη στην τεχνητή νοημοσύνη δεν θα κριθεί μόνο από το ποιο μοντέλο γράφει καλύτερα ή απαντά γρηγορότερα. Θα κριθεί και από το πόση ενέργεια, πόσους servers και πόσο κεφάλαιο χρειάζεται για να λειτουργήσει σε μεγάλη κλίμακα.
Σε αυτό το σημείο εστιάζει η Google με το Frozen V2, ένα νέο προσαρμοσμένο chip τεχνητής νοημοσύνης που, σύμφωνα με πληροφορίες που επικαλείται το The Information, βρίσκεται σε πρώιμο στάδιο ανάπτυξης. Ο στόχος είναι να χρησιμοποιηθεί από το 2028 και να είναι μεταξύ 6 και 10 φορές πιο αποδοτικό από την προηγούμενη γενιά ειδικών chips της εταιρείας.
Η προοπτική είναι εντυπωσιακή, όμως χρειάζεται η σωστή ανάγνωση: πρόκειται για σχέδιο υπό ανάπτυξη, όχι για προϊόν που βρίσκεται ήδη σε μαζική παραγωγή. Η Google δεν έχει δημοσιοποιήσει πλήρεις τεχνικές προδιαγραφές ή ανεξάρτητες μετρήσεις για το Frozen V2.
Γιατί η αποδοτικότητα έγινε το νέο νόμισμα της AI
Η εκπαίδευση και κυρίως η καθημερινή λειτουργία μεγάλων μοντέλων AI απαιτούν τεράστια υπολογιστική ισχύ. Κάθε ερώτημα σε έναν ψηφιακό βοηθό, κάθε δημιουργία εικόνας και κάθε αυτόνομος agent καταναλώνει πόρους σε data centers.
Γι’ αυτό οι μεγάλοι τεχνολογικοί όμιλοι δεν αρκούνται πλέον στις γενικής χρήσης GPUs. Η Google έχει εδώ και χρόνια δικά της TPU chips, σχεδιασμένα ειδικά για workloads μηχανικής μάθησης. Η λογική είναι απλή: όταν το hardware προσαρμόζεται σε συγκεκριμένο είδος εργασίας, μπορεί να εκτελεί περισσότερους υπολογισμούς με λιγότερη ενέργεια και χαμηλότερο κόστος.
Η Google έχει ήδη ανακοινώσει ότι, το 2025, μείωσε το κόστος εξυπηρέτησης του Gemini κατά 78%. Δεν σημαίνει ότι το Frozen V2 ευθύνεται για αυτή τη μείωση, αλλά δείχνει τη στρατηγική κατεύθυνση: η εταιρεία θέλει η AI να γίνει αρκετά οικονομική ώστε να μπορεί να ενσωματωθεί σε όλο και περισσότερα προϊόντα και υπηρεσίες.
Από τα TPUs στο Frozen V2
Η τελευταία γενιά TPUs της Google, οι 8i και 8t, έχει σχεδιαστεί για τις ανάγκες εκπαίδευσης και λειτουργίας μεγάλων μοντέλων της εποχής των AI agents. Παράλληλα, η εταιρεία έχει παρουσιάσει το Ironwood, με έμφαση στην ενεργειακή και ανθρακική αποδοτικότητα των συστημάτων AI.
Το Frozen V2, εφόσον επιβεβαιώσει τις επιδόσεις που αναφέρονται, θα μπορούσε να λειτουργήσει ως η επόμενη μεγάλη προσπάθεια της Google να περιορίσει ένα από τα βασικά εμπόδια του AI boom: την έλλειψη διαθέσιμης υπολογιστικής ισχύος και την αυξανόμενη κατανάλωση ενέργειας.
Αυτό έχει άμεση επιχειρηματική σημασία. Η Alphabet δεν χρησιμοποιεί chips μόνο για τα εσωτερικά της προϊόντα, όπως Search, YouTube, Gemini και Google Cloud. Η πρόσβαση σε αποδοτική υπολογιστική ισχύ είναι και εμπορικό πλεονέκτημα απέναντι σε επιχειρήσεις που αναζητούν AI υποδομές στο cloud.
Η πίεση στη Nvidia και ο ανταγωνισμός των custom chips
Η Nvidia παραμένει ο κυρίαρχος προμηθευτής υποδομών AI, αλλά το τοπίο γίνεται πιο σύνθετο. Η Google επενδύει σε TPUs, η Amazon σε Trainium, η Microsoft σε Maia, η Meta σε δικό της silicon, ενώ και η OpenAI έχει ανακοινώσει συνεργασία με την Broadcom για προσαρμοσμένο accelerator.
Αυτό δεν σημαίνει ότι τα custom chips θα εκτοπίσουν άμεσα τις GPUs της Nvidia. Οι GPUs προσφέρουν ευελιξία, ώριμο λογισμικό και τεράστιο οικοσύστημα. Τα ειδικά chips, όμως, μπορούν να γίνουν πολύ πιο ελκυστικά όταν μια εταιρεία γνωρίζει ακριβώς ποια workloads θα εκτελεί σε εκατομμύρια ή δισεκατομμύρια επαναλήψεις.
Η μεγάλη αλλαγή είναι ότι οι εταιρείες AI δεν ανταγωνίζονται πλέον μόνο με μοντέλα. Ανταγωνίζονται με ολόκληρες, κάθετα ελεγχόμενες υποδομές.
Τι μπορεί να αλλάξει έως το 2028
Αν το Frozen V2 φτάσει στην παραγωγή το 2028 με την αποδοτικότητα που σχεδιάζει η Google, το όφελος δεν θα είναι μόνο τεχνικό. Θα μπορούσε να μειώσει το κόστος λειτουργίας υπηρεσιών AI, να απελευθερώσει υπολογιστική ισχύ για νέες εφαρμογές και να επιτρέψει σε περισσότερους χρήστες να αξιοποιούν σύνθετα εργαλεία χωρίς να αυξάνεται με τον ίδιο ρυθμό το ενεργειακό αποτύπωμα.
Υπάρχουν όμως και ανοιχτά ερωτήματα. Η μεγαλύτερη αποδοτικότητα ανά υπολογισμό δεν εγγυάται από μόνη της χαμηλότερη συνολική κατανάλωση ενέργειας. Αν η χρήση AI αυξηθεί πολύ γρηγορότερα, η συνολική ζήτηση για data centers μπορεί να συνεχίσει να ανεβαίνει.
MoneyMatters View
Το Frozen V2 δεν είναι ακόμη μια συσκευή που μπορεί να αξιολογήσει η αγορά. Είναι όμως ένα καθαρό μήνυμα για το πού πηγαίνει ο ανταγωνισμός: προς λιγότερο γενικής χρήσης hardware και περισσότερη εξειδίκευση για AI.
Η υπόσχεση για 6 έως 10 φορές μεγαλύτερη αποδοτικότητα, εφόσον επιβεβαιωθεί, θα μπορούσε να αλλάξει τους οικονομικούς όρους λειτουργίας της τεχνητής νοημοσύνης. Και αυτό είναι ίσως πιο σημαντικό από έναν ακόμη εντυπωσιακό δείκτη απόδοσης.
Στην AI, το chip που χρησιμοποιεί λιγότερη ενέργεια για την ίδια εργασία μπορεί να αποδειχθεί εξίσου πολύτιμο με το μοντέλο που δίνει την καλύτερη απάντηση.
The post Google: Το νέο chip AI που υπόσχεται έως και 10 φορές μεγαλύτερη αποδοτικότητα appeared first on moneymatters.cy.
