Alphabet está desarrollando un nuevo chip de servidor para que sus modelos Gemini funcionen con mucha más eficiencia. El chip, conocido internamente como «Frozen v2», está previsto para 2028 y, según fuentes de The Information, podría ser entre 6 y 10 veces más eficiente que los chips de IA actuales de Google, medido en tokens generados por unidad de potencia eléctrica. La noticia hizo subir las acciones de Alphabet aproximadamente un 3% el lunes.
Lo reporta Lucas Ropek en TechCrunch el 20 de julio.
Por qué Frozen v2 importa más allá de los números
Google respondió a TechCrunch sin confirmar ni desmentir el reporte: «Nuestros equipos investigan y experimentan constantemente con nuevas innovaciones. Al codiseñar nuestro hardware y software desde cero, nos aseguramos de que nuestros sistemas estén integrados y altamente optimizados para cargas de trabajo del mundo real.»
La respuesta corporativa es deliberadamente vaga, pero el contexto la hace significativa. Alphabet anunció a principios de 2026 que planea gastar entre 180.000 y 190.000 millones de dólares en infraestructura de IA. Con esa magnitud de gasto en juego, los inversores exigían evidencia de que la inversión produciría eficiencias reales. Frozen v2 es esa evidencia, al menos en forma de prototipo.
La métrica de «tokens por unidad de potencia» es la que más le importa a los operadores de IA. Un modelo que genera el doble de tokens con el mismo gasto eléctrico reduce a la mitad el coste operativo de cada consulta — y en una empresa que sirve miles de millones de búsquedas diarias con IA, eso se traduce en miles de millones en ahorro.
El contexto: todos los labs se independizan de Nvidia
Frozen v2 llega en el momento en que las grandes empresas de IA aceleran el diseño de sus propios chips para reducir su dependencia de Nvidia. La lógica en todos los casos es similar:
OpenAI: anunció en junio su primer chip personalizado, un procesador de inferencia llamado Jalapeño, fabricado por Broadcom. Es el primer chip propietario de OpenAI.
Anthropic: en julio se supo que está negociando una nueva colaboración de fabricación de chips con Samsung — el primero dedicado específicamente a sus modelos.
Google: tiene historia propia en este terreno. Sus TPUs (Tensor Processing Units) llevan años alimentando la infraestructura de Google Cloud. Frozen v2 sería una evolución específicamente optimizada para Gemini, el mismo enfoque que Apple tomó con el Neural Engine de sus chips A-series y M-series.
La diferencia con el modelo «alquilar capacidad de Nvidia» es la propiedad intelectual del stack completo: si el chip está diseñado para el modelo específico y el modelo está diseñado para el chip, las optimizaciones posibles son radicalmente mayores que con hardware genérico.
DeepSeek V4 Pro demostró en abril de 2026 que los modelos open-weight podían alcanzar rendimiento de frontera con chips significativamente menos potentes: la eficiencia por token, no solo el poder bruto, es la métrica que define la carrera de IA. El «tokenpocalypse» de GitHub Copilot ilustró el punto desde el lado del coste: cuando el precio por token se dispara, las empresas cambian de proveedor — lo que hace que la eficiencia de Frozen v2 sea también una ventaja competitiva en precios de API. La dependencia de Europa de tecnología americana incluye la infraestructura de chips de IA: Frozen v2 amplía la brecha con los fabricantes europeos que no tienen los recursos para diseñar chips propietarios a esta escala.
La arquitectura de co-diseño hardware-software que describe Google no es nueva — Apple lleva una década haciéndolo con sus chips de iPhone y Mac — pero Google tiene la ventaja de que sus modelos sirven a una audiencia de escala global en servidores propios. La eficiencia de Frozen v2 se traduciría en ahorro operativo en cada una de esas consultas, lo que a la escala de Google representa una cantidad enorme. No es un producto de consumo: es infraestructura.
Mi valoración
El rebote del 3% en las acciones de Alphabet tras la noticia de Frozen v2 refleja la presión que los inversores han puesto en Big Tech para justificar las enormes inversiones en IA. 190.000 millones en infraestructura tiene que producir eficiencias que no sean solo teóricas. Un chip 6-10 veces más eficiente en 2028 es exactamente el tipo de promesa con la que Google puede calmar esa presión.
Lo que más me convence es el momento del anuncio: la semana previa a los resultados del segundo trimestre de Alphabet, con el stock subiendo un 3% el mismo día. No es casualidad. Lo que más me preocupa es la fecha de entrega: 2028 es mucho tiempo en el ritmo de la IA. Los competidores no van a esperar.
Preguntas frecuentes
¿Qué son los chips TPU de Google y en qué se diferencia Frozen v2?
Las TPU (Tensor Processing Units) son los chips propietarios que Google diseña desde 2016 específicamente para operaciones de álgebra lineal usadas en redes neuronales. Google lleva en la sexta generación de TPUs (TPU v6) en 2026. Frozen v2 parece ser un chip de servidor de nueva generación centrado específicamente en la eficiencia de inferencia para Gemini — una categoría diferente a las TPUs de entrenamiento.
¿Tendrá algún impacto en los usuarios de Google Search o Gmail?
Si Frozen v2 llega a producción en 2028, su impacto más directo sería en el coste y velocidad de las respuestas de Google AI Overviews en Búsqueda, Gemini in Workspace y los productos de Google Cloud que usan Gemini. Un chip más eficiente puede reducir la latencia de respuesta y permitir respuestas de IA más complejas sin aumentar el coste operativo.
¿Puede Google fabricar Frozen v2 sin depender de Nvidia?
Sí. Google fabrica sus TPUs en TSMC y Samsung, no a través de Nvidia. Nvidia domina el mercado de GPUs para entrenamiento, pero no tiene el monopolio de la fabricación de chips en general. El diseño interno y la fabricación externa en fábricas como TSMC es el modelo que tanto Google como Apple han usado con éxito para sus chips propietarios.