Frozen v2.. جوجل تستبق أزمة الحوسبة بمعالج مدمج في قلب Gemini
مشروع سري لدمج بنية Gemini داخل الرقائق لتقليل استهلاك الطاقة

تسعى شركة جوجل لتجاوز أزمة نقص قدرات الحوسبة الداخلية عبر تطوير معالج جديد يحمل الاسم الرمزي Frozen v2، وفق ما كشفه تقرير لموقع The Information، في خطوة تهدف إلى حل التوترات الداخلية الناجمة عن محدودية الموارد التقنية المتاحة لمشاريع الذكاء الاصطناعي.
يتبنى المعالج الجديد فلسفة دمج أجزاء من بنية نموذج Gemini البرمجية مباشرة داخل العتاد الصلب، وهو ما يقلل العمليات الحسابية وحركة البيانات المطلوبة للاستجابة لاستفسارات المستخدمين، حيث توقعت التقارير المسربة أن يعالج Frozen v2 ما بين ستة إلى عشرة أضعاف عدد الرموز لكل وحدة طاقة مقارنة بوحدات معالجة الموتر الأكثر قوة التي تمتلكها الشركة حالياً.
تعتبر جوجل هذا المشروع بمثابة تجربة رائدة وليس بديلاً شاملاً لمنظومتها الحالية، حيث أوضح تقرير The Information أن المعالج لن يعمل إلا مع النسخ المستقبلية من Gemini بشرط ثبات بنيتها الهندسية، وهو ما يجعل المشروع عرضة للمخاطر في حال قرر المطورون تغيير التصميم البرمجي للنماذج.
أكد متحدث باسم جوجل لشبكة CNBC أن فرق العمل تستكشف باستمرار طرقاً لتحسين الأداء والكفاءة للمستخدمين والعملاء، دون أن ينفي وجود مشروع Frozen v2 الذي يستهدف الإطلاق الفعلي بحلول عام 2028، رغم تاريخ الشركة الحافل بالمشاريع التجريبية التي لم تصل أبداً إلى خطوط الإنتاج الواسع.
يأتي هذا التحرك في وقت تعاني فيه جوجل من ضغوط تنافسية حادة، شملت تأخر إطلاق نسخة Gemini Pro وفقدان باحثين رئيسيين لصالح المنافسين، بالتزامن مع صعود نماذج صينية مثل Kimi التي بدأت تكتسب حصة سوقية على حساب الخدمات التقليدية، مما دفع الشركة للبحث عن تفوق نوعي في العتاد.
تمتلك جوجل تاريخاً طويلاً في تصميم العتاد المخصص بدأ منذ عام 2015 مع وحدات TPU، وهي الخطوة التي سبقت بها منافسين مثل OpenAI التي تعاونت مؤخراً مع Broadcom لتصميم معالج Jalapeño، بينما لا تزال Anthropic في مراحل أولية للتفاوض مع سامسونج لتطوير رقائق خاصة بها.
تخطط جوجل لتقديم معالجاتها المخصصة لأطراف ثالثة عبر مراكز بياناتها، في استراتيجية تهدف لمنافسة هيمنة NVIDIA على سوق الرقائق، معتمدة على خبرتها الممتدة لعقد من الزمن في تحويل وحدات معالجة الموتر من أدوات داخلية إلى منتجات تجارية قابلة للتوسع.











