Google prépare un processeur Frozen v2 intégrant l’IA dès 2028
Google intensifie ses efforts pour accélérer l’IA au niveau matériel avec un nouveau processeur baptisé en interne Frozen v2. Contrairement aux TPU polyvalents actuels, cette version intègre directement l’architecture des modèles Gemini dans le silicium, réduisant la latence d’inférence et la consommation énergétique d’un facteur de six à dix. Selon les prévisions, ce processeur pourrait être produit dès 2028 et permettre à Google de réduire significativement ses coûts de service IA, lui offrant un avantage tarifaire face à des rivaux comme OpenAI et Anthropic.
Un virage vers le silicium plutôt que le logiciel
Cette initiative marque un changement par rapport à l’approche logicielle qui domine actuellement l’inférence IA. En gravitant la structure du modèle dans les transistors du processeur, Frozen v2 élimine une grande partie des surcoûts liés à la récupération des poids et au routage des activations, deux goulots d’étranglement classiques du traitement des grands modèles de langage. Les experts du secteur considèrent les gains d’efficacité comme la métrique clé de la prochaine génération de matériel IA, et Google semble viser directement cet objectif.
Conséquences stratégiques dans la course au cloud IA
Une amélioration d’efficacité de six à dix fois se traduirait par des coûts réduits par token et des temps de réponse plus rapides, deux facteurs déterminants pour la tarification cloud et l’expérience utilisateur. Pour les clients exécutant des charges de travail Gemini à haut volume, ce processeur permettrait à la fois des factures moins élevées et des interactions plus fluides. À grande échelle, cet avantage tarifaire pourrait aider Google à séduire et fidéliser les entreprises, dans un contexte de concurrence accrue avec OpenAI (soutenu par Microsoft) et Anthropic (soutenu par Amazon).
Pourquoi c’est important
La spécialisation matérielle n’est plus une option, mais un rempart concurrentiel. Si Frozen v2 tient ses promesses internes, Google dépasserait la génération actuelle de TPU et établirait une nouvelle référence en matière d’efficacité d’inférence IA. Cette démarche indique également que le lien entre architecture de modèle et matériel migre du code vers le cuivre, poussant l’industrie vers un couplage toujours plus étroit entre algorithmes et silicium.
Source : The Decoder. Synthèse éditoriale assistée par IA — TechnoExpress.