Google entwickelt den Frozen v2-Quantenprozessor zur Beschleunigung der Gemini-Modellreihe.
Google entwickelt den internen Chip „Frozen v2", der die Architektur seiner Gemini-KI-Modelle direkt in die Hardware integriert, um im Vergleich zu den aktuellen Tensor Processing Units (TPUs) die Energieeffizienz um das Sechsfache bis Zehnfache zu steigern und Latenzzeiten zu minimieren. Dieser spezialisierte Zusatzchip soll die Abhängigkeit ässe bei der Rechenkapazität beheben, wobei die Serienproduktion frühestens 2028 erwartet wird und die Ankündigung bereits zu einem Aktienanstieg von über drei Prozent führte.

Kurzfassung
Warum das wichtig ist
- Google entwickelt den internen Chip „Frozen v2", der die Architektur seiner Gemini-KI-Modelle direkt in die Hardware integriert, um im Vergleich zu den aktuellen Tensor Processing Units (TPUs) die Energieeffizienz um das Sechsfache bis Zehnfache zu steigern und Latenzzeiten zu minimieren.
- Dieser spezialisierte Zusatzchip soll die Abhängigkeit ässe bei der Rechenkapazität beheben, wobei die Serienproduktion frühestens 2028 erwartet wird und die Ankündigung bereits zu einem Aktienanstieg von über drei Prozent führte.
- Architektur der Künstlichen Intelligenz wird direkt in die Hardware integriert Google, das Unternehmen innerhalb , entwickelt einen neuen Server-Chip, der den Betrieb der ünstlichen-Intelligenz-Modelle deutlich effizienter gestalten soll.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Dieser spezialisierte Zusatzchip soll die Abhängigkeit ässe bei der Rechenkapazität beheben, wobei die Serienproduktion frühestens 2028 erwartet wird und die Ankündigung bereits zu einem Aktienanstieg von über...
Warum relevant
Nach Informationen aus Branchenquellen zielt dieser neue KI-Inferenz-Chip, der intern den Codenamen „Frozen v2" trägt, darauf ab, die grundlegende Architektur des Gemini-Modells direkt in die Hardware zu...
Einordnung
SvyTech ordnet die Meldung aus techcrunch.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Nach Informationen aus Branchenquellen zielt dieser neue KI-Inferenz-Chip, der intern den Codenamen „Frozen v2" trägt, darauf ab, die grundlegende Architektur des Gemini-Modells direkt in die Hardware zu integrieren.
Während herkömmliche KI-Chips Modelle in den Arbeitsspeicher laden und Daten kontinuierlich zwischen Verarbeitungseinheiten übertragen, fixiert der Frozen v2-Modellansatz die Daten auf der Hardware-Ebene und minimiert so den Bedarf an Datentransfers sowie die Latenzzeiten.
Hohe Steigerung der Energieeffizienz Laut den Schätzungen der Ingenieure, die an dem Frozen v2-Projekt arbeiten, bietet die neue Architektur im Vergleich zu den aktuellen Hardware-Lösungen von Google erhebliche Vorteile: - Bis zu 6 bis 10 Mal mehr KI-Token pro verbrauchter Energieeinheit im Vergleich zu den aktuellen Tensor Processing Units (TPUs), - Verringerung des ständigen Informationsübertragungsbedarfs zwischen Servern in Rechenzentren, - Minimierung der Latenzzeiten bei Gemini-Inferenzprozessen.
Technik und Auswirkungen
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- techcrunch.com
- Canonical
- https://svytech.de/artikel/google-entwickelt-den-frozen-v2-quantenprozessor-zur-beschleunigung-der-gemini-modellreihe
- Quell-URL
- https://techcrunch.com/2026/07/20/google-is-working-on-a-new-ai-chip-designed-to-make-gemini-more-efficient/
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.

NVIDIA stellt DLSS 5 vor: Drei Modelle, objektabhängige Steuerung und Unterstützung für eine einzige Grafikkarte
Auf der SIGGRAPH 2026-Konferenz präsentierte NVIDIA die DLSS 5-Technologie, die darauf ausgelegt ist, durch die Integration die künstlerische Integrität Verzögerungen zu vermeiden. Im Gegensatz zu früheren Versionen, die zwei Grafikkarten erforderten, wird DLSS 5 dank optimierter Modelle und effizienten Speichermanagements bereits auf einer einzigen Grafikkarte laufen, wobei jedoch noch unklar ist, welche spezifischen Karten alle drei verfügbaren KI-Modelle unterstützen werden.
21.07.2026
Live Redaktion

