Il progetto Frozen V2 di Google punta a cambiare le regole del gioco nella corsa ai c
hip per l’intelligenza artificiale, e lo fa con una scelta tecnica piuttosto audace. Secondo un report di Morgan Stanley, il nuovo TPU dell’azienda sarà cucito su misura per far girare i modelli Gemini e, cosa che ha attirato l’attenzione degli addetti ai lavori, dovrebbe fare a meno della tecnologia di packaging CoWoS di TSMC. Un dettaglio che potrebbe sembrare marginale, ma che invece dice parecchio su dove sta andando la produzione di silicio dedicato all’AI.Facciamo un passo indietro. Con la corsa all’intelligenza artificiale ormai lanciata a tutta velocità, i grandi nomi della tecnologia cercano continuamente di sviluppare chip proprietari capaci di competere con le GPU di NVIDIA, note per costare molto e per scarseggiare sul mercato. I Tensor Processing Units di Google e i chip Trainium di Amazon rientrano proprio in questa categoria di alternative, pensate per consumare meno energia e abbattere i costi rispetto alle soluzioni di NVIDIA nel calcolo dedicato all’AI.
Come funziona la scelta tecnica dietro Frozen V2
La strategia di packaging scelta da Google per i suoi TPU è da tempo oggetto di indiscrezioni. Diversi report avevano ipotizzato che l’azienda e il suo partner di progettazione MediaTek si affidassero alla tecnologia EMIB-T di Intel. Gli analisti però avevano messo le mani avanti, sottolineando che molto sarebbe dipeso dalla resa produttiva e dalla capacità di Intel di consegnare chip effettivamente funzionanti. La tecnologia EMIB-T viene generalmente considerata adatta ai chip AI di fascia media. Invece, il CoWoS di TSMC resta la scelta preferita per il segmento ad altissime prestazioni, quello dove giocano le GPU AI di NVIDIA.
Con Frozen V2 il ragionamento cambia del tutto. L’idea è eliminare la necessità del packaging alla radice, prendendo due piccioni con una fava. Da un lato un chip costruito su misura per Gemini, dall’altro una soluzione che integra la SRAM direttamente sul silicio, evitando così di ricorrere a tecnologie separate come il CoWoS. In pratica la memoria viene cablata sul chip stesso, riducendo i colli di bottiglia nel trasferimento dei dati tra memoria e calcolo.
Tempistiche, partner e i limiti dell’approccio
Sul fronte dei tempi, Morgan Stanley indica che Frozen V2 potrebbe entrare in produzione iniziale il prossimo anno, con un aumento più deciso dei volumi nel 2028. Tra i possibili partner viene fatto il nome di Marvell, anche se al momento nulla è stato confermato ufficialmente. Non si tratta comunque di un’idea del tutto inedita, perché un approccio simile era già stato presentato quest’anno dal produttore di chip AI Taalas.
Taalas cabla direttamente sul silicio i pesi della rete neurale, sempre con l’obiettivo di eliminare il collo di bottiglia nel passaggio dei dati tra memoria e unità di calcolo. C’è però un rovescio della medaglia non da poco. Ogni volta che arriva un nuovo modello AI con miglioramenti sostanziali rispetto al precedente, bisogna progettare un chip completamente nuovo. E questo significa che i produttori come TSMC devono riadattare i propri macchinari per ogni singola tornata produttiva, con tutto quello che ne consegue in termini di tempi e costi.