2026年7月，一个消息让Alphabet的股价跳了3%。
不是什么惊天动地的财报数字，也不是Gemini的版本更新，而是一颗芯片的传闻。据外媒报道，Alphabet正在研发一款代号为Frozen v2的AI芯片，它的设计思路与众不同：把Gemini模型的部分架构直接刻进硅片里。
如果这个方向走通，效果是惊人的——Google工程师认为，Frozen v2每单位功耗可处理的token数量，将是现有最新TPU的6到10倍。
3%的涨幅放在这个数字面前，显得克制。但市场并没有疯。这颗芯片的目标年份是2028年，远水不解近渴。投资者在定价的不是利润，而是可能性。
同一周，Alphabet刚刚完成了一轮历史性的融资：847.5亿美元股权融资，用于扩张AI基础设施，其中100亿美元来自巴菲特旗下的伯克希尔·哈撒韦。这轮融资的规模，在Alphabet历史上仅次于其自身在2026年全年的资本开支。
再往前看两三个月。Alphabet Q1 2026财报显示，Google Cloud营收首次突破200亿美元，达到200.3亿美元，同比增长63%，季度资本支出达到357亿美元，同比翻了一倍多。管理层将全年资本支出指引上调至1800亿到1900亿美元。与此同时，积压订单环比接近翻倍，达到4600亿美元以上。
这些数字放在一起，勾勒出一个清晰的画面：Alphabet正在以前所未有的速度花钱，而Frozen v2的出现，揭示了它打算怎么省钱。
从性能竞赛到成本竞赛
AI产业过去三年的叙事主线是“越大越好”。更大的模型、更多的GPU、更高的算力投入。英伟达的市值从2020年的3000亿美元一路飙升至2025年的5万亿美元，H100到Blackwell再到Rubin，每一代都在刷新性能上限。
但2026年正在发生一次静默的转向。转折点不在技术论文里，而在财报电话会议的问答环节。当被问及AI投资的回报率时，Alphabet的管理层不再只说“增长”，而是多次强调“效率”和“成本结构”。
这个转向有它的必然性。2025年，Alphabet的资本支出是914亿美元；2026年，这个数字几乎翻倍到1800亿至1900亿美元。仅2026年一年，四大超大规模云厂商（Amazon、Microsoft、Alphabet、Meta）的AI相关资本支出合计就将达到约6500亿美元。当资本支出的规模膨胀到需要单独融一轮资才能支撑的时候，单位经济模型就从技术问题变成了生存问题。
Frozen v2的设计哲学，就是对这一问题的直接回应。它不追求跑更大的模型，而是追求跑每一笔推理更便宜。6到10倍的token per watt提升，意味着在同等电力预算下，Alphabet可以服务6到10倍的查询量，或者在同等查询量下，把电力成本降到原来的十分之一到六分之一。
把软件烧进硅片：一个古老的思路，一个全新的场景
Frozen v2最特别的地方，不是效率数字本身，而是它实现效率的方式。
传统TPU（包括最新一代的Ironwood）是一个通用AI加速器——它擅长做矩阵乘法，但具体的模型架构是在软件层实现的。Frozen v2的思路不同：它把Gemini模型的部分结构直接固化在芯片上。
这在半导体设计中是一个经典的取舍——专用集成电路（ASIC）比通用处理器更高效，但灵活性更低。一旦模型架构发生变化，固化在硅片上的逻辑可能变成废料。
但Alphabet的赌注是：Gemini的架构演进已经进入了一个相对稳定的阶段。在架构足够成熟的前提下，用硬件固化来换取效率，是一笔划算的生意。更何况，这个“固化”很可能不是一次性的——Google的TPU团队一直在探索可重构的架构设计，Frozen v2大概率不是一块完全硬编码的芯片，而是一个在关键路径上做了硬化设计的混合体。
这个思路不是Alphabet独创的。苹果的Neural Engine、特斯拉的Dojo D1、Meta的MTIA，都在走类似的路线。区别在于，Alphabet同时拥有模型（Gemini）、芯片（TPU团队）和云计算（Google Cloud），而且三个环节的规模都足够大，大到让定制化的边际收益可以覆盖固定成本。
847.5亿美元的底气
说到成本，就不能不提那847.5亿美元。
这是Alphabet历史上最大规模的股权融资，也是2026年全球资本市场最受关注的事件之一。100亿美元的份额来自伯克希尔·哈撒韦，这本身就是一个信号——巴菲特通常不投科技周期的顶峰。
这笔钱去哪了？答案很直接：AI基础设施。Alphabet要在2026年花掉1800亿到1900亿美元，这轮融资只是补上了现金流缺口的一部分。
但Frozen v2给了这笔庞大支出一个新的解释维度。Alphabet不仅要建更多的数据中心，还要建更高效的数据中心。如果新一代定制芯片能把每瓦特性能提升6到10倍，那么同样的资本支出，在未来能支撑的算力规模将大幅提升。这不是“烧钱”，而是“花钱买成本曲线”。
投资者的谨慎乐观，在定价什么？
3%的涨幅看起来不多，但放在具体的语境下，很有意味。
Alphabet市值约4.45万亿美元，3%对应约1330亿美元——相当于一个全球500强公司的全部市值。市场用一个芯片传闻撬动了1330亿美元的市值变化，说明投资者对Alphabet的效率叙事是有需求的。
但为什么只有3%？因为Frozen v2距离量产还有两年。2028年这个时间点意味着，在半导体行业，任何东西都可能出错。流片失败、架构变更、竞争格局变化、甚至Gemini模型本身的演进方向偏离，任何一个环节出问题，都可能让这颗芯片的价值打折扣。
更重要的是，投资者在Alphabet身上已经吃过“效率提升”的亏。过去几年，Alphabet反复强调“AI正在改善搜索体验”，但搜索广告收入增速并没有出现显著的跃升。Google Cloud的利润率虽然在改善（Q1 2026达到32.9%，而一年前只有9.4%），但其中有很大一部分来自规模效应，而非单一技术突破。
所以，市场把Frozen v2当作一个信号，而不是一个利润来源。它意味着Alphabet相信AI竞争的下一阶段将由运营效率决定，而不是模型大小或发布节奏。这个信号值1330亿美元，但一条确认的利润增长线，值更多。
谁在害怕？
如果Frozen v2如期实现，最直接的压力将落在英伟达身上。
英伟达目前占据AI芯片市场80%到90%的份额，其最大的客户正是云计算厂商——Alphabet、Amazon、Microsoft。这些客户正在变成英伟达的竞争对手。Amazon有Trainium和Inferentia，Microsoft有Maia，Google有TPU和即将到来的Frozen v2。
当这些客户的自研芯片足够成熟，它们对英伟达的依赖将逐步降低。这不是一个“一夜之间”的故事，而是一个“每代自研芯片降低10%到20%采购量”的渐进过程。对于英伟达来说，好消息是AI总需求还在高速增长，坏消息是它的市场份额天花板可能已经不远了。
更大的赌注
Alphabet的终极赌注是：在未来，AI的经济价值将主要来自推理（inference），而不是训练。训练是一锤子买卖，推理是持续支出。谁能在推理成本上做到最低，谁就能在AI商业化的竞赛中占据最有利的位置。
Ironwood（第七代TPU）已经被设计为“推理优先”的芯片，性能比上代Trillium快4倍以上，功耗降低30%。Frozen v2则更进一步，把推理效率提升到了“把模型烧进芯片”的程度。这个方向一旦走通，Alphabet在AI基础设施上每年1800亿美元的支出就不再是负担，而是壁垒。
AI产业正在从“谁跑得最快”的竞赛，转入“谁跑得最省”的竞赛。Frozen v2是Alphabet在这个新赛道上的一张牌。这张牌要到2028年才能打出，但它的设计已经告诉所有人：Alphabet不想再当英伟达的客户了。它想当自己的供应商。
快报