Google trabaja en un nuevo chip de servidor, conocido internamente como Frozen v2, diseñado para ejecutar Gemini con más eficiencia. Según informaciones publicadas por medios estadounidenses, el objetivo sería mejorar entre seis y diez veces la eficiencia medida en tokens generados por unidad de energía frente a chips actuales de la compañía.
Alphabet no ha confirmado el proyecto en detalle, pero tampoco lo ha negado. Su respuesta pública se centra en una idea: diseñar hardware y software de forma conjunta para optimizar cargas reales. La IA generativa ha convertido la eficiencia energética en una variable estratégica, no solo en un asunto de sostenibilidad.
La presión es fácil de entender. Los modelos avanzados requieren centros de datos cada vez más grandes, chips escasos y facturas eléctricas crecientes. Si Google consigue que Gemini responda con menos energía por consulta, puede reducir coste unitario, mejorar márgenes y sostener productos masivos como búsqueda, asistentes y herramientas empresariales.
El movimiento también se enmarca en la dependencia del sector respecto a Nvidia. Google lleva años desarrollando sus TPU, pero la carrera actual obliga a acelerar. OpenAI ya ha presentado planes de chips propios, Anthropic ha explorado alianzas con fabricantes y Meta trabaja en su propia línea de aceleradores. Todos persiguen el mismo objetivo: tener más control sobre capacidad, coste y hoja de ruta.
Frozen v2, si llega a producción alrededor de 2028 como se ha informado, sería una pieza de largo plazo. No resolvería la escasez de mañana, pero sí podría cambiar el coste operativo de modelos que atienden millones de peticiones diarias. En IA, pequeñas mejoras por consulta se vuelven enormes cuando se multiplican por escala global.
La batalla de los modelos ya no se juega solo en quién responde mejor, sino en quién puede responder barato, rápido y con capacidad suficiente. Para clientes cloud, esa diferencia puede traducirse en precios más estables, mayor disponibilidad o servicios especializados para cargas de Gemini.
La noticia aparece antes de resultados de Alphabet y en un contexto de escrutinio sobre el gasto de las grandes tecnológicas. Los inversores miran con lupa si los miles de millones destinados a centros de datos generarán retornos claros. Un chip más eficiente ayuda a defender esa narrativa porque conecta inversión con reducción de coste por uso.
Para empresas españolas que compran servicios de IA, la consecuencia no será elegir un chip concreto. La consecuencia será comparar plataformas por rendimiento, latencia, precio y ubicación de datos. Si Google integra mejor su hardware con Gemini, puede reforzar su oferta frente a Microsoft, Amazon y proveedores especializados.
También hay un ángulo industrial. La demanda de energía de la IA está forzando acuerdos con utilities, expansión de centros de datos y debates públicos sobre consumo eléctrico. La eficiencia por token puede aliviar parte de esa tensión, aunque no elimina el crecimiento total de demanda si el uso se dispara.
Frozen v2 resume la etapa actual de la IA empresarial: menos espectáculo en la interfaz y más competencia invisible en infraestructura. El ganador no será solo quien tenga el modelo más comentado, sino quien pueda desplegarlo de forma rentable durante años.
