O chip que o Google guarda para 2028 pode mudar a conta da IA

O próximo salto da inteligência artificial talvez não apareça primeiro em uma nova tela do Gemini. Ele pode nascer dentro de um data center, em um chip chamado internamente de Frozen v2. Segundo reportagem repercutida pela TechCrunch, o Google estuda um processador de servidor para elevar muito a eficiência energética dos seus modelos. A previsão, porém, é distante: 2028.

O nome soa quase como código de filme. A ambição é bem concreta. As fontes ouvidas pela reportagem dizem que o chip poderia entregar de seis a dez vezes mais tokens por unidade de energia do que os chips de IA atuais do Google. Em outras palavras, a empresa quer fazer mais trabalho de IA usando a mesma eletricidade.

Isso ajuda a explicar por que a notícia merece atenção agora, mesmo com um lançamento projetado só para daqui a dois anos.

O Frozen v2 não é apenas mais um chip

O Google não confirmou diretamente o projeto. À TechCrunch, a companhia afirmou que pesquisa novas arquiteturas para otimizar hardware e software em conjunto. É uma resposta cuidadosa, mas coerente com a direção da disputa: modelos generativos consomem infraestrutura em escala, e infraestrutura consome energia.

A corrida por chips próprios não é só sobre desempenho bruto. É sobre controlar uma parte cada vez mais cara da operação de IA. Quando uma empresa depende menos de fornecedores externos para rodar seus modelos, ela ganha mais espaço para ajustar custo, capacidade e evolução técnica ao mesmo tempo.

O Frozen v2 parece representar essa tentativa. Se a meta reportada se confirmar, o ganho não será apenas um Gemini mais rápido. Será um Gemini potencialmente menos caro de operar por token gerado.

Essa é a parte que costuma ficar escondida nas apresentações de IA. O usuário vê uma resposta pronta em segundos. Por trás dela, há servidores, refrigeração, energia e chips processando uma quantidade enorme de dados. A nova disputa não é apenas por quem cria o modelo mais impressionante. É por quem consegue manter esse modelo economicamente viável quando milhões de pessoas passam a usá-lo.

Por que eficiência virou um recurso estratégico

A IA generativa tornou a conta energética uma questão de produto. Quanto maior o uso de um assistente, maior a necessidade de capacidade computacional. E capacidade não aparece do nada: ela exige data centers e equipamentos que precisam funcionar sem interrupção.

Por isso, um avanço de eficiência pode ter efeitos em cadeia. Ele pode ajudar a ampliar a disponibilidade de um serviço, reduzir a pressão sobre a infraestrutura e abrir margem para preços mais competitivos. Nada disso está prometido pelo Google. É a consequência possível de uma melhora real na relação entre tokens e energia.

Na nossa leitura, esse é o ponto mais importante do Frozen v2. Não se trata de uma peça isolada de silício. Trata-se de uma tentativa de transformar eficiência em vantagem de negócio.

O próprio Google já tem interesse direto nessa equação. O Gemini está presente em produtos de consumo e também em ferramentas de trabalho, incluindo ofertas voltadas a empresas. Quem usa IA em escala não compra só inteligência. Compra também previsibilidade de custo e acesso à capacidade quando precisa.

Para acompanhar como o ecossistema do Gemini vem chegando a produtos de produtividade, vale ver a análise do NotebookLM com Gemini publicada no Runzos.

O que essa disputa pode significar para o Brasil

O Frozen v2 não muda hoje a vida de uma empresa brasileira. Ele nem foi confirmado oficialmente, e a janela reportada é 2028. Ainda assim, a direção importa para quem usa APIs, Google Cloud, Workspace ou ferramentas construídas sobre IA.

Uma infraestrutura mais eficiente pode, no médio prazo, influenciar preço, disponibilidade e margem. Se o custo de servir modelos cair, fornecedores podem ter mais flexibilidade para oferecer recursos, absorver picos de demanda ou ajustar planos. Isso não significa que uma economia técnica será automaticamente repassada ao cliente. Significa que o custo operacional entra na disputa comercial.

Para pequenas empresas, agências e equipes de tecnologia no Brasil, esse detalhe merece ser acompanhado. Muitas decisões de automação dependem de um cálculo simples: quanto custa colocar IA no fluxo diário? Cada ganho de eficiência no lado de quem fornece a infraestrutura muda um pouco essa conta.

Também existe um efeito menos visível. Quando as grandes empresas investem em hardware próprio, elas tentam reduzir dependências críticas em uma cadeia global de chips. Para um mercado que consome serviços de cloud e IA, como o brasileiro, mais opções e mais capacidade podem significar menos fragilidade em períodos de alta demanda.

A promessa ainda precisa atravessar dois anos

Há uma distância grande entre um projeto reportado por fontes e um produto em operação. O Google não detalhou o Frozen v2, não confirmou suas especificações e não apresentou um cronograma público. A meta de seis a dez vezes mais tokens por unidade de energia, portanto, deve ser lida como objetivo reportado, não como resultado comprovado.

Mesmo assim, a notícia revela onde está a próxima batalha. A pergunta deixou de ser apenas qual empresa tem o melhor modelo. Agora é também qual empresa consegue sustentar esse modelo sem transformar a conta de energia em um limite para crescer.

Se o Frozen v2 chegar em 2028 perto do que foi reportado, o Google não terá criado apenas mais um chip. Terá encontrado uma forma de disputar a IA pela parte que o usuário não vê, mas que decide o preço e a escala de tudo o que ele vê.

Leia também: O Google AI Mode agora pode mexer no seu calendário. E isso muda mais

Leia também: O processo da Apple pode mudar o aparelho de IA da OpenAI antes de ele