Google เปิดตัว TPU รุ่นที่ 8, เปลี่ยนผ่านสู่ Agentic AI ในงาน Google Cloud Next เพื่อขับเคลื่อนการเติบโต

ขณะนี้ตลาดทุนกำลังติดตามความคืบหน้าของ Google ในการพัฒนาชิปของตนเองอย่างใกล้ชิด โดยในการเปิดตัวครั้งนี้ ชิป TPU รุ่นที่ 8 ของ Google ได้ถูกแบ่งออกเป็นสองสายผลิตภัณฑ์ที่แยกจากกันเป็นครั้งแรก ได้แก่ TPU 8t ซึ่งออกแบบมาสำหรับการฝึกฝนโมเดล AI และ TPU 8i ซึ่งถูกวางตำแหน่งเป็นชิปสำหรับการประมวลผลผลลัพธ์โดยเฉพาะ

Amin Vahdat รองประธานของ Google ระบุว่า ชิปสำหรับฝึกฝนโมเดล TPU 8t ใช้โครงสร้างเครือข่าย Virgo Network ใหม่ เพื่อขยายคลัสเตอร์ให้รองรับชิปได้มากกว่าหนึ่งล้านตัวต่อหนึ่งคลัสเตอร์ โดยประสิทธิภาพการคำนวณของอาร์เรย์ TPU 8t นั้นสูงกว่ารุ่นก่อนหน้าอย่าง Ironwood เกือบสามเท่า ขณะที่ประสิทธิภาพต่อวัตต์ปรับตัวดีขึ้นถึงสองเท่า

ชิปแบบดั้งเดิมมักประสบปัญหา "กำแพงหน่วยความจำ" (Memory Wall) ซึ่งเป็นคอขวดที่เกิดขึ้นเมื่อชิปไม่สามารถเข้าถึงข้อมูลได้เร็วพอ ส่งผลให้ผู้ใช้ต้องรอเวลาตอบสนองนานขึ้น โดย TPU 8i คือโซลูชันของ Google ในการ "ทำลายกำแพงหน่วยความจำ" ด้วยการประมวลผลข้อมูลจำนวนมหาศาลด้วยความเร็วสูงพิเศษและมีความหน่วงต่ำสุดขีด ซึ่งทำได้สำเร็จผ่านหน่วยความจำแบนด์วิดท์สูง (HBM) ขนาด 288GB และ SRAM บนชิปขนาด 384MB โดยอย่างหลังมีขนาดเป็นสามเท่าของรุ่นก่อนหน้า ช่วยให้ชุดข้อมูลที่ใช้งานอยู่ของโมเดลสามารถทำงานภายในตัวชิปได้โดยตรง และขจัดการถ่ายโอนข้อมูลระยะไกลระหว่างตัวประมวลผลและหน่วยความจำ

ชิปทั้งสองรุ่นนี้ทำงานเป็นครั้งแรกบนพื้นฐานสถาปัตยกรรม Arm ของ Google เองอย่าง (ARM) โฮสต์ CPU Axion ซึ่งช่วยให้ Google สามารถปรับแต่งระบบทั้งหมดเพื่อเพิ่มประสิทธิภาพและประสิทธิผล โดยชิปทั้งสองรุ่นใช้เทคโนโลยีระบายความร้อนด้วยของเหลวรุ่นที่สี่ของ Google ทำให้สามารถรักษาความหนาแน่นของประสิทธิภาพในระดับที่การระบายความร้อนด้วยอากาศไม่สามารถทำได้

JPMorgan ระบุในรายงานวิจัยว่า การที่ Google แบ่ง TPU ออกเป็นสองสายผลิตภัณฑ์แยกกันสำหรับการประมวลผลผลลัพธ์และการฝึกฝนโมเดล แทนที่จะใช้ชิปฝึกฝนมาทำงานประมวลผลผลลัพธ์นั้น บ่งชี้ว่า Google เชื่อว่าความต้องการพลังการคำนวณสำหรับการประมวลผลผลลัพธ์ได้เติบโตมากพอที่จะรับรองการใช้ชิปเฉพาะทางและการจัดสรรงบลงทุนแยกต่างหาก นอกจากนี้ ในระยะข้างหน้าควรให้ความสำคัญกับการเปลี่ยนแปลงในโครงสร้างรายได้ของ Google ในส่วนนี้ ซึ่งอาจไม่ได้มาจากด้านการฝึกฝนโมเดลเพียงอย่างเดียวอีกต่อไป แต่จะมาจากปริมาณการใช้งานในด้านการประมวลผลผลลัพธ์ที่เพิ่มขึ้นอย่างต่อเนื่อง จนกลายเป็นเส้นทางการเติบโตที่เป็นอิสระ

เนื่องจากฝ่ายบริหารไม่ได้กล่าวถึงความเป็นไปได้ในการจำหน่ายชิป TPU ให้กับภายนอกระหว่างการประชุม สถาบันต่างๆ จึงเชื่อว่าในขณะนี้ ชิป TPU รุ่นที่ 8 ถูกนำมาใช้สำหรับการใช้งานภายในของ Google และให้บริการผ่านแพลตฟอร์มคลาวด์ของบริษัทเองเท่านั้น

นอกจากการอัปเกรดฮาร์ดแวร์แล้ว Google ยังประกาศปรับโครงสร้างชั้นแพลตฟอร์มในงานดังกล่าว โดยเปิดตัว Gemini Enterprise Agent Platform บน Vertex AI

Vertex AI คือแพลตฟอร์มแมชชีนเลิร์นนิง (ML) ที่ Google เปิดตัวในปี 2021 โดยรวบรวมเครื่องมืออย่าง AutoML และ AI Platform เข้าด้วยกัน เพื่อให้บริการครบวงจรตั้งแต่การเตรียมข้อมูลไปจนถึงการติดตั้งใช้งานโมเดล ทั้งนี้แพลตฟอร์มดังกล่าวมุ่งเน้นกลุ่มลูกค้าองค์กรเป็นหลัก เช่น ModiFace ของ L'Oréal ที่ใช้ Vertex AI ฝึกฝน AI สำหรับวิเคราะห์สภาพผิว

J.P. Morgan ระบุในรายงานการวิจัยว่า สิ่งนี้เป็นการ "เข้ามาแทนที่ Vertex AI" ได้อย่างมีประสิทธิภาพ โดยรวมฟังก์ชันการสร้างระดับองค์กร การประสานงานระบบ การกำกับดูแล และความปลอดภัยไว้ในจุดเดียว แทนที่จะแยกเป็นโมดูลฟังก์ชันต่าง ๆ

ด้าน Citi ตั้งข้อสังเกตว่าคุณค่าสำคัญของแพลตฟอร์มนี้คือการช่วยให้องค์กรบริหารจัดการกระบวนการทำงานผ่านเอเจนต์หลายตัวในระบบเดียวกัน ซึ่งจะช่วยลดอุปสรรคทางเทคนิคในการปรับใช้ AI และเมื่อมีการสร้างมาตรฐานแอปพลิเคชันแล้ว ธุรกิจจะสามารถใช้งานแบบ "Plug-and-Play" และเข้าสู่ขั้นตอนการใช้งานจริงได้ทันที

ในการปาฐกถาพิเศษภายในงานประชุม Sundar Pichai ซีอีโอของ Google ยืนยันว่า รายจ่ายฝ่ายทุน (CapEx) ตลอดทั้งปี 2569 คาดว่าจะอยู่ในช่วง 1.75 แสนล้านถึง 1.85 แสนล้านดอลลาร์ ซึ่งนับเป็นถ้อยแถลงเพียงหนึ่งเดียวเกี่ยวกับเกณฑ์ชี้วัดทางการเงินภายในงานนี้ ขณะที่สถาบันการเงิน 3 แห่งได้แสดงทัศนะที่แตกต่างกันต่อประเด็นดังกล่าว

JPMorgan ให้ความเห็นว่าในระยะสั้น ประเด็นนี้ช่วยเพิ่มความเป็นไปได้ที่รายงานผลประกอบการในสัปดาห์หน้าจะ "ไม่มีการเปลี่ยนแปลงแนวทาง (guidance) ที่มีอยู่" อย่างไรก็ตาม ในมุมมองภาพรวมทั้งปี Amin Vahdat ซีทีโอด้านโครงสร้างพื้นฐาน AI และ Jeff Dean หัวหน้านักวิทยาศาสตร์ AI ของ Google ต่างเน้นย้ำว่า AI ยังคงประสบปัญหาข้อจำกัดด้านอุปทาน ซึ่งบ่งชี้ว่าแนวโน้มรายจ่ายฝ่ายทุนอาจขยายตัวเพิ่มขึ้นได้อีก

BofA Securities ชี้ให้เห็นถึงความเสี่ยงโดยตรงว่า เนื่องจากการลงทุนใน AI เป็นตัวขับเคลื่อนรายจ่ายฝ่ายทุนให้สูงขึ้นและบีบอัดกระแสเงินสดอิสระ ปัจจัยเหล่านี้จึงเป็นหนึ่งในปัจจัยโดยตรงที่สุดที่กดดันอัตรากำไร

ในไตรมาสถัด ๆ ไป จุดโฟกัสจะอยู่ที่ว่า Google จะสามารถบรรเทาผลกระทบต่อกระแสเงินสดได้มากเพียงใดในขณะที่ยังต้องเร่งการใช้จ่ายด้าน AI รวมถึงความสามารถในการตอบสนองความคาดหวังที่สูงของตลาดต่อการเติบโตและอัตรากำไรของ Google Cloud

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด