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

TradingKey - Google (GOOG) (GOOGL) งานประจำปี 'Google Cloud Next 26' จัดขึ้นที่สหรัฐอเมริการะหว่างวันที่ 22 ถึง 24 เมษายนปีนี้ โดยในงานดังกล่าว Google ได้เปิดตัว TPU รุ่นที่ 8 พร้อมเปิดตัวเทคโนโลยี Agentic Enterprise และเน้นย้ำถึงการเพิ่มงบรายจ่ายฝ่ายทุนอย่างมหาศาล โดยมีแผนการลงทุนมูลค่า 1.75 แสนล้านดอลลาร์ถึง 1.85 แสนล้านดอลลาร์ในปีนี้

ภายหลังการประชุมดังกล่าว JPMorgan (JPM), BofA Securities (BAC) และ Citi Research (C) ต่างยังคงคำแนะนำ 'ซื้อ' (Buy) สำหรับ Alphabet โดยระบุว่าความสามารถในการแข่งขันหลักของ Google อยู่ที่การผสานพลังอย่างล้ำลึกระหว่างโมเดล Gemini, TPU ที่พัฒนาขึ้นเอง และแพลตฟอร์ม Agent สำหรับองค์กร ซึ่งจะเป็นปัจจัยขับเคลื่อนราคาหุ้นโดยตรง

การแยกสายการพัฒนาซิลิคอน: TPU 8i เทียบกับ TPU 8t

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

การนำ Agentic AI มาปรับใช้ในระดับองค์กร

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

แรงกดดันต่ออัตรากำไรจากงบลงทุน (CapEx) มูลค่า $175B–$185B

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