ชิป Frozen v2: อาวุธลับตัวใหม่ของ Google ที่ทำให้หุ้น Alphabet พุ่งทันควัน

ตลาดหุ้นสหรัฐฯ ตอบรับข่าวเกี่ยวกับฮาร์ดแวร์ปัญญาประดิษฐ์อีกครั้ง เมื่อมีรายงานว่า Google บริษัทลูกของ Alphabc กำลังพัฒนาชิปเซิร์ฟเวอร์รุ่นใหม่ที่ใช้ชื่อภายในว่า Frozen v2 ซึ่งถูกออกแบบมาเพื่อรองรับโมเดล Gemini โดยเฉพาะ ข่าวนี้ถูกเผยแพร่ครั้งแรกโดยสำนักข่าว The Information และถูกหยิบมารายงานต่อโดยสื่อใหญ่หลายแห่งรวมถึง Reuters และ CNBC ส่งผลให้ราคาหุ้น Alphabet ปรับตัวขึ้นในทันทีที่ตลาดเปิดทำการวันจันทร์ที่ผ่านมา

ประเด็นที่ทำให้ชิป Frozen v2 กลายเป็นข่าวใหญ่ในวงการเทคโนโลยีและการลงทุนไม่ใช่เพียงเพราะเป็นชิปตัวใหม่ของ Google เท่านั้น แต่เพราะแนวทางการออกแบบที่แตกต่างไปจากชิปประมวลผล AI ทั่วไปอย่างสิ้นเชิง โดยชิป Frozen v2 จะนำสถาปัตยกรรมบางส่วนของโมเดล Gemini มา "ฝัง" ลงไปในตัวซิลิคอนโดยตรง แทนที่จะปล่อยให้ชิปทำหน้าที่เป็นตัวประมวลผลอเนกประสงค์ที่รันโมเดลใดก็ได้เหมือนที่ผ่านมา

Frozen v2 คืออะไร ทำงานต่างจาก TPU เดิมอย่างไร

ก่อนหน้านี้ Google เป็นที่รู้จักในฐานะผู้พัฒนาชิปประมวลผล AI แบบกำหนดเองที่เรียกว่า TPU (Tensor Processing Unit) มาอย่างต่อเนื่องหลายรุ่น ตั้งแต่รุ่นแรกที่เน้นการอนุมานผล (inference) ไปจนถึงรุ่นล่าสุดที่มีชื่อรหัสภายในอย่าง Ironwood และ Trillium ซึ่งรองรับทั้งการฝึกโมเดล (training) และการอนุมานผลในระดับขนาดใหญ่ และถูกนำไปใช้ในการพัฒนาและให้บริการ Gemini มาโดยตลอด

สิ่งที่ทำให้ ชิป Frozen v2 แตกต่างออกไปคือแนวคิดเรื่องความเฉพาะเจาะจง TPU รุ่นก่อน ๆ ถูกออกแบบให้เป็นชิปอเนกประสงค์ที่สามารถรันโมเดล AI ได้หลากหลายชนิดและหลากหลายภาระงาน แต่ Frozen v2 ถูกออกแบบมาให้ผูกติดกับ Gemini โดยตรง โดยจะนำองค์ประกอบบางส่วนของสถาปัตยกรรมโมเดลมาเขียนลงในฮาร์ดแวร์อย่างถาวร ผลลัพธ์คือชิปจะสามารถลดจำนวนการคำนวณที่ต้องทำและลดระยะทางที่ข้อมูลต้องเคลื่อนที่ภายในระบบ ซึ่งเป็นสองปัจจัยหลักที่ทำให้การประมวลผล AI ในปัจจุบันสิ้นเปลืองพลังงานและใช้เวลานาน

แนวคิดหลักของ Frozen v2 นั้นไม่ซับซ้อนในทางทฤษฎี แต่การนำไปปฏิบัติจริงถือเป็นความท้าทายทางวิศวกรรมระดับสูง เพราะต้องเปลี่ยนจากการออกแบบชิปแบบยืดหยุ่นไปสู่การออกแบบที่ผูกติดกับโมเดลเฉพาะตัว

ตามรายงานของ The Information ซึ่งอ้างแหล่งข่าวใกล้ชิดกับโครงการ ระบุว่าชิป Frozen v2 อาจให้ประสิทธิภาพด้านจำนวนโทเค็นที่ประมวลผลได้ต่อหน่วยพลังงานสูงกว่าชิป TPU รุ่นล่าสุดของ Google ถึง 6-10 เท่า ตัวเลขนี้ถือว่าสูงมากเมื่อเทียบกับการอัปเกรดฮาร์ดแวร์ AI ทั่วไปที่มักปรับปรุงประสิทธิภาพในอัตราที่ต่ำกว่านี้มาก และหากทำได้จริงตามที่คาดการณ์ ก็จะช่วยลดต้นทุนการให้บริการ AI ของ Google ได้อย่างมีนัยสำคัญในระยะยาว

ที่มาความคิด: จาก Jeff Dean สู่การออกแบบที่ยืดหยุ่นขึ้น

สิ่งที่น่าสนใจอีกประการคือแนวคิดเบื้องหลัง ชิป Frozen v2 นี้มีต้นกำเนิดมาจาก Jeff Dean หัวหน้านักวิทยาศาสตร์ของ Google DeepMind ซึ่งเดิมทีเคยเสนอแนวคิดชิป "Frozen" รุ่นแรกที่ต้องการฝังค่าน้ำหนัก (weights) ของโมเดลลงไปในตัวชิปโดยตรง ค่าน้ำหนักคือชุดพารามิเตอร์เฉพาะที่กำหนดว่าโมเดล AI จะตอบสนองต่อคำสั่งอย่างไร

แต่แนวทางดังกล่าวถูกยกเลิกไปในที่สุด เพราะหากฝังค่าน้ำหนักลงไปตรง ๆ ชิปจะสามารถใช้งานได้กับ Gemini เพียงเวอร์ชันเดียวเท่านั้น และจะล้าสมัยอย่างรวดเร็วทันทีที่ Google อัปเดตโมเดลใหม่ ด้วยเหตุนี้ทีมวิศวกรจึงปรับแนวทางมาเป็น Frozen v2 ซึ่งฝัง "สถาปัตยกรรม" ของโมเดลลงไปแทนค่าน้ำหนัก หมายความว่าเป็นการฝังโครงร่างพื้นฐานของโมเดลไว้ในฮาร์ดแวร์ ในขณะที่ค่าน้ำหนักใหม่ ๆ ยังสามารถโหลดเข้าไปเพิ่มเติมได้ในอนาคต ทำให้ชิปมีความยืดหยุ่นมากกว่าที่คิดไว้ในตอนแรก

อย่างไรก็ตาม รายงานระบุว่าขณะนี้ Google ยังไม่ได้ข้อสรุปว่าจะฝังสถาปัตยกรรมของ Gemini เข้าไปในสัดส่วนมากน้อยเพียงใด ซึ่งเป็นรายละเอียดทางเทคนิคที่ทีมวิศวกรกำลังพิจารณาอยู่ในขณะนี้

ทำไมต้องเป็นตอนนี้: วิกฤตกำลังการประมวลผล AI ของ Google

การพัฒนา ชิป Frozen v2 ไม่ได้เกิดขึ้นในสุญญากาศ แต่มีความเกี่ยวข้องอย่างใกล้ชิดกับปัญหาที่ Google กำลังเผชิญอยู่ในขณะนี้ นั่นคือปัญหาการขาดแคลนกำลังการประมวลผล AI อย่างรุนแรง รายงานระบุว่าปัญหานี้ได้สร้างความตึงเครียดภายในองค์กร และถึงขั้นทำให้ Google Cloud ต้องปฏิเสธคำสั่งซื้อจากลูกค้าภายนอกหลายราย เพราะทรัพยากรการประมวลผลไม่เพียงพอต่อทั้งการให้บริการลูกค้าและการพัฒนาโมเดลของตัวเอง

ในขณะเดียวกัน Google ก็กำลังเผชิญกับความท้าทายเฉพาะหน้าอีกด้าน โดยก่อนหน้าข่าวชิป Frozen v2 เพียงไม่กี่วัน มีรายงานจาก Bloomberg ว่าการพัฒนาโมเดล Gemini 3.5 Pro ซึ่งถือเป็นโมเดลที่ทรงพลังที่สุดของบริษัทกำลังล่าช้ากว่าแผนที่วางไว้ นอกจากนี้ Google ยังสูญเสียนักวิจัยระดับสูงให้กับคู่แข่งไปหลายคนในช่วงที่ผ่านมา ขณะที่โมเดล AI จากจีนอย่างของ Moonshot AI และ Alibaba กำลังตีตื้นขึ้นมาอย่างรวดเร็ว โดยมีรายงานว่าโมเดลจากจีนคิดเป็นสัดส่วนถึง 45% ของการใช้งานโทเค็น AI ในหมู่บริษัทอเมริกัน ซึ่งสะท้อนว่าช่องว่างด้านความสามารถระหว่างโมเดลสหรัฐฯ และจีนกำลังแคบลงเรื่อย ๆ

เกมการแข่งขันชิป AI เฉพาะทางของบิ๊กเทค

Google ไม่ใช่บริษัทเทคโนโลยีรายเดียวที่เดินหน้าพัฒนาชิปเฉพาะทางสำหรับ AI ของตัวเอง ปัจจุบัน Amazon มีชิปตระกูล Trainium และ Inferentia สำหรับงานฝึกและอนุมานผลโมเดล ส่วน Microsoft ก็มีชิป Maia เป็นของตัวเอง ขณะที่ Meta เองก็กำลังพัฒนาซิลิคอนเฉพาะทางสำหรับภาระงาน AI ของบริษัทเช่นกัน การที่บิ๊กเทคแต่ละรายต่างเร่งพัฒนาฮาร์ดแวร์ของตัวเองสะท้อนแนวโน้มสำคัญของอุตสาหกรรม นั่นคือการพึ่งพาชิปสำเร็จรูปจากผู้ผลิตภายนอกเพียงอย่างเดียวไม่เพียงพออีกต่อไป เพราะชิปอเนกประสงค์มักมีส่วนประกอบที่ไม่ได้ถูกใช้งานเต็มประสิทธิภาพ ทำให้เกิดความสิ้นเปลืองทั้งด้านต้นทุนการผลิตและพลังงาน

สิ่งที่ทำให้แนวทางของ Google ด้วย ชิป Frozen v2 โดดเด่นกว่าคู่แข่งคือระดับความเฉพาะเจาะจงที่ลึกกว่ามาก เพราะไม่ใช่แค่การออกแบบชิปให้เหมาะกับภาระงาน AI โดยทั่วไป แต่เป็นการผูกสถาปัตยกรรมของโมเดลเข้ากับฮาร์ดแวร์โดยตรง ซึ่งมีบางฝ่ายมองว่าแนวทางนี้คล้ายคลึงกับกลยุทธ์การผสานฮาร์ดแวร์และซอฟต์แวร์ในสไตล์ของ Apple ที่มุ่งเน้นการควบคุมทั้งระบบตั้งแต่ต้นจนจบเพื่อดึงประสิทธิภาพสูงสุดออกมา

ข้อแลกเปลี่ยนที่ต้องจับตา: ความยืดหยุ่นที่ลดลง

แม้แนวคิดของ Frozen v2 จะฟังดูมีศักยภาพสูง แต่ก็มาพร้อมกับข้อแลกเปลี่ยนที่สำคัญ นั่นคือความยืดหยุ่นที่ลดลง เนื่องจากชิปจะสามารถใช้งานได้ดีกับโมเดล Gemini ในอนาคตก็ต่อเมื่อ Google ยังคงใช้สถาปัตยกรรมพื้นฐานเดียวกันต่อไป หากบริษัทเปลี่ยนแปลงโครงสร้างโมเดลอย่างมีนัยสำคัญในอนาคต ชิปรุ่นนี้ก็มีความเสี่ยงที่จะล้าสมัยเร็วกว่าที่คาด ด้วยเหตุนี้ Google จึงมองว่า Frozen v2 ในขณะนี้เป็นเสมือนโครงการทดสอบเชิงเทคนิคมากกว่าจะเป็นสายการผลิตหลัก และไม่มีแผนผลิตในปริมาณมากเทียบเท่ากับสาย TPU ที่ใช้งานทั่วไป

ประเด็นเรื่องกำหนดเวลาก็เป็นอีกจุดที่ต้องระวัง เพราะแม้จะมีการประเมินว่าชิปรุ่นนี้อาจถูกนำไปใช้งานจริงได้เร็วที่สุดในปี 2028 แต่รายงานก็ระบุชัดว่าทีมวิศวกรยังอยู่ในขั้นตอนสรุปรายละเอียดการออกแบบ ซึ่งหมายความว่าตัวเลขปี 2028 ยังเป็นเพียงกรอบเวลาที่มีความไม่แน่นอนสูง และอาจเปลี่ยนแปลงได้ตามความคืบหน้าของโครงการ

ปฏิกิริยาตลาด: หุ้น Alphabet พุ่งขึ้นทันทีที่ข่าวออก

ในด้านราคาหุ้น รายงานจากหลายสำนักระบุตัวเลขที่แตกต่างกันเล็กน้อยตามช่วงเวลาที่รายงาน โดยบางแหล่งระบุว่าหุ้น Alphabet ปรับตัวขึ้นราว 3% ในช่วงเปิดตลาดวันจันทร์ ขณะที่บางแหล่งรายงานตัวเลขสูงถึง 3.3-3.7% ในบางช่วงของวัน และมีรายงานว่าราคาหุ้นแตะระดับสูงสุดในวันที่ 359.67 ดอลลาร์สหรัฐ ก่อนที่จะปิดตัวอยู่ในแดนบวกราว 3.28% ที่ระดับ 358.14 ดอลลาร์สหรัฐ ตัวเลขที่แตกต่างกันเล็กน้อยนี้สะท้อนถึงความผันผวนของราคาหุ้นตลอดวันซื้อขาย มากกว่าจะเป็นความขัดแย้งของข้อมูล

นักลงทุนในตลาดตีความข่าวนี้ในเชิงบวก เพราะมองว่าการพัฒนาฮาร์ดแวร์เฉพาะทางที่มีประสิทธิภาพสูงขึ้นจะช่วยลดต้นทุนการดำเนินงานด้าน AI ของ Google ในระยะยาว ซึ่งเป็นปัจจัยสำคัญที่ตลาดให้ความสำคัญมากขึ้นเรื่อย ๆ ในยุคที่การลงทุนโครงสร้างพื้นฐาน AI ของบิ๊กเทคทุกรายเพิ่มขึ้นอย่างต่อเนื่อง แต่ผลตอบแทนจากการลงทุนดังกล่าวยังเป็นคำถามที่นักลงทุนต้องการคำตอบที่ชัดเจนกว่านี้

สิ่งที่ต้องจับตาต่อไป: ผลประกอบการ Alphabet ที่กำลังจะมาถึง

ประเด็นที่นักลงทุนกำลังให้ความสนใจต่อจากนี้คือผลประกอบการรายไตรมาสของ Alphabet ที่มีกำหนดประกาศในวันพุธที่จะถึงนี้ ตลาดจะจับตาดูอย่างใกล้ชิดว่าฝ่ายบริหารจะให้รายละเอียดเพิ่มเติมเกี่ยวกับการลงทุนโครงสร้างพื้นฐาน AI อย่างไร รวมถึงคำอธิบายเกี่ยวกับผลตอบแทนจากการลงทุน (ROI) ที่นักลงทุนเรียกร้องมาอย่างต่อเนื่อง เนื่องจากงบลงทุนด้าน AI ของบิ๊กเทคทุกรายพุ่งสูงขึ้นอย่างต่อเนื่องในช่วงหลายไตรมาสที่ผ่านมา

ข่าวเกี่ยวกับ ชิป Frozen v2 จึงเป็นเพียงส่วนหนึ่งของภาพใหญ่ที่ตลาดกำลังประเมิน ว่า Google จะสามารถรักษาความได้เปรียบด้านเทคโนโลยี AI เอาไว้ได้หรือไม่ ในขณะที่ต้องเผชิญกับทั้งความล่าช้าของโมเดลใหม่ การสูญเสียบุคลากรสำคัญ และการไล่ตามอย่างรวดเร็วของคู่แข่งจากทั้งสหรัฐฯ และจีน หากโครงการนี้ประสบความสำเร็จตามที่คาดการณ์ไว้ ก็อาจกลายเป็นหนึ่งในปัจจัยสำคัญที่ช่วยพยุงความสามารถในการแข่งขันด้าน AI ของ Google ในระยะยาว แต่หากล่าช้าหรือมีการเปลี่ยนแปลงสถาปัตยกรรมโมเดลก่อนที่ชิปจะพร้อมใช้งานจริง ก็อาจกลายเป็นอีกหนึ่งบทเรียนของการลงทุนฮาร์ดแวร์ที่ผูกติดกับซอฟต์แวร์มากเกินไป

สรุป

โดยสรุปแล้ว ชิป Frozen v2 คือความพยายามครั้งใหม่ของ Google ในการผสานฮาร์ดแวร์และโมเดล AI ให้แน่นแฟ้นยิ่งขึ้น ด้วยการฝังสถาปัตยกรรมของ Gemini ลงไปในตัวซิลิคอนโดยตรง เพื่อเพิ่มประสิทธิภาพการประมวลผลสูงถึง 6-10 เท่าเมื่อเทียบกับ TPU รุ่นปัจจุบัน แม้จะยังอยู่ในขั้นตอนพัฒนาและมีกำหนดใช้งานจริงเร็วที่สุดในปี 2028 แต่ข่าวนี้ก็เพียงพอที่จะทำให้ตลาดหุ้นตอบรับในเชิงบวกทันที สะท้อนความคาดหวังของนักลงทุนที่มีต่ออนาคตของ Google ในสมรภูมิ AI ที่การแข่งขันทวีความเข้มข้นขึ้นทุกวัน