Google กำลังพัฒนาชิป AI ใหม่เพื่อให้ Gemini มีประสิทธิภาพมากขึ้น

มีประสิทธิภาพมากขึ้น 6 ถึง 10 เท่า นั่นคือการเพิ่มประสิทธิภาพที่ Google กำลังมุ่งเป้าหมายด้วยชิป AI รุ่นถัดไป — และอาจเปลี่ยนวิธีที่นักพัฒนาทั่วโลกโต้ตอบกับ Gemini Google กำลังพัฒนาชิป AI ใหม่เพื่อให้ Gemini มีประสิทธิภาพมากขึ้นในช่วงเวลาที่อุตสาหกรรมทั้งหมดกำลังพิจารณาใหม่ว่าโครงสร้างพื้นฐาน AI มีค่าใช้จ่ายจริงเท่าไร และใครควรควบคุมมัน

สำหรับนักพัฒนาและผู้ก่อตั้งทั่วเอเชีย นี่ไม่ใช่เพียงข้อมูลพื้นหลัง มันเป็นสัญญาณเกี่ยวกับทิศทางของการคำนวณ AI — และสิ่งที่วิถีนั้นหมายถึงสำหรับผลิตภัณฑ์ที่คุณกำลังสร้างขณะนี้

เกิดอะไรขึ้น

Alphabet บริษัทแม่ของ Google กำลังออกแบบชิปเซิร์ฟเวอร์ใหม่ที่มีชื่อรหัสภายในว่า "Frozen v2" ตามรายงาน TechCrunch ที่อ้างอิงจาก The Information ชิปนี้จะเปิดตัวในช่วงปี 2028 และเป้าหมายประสิทธิภาพนั้นน่าทึ่ง: มีประสิทธิภาพมากขึ้น 6 ถึง 10 เท่าเมื่อเทียบกับชิป AI ที่มีอยู่ของ Google วัดจากจำนวนโทเค็นที่สร้างขึ้นต่อหน่วยพลังงาน

Google ไม่ได้ยืนยันรายงานโดยตรงเมื่อ TechCrunch ติดต่อ แต่ก็ไม่ได้ปฏิเสธเช่นกัน คำแถลงของบริษัทนั้นคุ้มค่าที่จะอ่านอย่างระมัดระวัง:

"ทีมของเราอยู่ในการวิจัยและทดลองนวัตกรรมใหม่อย่างต่อเนื่องเพื่อให้ได้ประสิทธิภาพและประสิทธิภาพสูงสุดสำหรับผู้ใช้และลูกค้าของเรา แม้ว่าไม่ใช่ทุกโครงการที่จะเข้าสู่การผลิต การสำรวจอย่างเข้มงวดนี้เป็นศูนย์กลางของแนวทางสแต็กเต็มของเรา ด้วยการออกแบบฮาร์ดแวร์และซอฟต์แวร์ร่วมกันตั้งแต่เริ่มต้น เราจึงมั่นใจว่าระบบของเราได้รับการรวมและปรับให้เหมาะสมอย่างสูงสำหรับภาระงานในโลกแห่งความเป็นจริง"

วลีนั้น — "การออกแบบฮาร์ดแวร์และซอฟต์แวร์ร่วมกันตั้งแต่เริ่มต้น" — เป็นหัวข่าวที่แท้จริงซ่อนอยู่ในการไม่ยืนยันที่พูดอย่างระมัดระวัง Google กำลังอธิบายกลยุทธ์การรวมแนวตั้ง: การเป็นเจ้าของสแต็กเต็มจากซิลิคอนไปยังโมเดลไปยัง API นี่เป็นท่าทีที่แตกต่างโดยพื้นฐานจากการซื้อชิปจากบุคคลที่สาม และปรับซอฟต์แวร์ให้เหมาะสมรอบตัวมัน

การจัดเวลาก็มีความสำคัญเช่นกัน ข่าวนี้มาถึงเมื่อความกังวลของนักลงทุนเกี่ยวกับการใช้จ่าย AI เริ่มทำให้ความเชื่อมั่นของตลาดเย็นลง OpenAI ประกาศชิป inference ที่กำหนดเองครั้งแรก ชื่อ Jalapeño ในเดือนมิถุนายน Anthropic กำลังอยู่ในการสนทนากับ Samsung เกี่ยวกับการเป็นหุ้นส่วนในการผลิตชิป ไฮเปอร์สเกลเลอร์ไม่ได้แข่งขันเพียงแค่เกณฑ์มาตรฐานโมเดลอีกต่อไป — พวกเขากำลังแข่งขันกับเศรษฐศาสตร์ของ inference ในระดับ Frozen v2 คือการเคลื่อนไหวของ Google ในเกมนั้น

เหตุใดจึงสำคัญสำหรับเอเชีย

เอเชียไม่ใช่ผู้บริโภคแบบพาสซีฟของการตัดสินใจโครงสร้างพื้นฐาน AI ที่ทำในซิลิคอนวัลเลย์ ภูมิภาคนี้ดำเนินการบางส่วนของภาระงาน AI ที่ต้องการมากที่สุดในโลก — จากการแปลแบบเรียลไทม์ในหลายสิบภาษาไปจนถึงระบบตรวจจับการฉ้อโกงที่ประมวลผลลายธรรมชาติของธุรกรรมต่อวินาทีทั่วภูมิประเทศการชำระเงินที่แตกแยกของเอเชียตะวันออกเฉียงใต้ ประสิทธิภาพการคำนวณไม่ใช่เมตริกนามธรรมที่นี่ มันกำหนดโดยตรงว่าสตาร์টอัพในจาการ์ตาหรือ fintech ในโฮจิมินห์ซิตี้สามารถจ่ายเงินเพื่อเรียกใช้ฟีเจอร์ที่ขับเคลื่อนด้วย Gemini ในระดับการผลิตหรือไม่

ในขณะนี้ ต้นทุน AI inference เป็นข้อจำกัดที่แท้จริงสำหรับสตาร์ทอัพเอเชียส่วนใหญ่ เศรษฐศาสตร์ของการเรียกใช้ frontier model API หลายสิบครั้งต่อเซสชันผู้ใช้นั้นยากที่จะทำให้ใช้งานได้ที่ขอบเขตที่ตลาดเอเชียตะวันออกเฉียงใต้ต้องการ การปรับปรุงประสิทธิภาพโทเค็นต่อวัตต์ไม่เพียงแต่ให้ประโยชน์กับศูนย์ข้อมูลของ Google — ในที่สุดพวกมันก็ไหลลงมาเป็นราคา API ที่ต่ำกว่า ขีดจำกัดอัตราที่สูงขึ้น และเวลาตอบสนองที่เร็วขึ้น การเพิ่มประสิทธิภาพ 6–10x บนโครงสร้างพื้นฐาน Google คือ ในช่วงเวลา การปรับปรุง 6–10x ในสิ่งที่นักพัฒนาสามารถจ่ายเงินเพื่อสร้างได้

มีชั้นภูมิศาสตร์การเมืองที่นี่เช่นกัน ความทะเยอทะยานด้าน AI ของเอเชียมักจะเข้าข้อจำกัดที่ยากหนึ่งข้อ: ความเด่นของ Nvidia ในการคำนวณ AI และความกดดันของห่วงโซ่อุปทานที่มาด้วย ผู้เล่นหลักทุกคน — Google OpenAI Anthropic และผู้เชี่ยวชาญในประเทศที่เพิ่มขึ้นในจีน เกาหลีใต้ และญี่ปุ่น — กำลังพยายามลดการพึ่งพาอาศัยนั้น สำหรับผู้ให้บริการคลาวด์เอเชียและโครงการ AI ที่ได้รับการสนับสนุนจากรัฐบาล การดูว่า Google แสดงให้เห็นว่าซิลิคอนที่กำหนดเองสามารถให้ประสิทธิภาพการปรับปรุงประเภทนี้ได้นั้นให้แบบพิมพ์เขียวที่เป็นรูปธรรม คาดว่าผู้เล่นระดับภูมิภาคจะเร่งโปรแกรมชิปของตัวเองเพื่อตอบสนอง

บรรยากาศเทคโนโลยีเอเชียที่กว้างขึ้นที่นี่เกี่ยวกับอธิปไตย ประเทศเช่นอินเดีย สิงคโปร์ และเกาหลีใต้ได้ทำการลงทุนอย่างมีนัยสำคัญในโครงสร้างพื้นฐาน AI เพราะพวกเขาเข้าใจว่าการพึ่งพาซิลิคอนต่างประเทศทั้งหมดสร้างความเสี่ยงทางยุทธศาสตร์ โครงการ Frozen v2 ของ Google — ไม่ว่าจะส่งมอบตามกำหนดเวลาในปี 2028 หรือไม่ — ตรวจสอบตรรกะทางยุทธศาสตร์เบื้องหลังการลงทุนเหล่านั้น

สิ่งนี้หมายถึงอะไรสำหรับนักพัฒนา

หากคุณกำลังสร้างผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI วันนี้ Frozen v2 จะไม่เปลี่ยนการวางแผนสปรินต์ของคุณสำหรับ 18 เดือนถัดไป มันส่งมอบในปี 2028 และผลกระทบลงน้ำบนราคา API และความพร้อมใช้งานจะใช้เวลานานกว่าที่จะเกิดขึ้น แต่มีสิ่งที่เป็นรูปธรรมที่ต้องคิดถึงตอนนี้

การเลือกโมเดลจะเป็นการตัดสินใจโครงสร้างพื้นฐานมากขึ้นเรื่อย ๆ เมื่อ Google OpenAI และ Anthropic แต่ละคนพัฒนาซิลิคอนที่กำหนดเองซึ่งปรับให้เหมาะสมสำหรับโมเดลของตัวเอง ลักษณะประสิทธิภาพของโมเดลเหล่านั้นจะแตกต่างกันในลักษณะที่ลีดเดอร์บอร์ดเกณฑ์มาตรฐานไม่ได้จับ โมเดลที่ทำงานบนฮาร์ดแวร์ inference ที่สร้างขึ้นเพื่อวัตถุประสงค์นั้นจะทำงานแตกต่างกันในการผลิต — ความหน่วงเวลาต่ำกว่า ปริมาณงานที่สม่ำเสมอมากขึ้น เส้นโค้งต้นทุนที่ดีกว่าในระดับ — มากกว่าโมเดลเดียวกันที่ทำงานบน GPU ที่มีวัตถุประสงค์ทั่วไป นักพัฒนาที่เข้าใจสิ่งนี้จะตัดสินใจสถาปัตยกรรมที่ดีกว่า

เศรษฐกิจโทเค็นกำลังถูกทำให้ถูกกว่า แต่ไม่สม่ำเสมอ การปรับปรุงประสิทธิภาพมักจะรวมตัวกันก่อนที่ระดับไฮเปอร์สเกลเลอร์ จากนั้นแพร่กระจายไปยังระดับองค์กร จากนั้นในที่สุดก็ถึง API นักพัฒนา หากคุณกำลังสร้างบน MonstarX หรือแพลตฟอร์มการพัฒนา AI-native ใด ๆ ให้ดูการเปลี่ยนแปลงราคาในระดับ Gemini API ในช่วงหน้าต่าง 2027–2028 การปรับปรุงประสิทธิภาพจาก Frozen v2 จะแสดงเป็นการลดต้นทุนก่อนที่จะแสดงเป็นความสามารถใหม่

สถาปัตยกรรม Inference มีความสำคัญมากกว่าที่เคยเป็นมา การเปลี่ยนไปสู่ชิป inference ที่กำหนดเอง — Google ด้วย Frozen v2 OpenAI ด้วย Jalapeño — บ่งชี้ว่าอุตสาหกรรมกำลังปรับให้เหมาะสมอย่างหนักสำหรับ inference มากกว่าการฝึกอบรม สำหรับนักพัฒนา นี่หมายถึงช่องว่างระหว่าง "ทำงานในสมุดบันทึก" และ "ทำงานในการผลิตในต้นทุนที่ยอมรับได้" กำลังแคบลง นั่นเป็นข่าวดีสำหรับทีมที่สร้างผลิตภัณฑ์จริงมากกว่าการสาธิต

วางแผนสำหรับความเสี่ยงการล็อกโมเดล เมื่อผู้ให้บริการ AI หลักแต่ละรายสร้างซิลิคอนที่ปรับให้เหมาะสมสำหรับโมเดลของตัวเอง ต้นทุนการสลับระหว่างผู้ให้บริการจะเพิ่มขึ้น ผลิตภัณฑ์ที่รวมเข้ากับพื้นผิว API ของ Gemini อย่างลึกซึ้งวันนี้จะเผชิญกับแรงเสียดทานที่แท้จริงในการย้ายไปยังผู้ให้บริการที่แตกต่างกันในปี 2028 ไม่ใช่เพียงเพราะความแตกต่างของ API แต่เพราะลักษณะประสิทธิภาพพื้นฐานจะถูกสร้างรูปร่างโดยฮาร์ดแวร์ที่ยังไม่มีอยู่ สร้างด้วยชั้นนามธรรมที่คุณสามารถ ใช้ ตัวเชื่อมต่อ และรูปแบบการรวมที่ทำให้ตรรกะการใช้งานของคุณแยกออกจากผู้ให้บริการโมเดลเดียว

ดูเมตริกโทเค็นต่อวัตต์ นี่คือตัวเลขที่ Google ใช้เพื่ออธิบายเป้าหมายประสิทธิภาพของ Frozen v2 และมันคุ้มค่าที่จะเพิ่มเข้าไปในโมเดลทางจิตใจของคุณเกี่ยวกับโครงสร้างพื้นฐาน AI เมื่อความกังวลด้านความยั่งยืนเพิ่มขึ้น — โดยเฉพาะอย่างยิ่งในตลาดเช่นสิงคโปร์และญี่ปุ่นที่ปริมาณการใช้พลังงานของศูนย์ข้อมูลอยู่ภายใต้การตรวจสอบด้านกฎระเบียบ — โทเค็นต่อวัตต์จะกลายเป็นเกณฑ์การจัดซื้อจัดจ้าง ไม่ใช่เพียงตัวเลขการตลาด

ประเด็นสำคัญ

• Frozen v2 เป็นของจริง หรือจริงพอ Google ไม่ได้ยืนยันหรือปฏิเสธรายงาน แต่คำแถลงของมันเกี่ยวกับ "การออกแบบร่วมกัน