Frozen v2 สะท้อนความได้เปรียบเชิงโครงสร้างของ Google จากการบูรณาการ Gemini ชิป และ Cloud ซึ่งอาจช่วยลดต้นทุน AI และเพิ่มความสามารถในการทำกำไรในระยะยาว แม้โครงการยังมีความเสี่ยงด้านเทคโนโลยี กำลังผลิต และกำหนดใช้งานที่อยู่ไกลถึงปี 2028

Google เร่งพัฒนา Frozen v2 เสริมความได้เปรียบด้านต้นทุน AI

1) รายละเอียดชิป Frozen v2

Alphabet หรือ Google อยู่ระหว่างพัฒนาชิปเร่งการประมวลผล AI รุ่นใหม่ภายใต้ชื่อรหัส Frozen v2 สำหรับใช้งานกับโมเดล Gemini โดยเฉพาะ และอาจเริ่มนำมาใช้งานได้เร็วที่สุดในปี 2028

จุดเด่นสำคัญคือการฝังองค์ประกอบบางส่วนของโครงสร้างโมเดล Gemini ลงในชิปโดยตรง ช่วยลดการเคลื่อนย้ายข้อมูลระหว่างหน่วยความจำและหน่วยประมวลผล ซึ่งเป็นหนึ่งในข้อจำกัดหลักของการประมวลผล AI ส่งผลให้การตอบคำถามรวดเร็วขึ้นและใช้พลังงานลดลง

ทีมวิศวกรของ Google ประเมินว่า Frozen v2 อาจประมวลผลจำนวนโทเคนต่อหน่วยพลังงานได้สูงกว่าชิป TPU รุ่นล่าสุดประมาณ 6–10 เท่า โดยชิปดังกล่าวจะเป็นผลิตภัณฑ์เฉพาะทางสำหรับการประมวลผล Gemini มากกว่าจะเข้ามาทดแทน TPU ซึ่งยังคงมีความยืดหยุ่นและรองรับงานได้หลากหลายกว่า

อย่างไรก็ตาม โครงการยังอยู่ในขั้นพัฒนา วิศวกรยังไม่ได้สรุปรายละเอียดด้านสถาปัตยกรรมและองค์ประกอบทั้งหมด ขณะที่ Google ระบุว่าโครงการวิจัยบางส่วนอาจไม่ถูกนำไปผลิตเชิงพาณิชย์

2) การแข่งขันในอุตสาหกรรมชิป AI

การพัฒนา Frozen v2 สะท้อนแนวโน้มที่ผู้พัฒนาโมเดล AI รายใหญ่เร่งออกแบบชิปเฉพาะของตนเอง เพื่อควบคุมต้นทุน เพิ่มประสิทธิภาพ และลดการพึ่งพา Nvidia โดยตรง ปัจจุบัน Google มีฐานชิป TPU ที่พัฒนามาหลายรุ่น ขณะที่ OpenAI ร่วมมือกับ Broadcom พัฒนาชิปของตนเอง และ Anthropic อยู่ระหว่างหารือกับ Samsung Electronics

Google มีความได้เปรียบจากการบูรณาการทั้งโมเดล AI ชิป ศูนย์ข้อมูล และบริการ Google Cloud เข้าด้วยกัน ทำให้สามารถออกแบบระบบตั้งแต่ซอฟต์แวร์จนถึงฮาร์ดแวร์ และบริหารต้นทุนการประมวลผลได้มีประสิทธิภาพกว่าผู้พัฒนาโมเดลที่ต้องเช่ากำลังประมวลผลจากภายนอก

นอกจากนี้ Google ยังพยายามขยาย TPU ไปสู่ลูกค้าภายนอก โดยมี Anthropic เป็นลูกค้าหลัก และอยู่ระหว่างผลักดันการใช้งานกับผู้ให้บริการคลาวด์เฉพาะทาง การเสนอเงื่อนไขสนับสนุนทางการเงินหรือการรับประกันการใช้งาน อาจช่วยลดความเสี่ยงให้ผู้ให้บริการศูนย์ข้อมูลที่ต้องการกระจายการพึ่งพาออกจาก Nvidia
อย่างไรก็ดี Nvidia ยังมีความได้เปรียบจากระบบซอฟต์แวร์ CUDA ฐานนักพัฒนาขนาดใหญ่ และผลิตภัณฑ์ที่รองรับงานหลากหลายกว่า ขณะที่ Frozen v2 จะเหมาะกับ Gemini เป็นหลัก จึงยังไม่ถือเป็นคู่แข่งโดยตรงกับ GPU ของ Nvidia ในทุกตลาด

ตารางเปรียบเทียบการแข่งขันชิป AI ของ Google กับคู่แข่ง

บริษัท	ชิป/แนวทางหลัก	จุดเด่น	ข้อจำกัด	ผลต่อการแข่งขัน
Google	TPU, Ironwood และ Frozen v2	ออกแบบชิปควบคู่กับ Gemini และ Google Cloud ทำให้เพิ่มประสิทธิภาพและลดต้นทุนต่อโทเคนได้ โดย Frozen v2 อาจมีประสิทธิภาพต่อพลังงานสูงกว่า TPU รุ่นล่าสุด 6–10 เท่า	Frozen v2 ผูกกับสถาปัตยกรรม Gemini สูง ขาดความยืดหยุ่น และคาดเริ่มใช้งานเร็วที่สุดปี 2028	เป็นคู่แข่งที่มีศักยภาพสูงต่อ Nvidia โดยเฉพาะงานประมวลผล Gemini และลูกค้า Cloud ที่ต้องการทางเลือกอื่น
Nvidia	GPU สำหรับฝึกและให้บริการโมเดล AI	เป็นผู้นำตลาด มีระบบซอฟต์แวร์ CUDA ฐานนักพัฒนาและลูกค้าขนาดใหญ่ รองรับโมเดลและงานหลากหลาย	ราคาสูง ใช้พลังงานมาก และการเปลี่ยนสถาปัตยกรรมแต่ละรุ่นสร้างต้นทุนติดตั้งแก่ศูนย์ข้อมูล	ยังครองตลาดหลัก แต่เผชิญแรงกดดันจากชิปเฉพาะของผู้ให้บริการ Cloud รายใหญ่
AMD	Instinct GPU	เป็นทางเลือกจาก Nvidia รองรับงาน AI ทั่วไป และมีโอกาสได้ประโยชน์จากลูกค้าที่ต้องการกระจายผู้จัดหา	ระบบซอฟต์แวร์และฐานนักพัฒนายังเป็นรอง Nvidia ขณะที่ยังไม่มีความได้เปรียบจากโมเดล AI หรือ Cloud ของตนเอง	แข่งขันด้านราคาและการกระจายความเสี่ยง แต่ถูกกดดันจากทั้ง Nvidia และชิปเฉพาะ
Amazon	Trainium และ Inferentia	เชื่อมโยงกับ AWS โดยตรง ช่วยลดต้นทุนการฝึกและให้บริการโมเดลแก่ลูกค้า Cloud	การใช้งานส่วนใหญ่จำกัดในระบบ AWS และการยอมรับภายนอกยังต่ำกว่า GPU	เป็นคู่แข่งโดยตรงกับ Google ในตลาด Cloud และชิป AI เฉพาะ
Microsoft	Maia AI Accelerator	มีฐานลูกค้า Azure และความร่วมมือใกล้ชิดกับ OpenAI สามารถออกแบบชิปให้เหมาะกับงานของตนเอง	ยังอยู่ในช่วงขยายการใช้งาน และยังต้องพึ่งพา Nvidia ในระดับสูง	ช่วยลดต้นทุน Azure แต่ยังไม่สร้างตลาดชิปภายนอกได้เท่า Google
OpenAI–Broadcom	ชิป AI ออกแบบเฉพาะ	ปรับแต่งให้เหมาะกับโมเดล OpenAI ลดต้นทุนการประมวลผลและการพึ่งพา GPU	ไม่มีธุรกิจ Cloud ขนาดใหญ่รองรับกำลังการผลิตส่วนเกิน และต้องพึ่งพาพันธมิตรด้านการออกแบบและการผลิต	เพิ่มแรงกดดันต่อ Nvidia แต่ยังเป็นการใช้งานภายในมากกว่าการแข่งขันเชิงพาณิชย์
Anthropic–Samsung	อยู่ระหว่างหารือพัฒนาชิปเฉพาะ	มีโอกาสออกแบบชิปให้เหมาะกับ Claude และลดต้นทุนในระยะยาว	โครงการยังอยู่ระยะเริ่มต้น และ Anthropic ยังพึ่งพา TPU ของ Google และชิปจากผู้ให้บริการรายอื่น	เป็นทั้งลูกค้าและคู่แข่งในอนาคตของ Google
Meta	MTIA และใช้ชิปจากผู้ให้บริการภายนอก	มีปริมาณงาน AI ภายในสูง สามารถใช้ชิปเฉพาะกับระบบแนะนำเนื้อหาและโฆษณา	ยังต้องใช้ GPU และ TPU สำหรับงานขนาดใหญ่และโมเดลทั่วไป	ลดการพึ่งพา Nvidia บางส่วน และอาจเป็นลูกค้ารายสำคัญของ Google TPU

Google มีความได้เปรียบจากการควบคุมครบทั้ง โมเดล AI ชิป ศูนย์ข้อมูล และบริการ Cloud ซึ่งช่วยให้สามารถลดต้นทุนและปรับแต่งระบบได้ลึกกว่าผู้ผลิตชิปทั่วไป อย่างไรก็ตาม Nvidia ยังมีความแข็งแกร่งจากระบบ CUDA และความยืดหยุ่นในการรองรับโมเดลหลากหลาย ขณะที่การแข่งขันในระยะถัดไปจะเป็นการแบ่งตลาดระหว่าง GPU สำหรับงานทั่วไป กับชิปเฉพาะที่ออกแบบให้เหมาะกับแต่ละโมเดลและระบบ Cloud มากขึ้น.

3) ความเสี่ยงสำคัญ

ความเสี่ยงด้านความยืดหยุ่นของชิป: การฝังโครงสร้าง Gemini ลงในชิปทำให้ประสิทธิภาพสูงขึ้น แต่หาก Google เปลี่ยนสถาปัตยกรรมหลักของโมเดล ชิปอาจไม่รองรับโมเดลรุ่นใหม่ หรือจำเป็นต้องออกแบบใหม่

ความเสี่ยงด้านระยะเวลาพัฒนา: กำหนดใช้งานเร็วที่สุดในปี 2028 ทำให้ยังมีความไม่แน่นอนทั้งด้านเทคนิค ต้นทุนการผลิต และความสามารถในการขยายกำลังการผลิต

ความเสี่ยงด้านกำลังการผลิต: Google ยังต้องพึ่งพา Broadcom และ TSMC ในการออกแบบและผลิตชิป การแข่งขันแย่งกำลังการผลิตขั้นสูงกับ Nvidia, AMD และบริษัทเทคโนโลยีรายอื่นอาจจำกัดปริมาณชิปที่สามารถส่งมอบได้

ความเสี่ยงจากการผูกกับ Gemini: ความคุ้มค่าของ Frozen v2 ขึ้นอยู่กับความสามารถในการแข่งขันและการใช้งานของ Gemini หากโมเดลมีความล่าช้า หรือสูญเสียส่วนแบ่งตลาด ประโยชน์เชิงเศรษฐกิจของชิปอาจต่ำกว่าคาด

ความเสี่ยงด้านเงินลงทุน: การพัฒนาชิปและศูนย์ข้อมูลต้องใช้เงินลงทุนสูง หากรายได้จากบริการ AI และ Google Cloud เติบโตไม่ทันค่าเสื่อมราคาและต้นทุนพลังงาน อาจกดดันกระแสเงินสดอิสระและอัตรากำไร

4) แนวโน้มอุตสาหกรรม

อุตสาหกรรม AI กำลังเปลี่ยนจากการแข่งขันด้านขนาดโมเดลเพียงอย่างเดียว ไปสู่การแข่งขันด้านประสิทธิภาพต่อหน่วยต้นทุนและพลังงาน โดยเฉพาะในขั้นตอนการให้บริการโมเดลแก่ผู้ใช้งาน ซึ่งมีปริมาณงานสูงและเกิดขึ้นต่อเนื่อง

ชิปเฉพาะสำหรับแต่ละโมเดลมีแนวโน้มเพิ่มบทบาท เนื่องจากสามารถลดต้นทุนต่อโทเคนและลดการใช้พลังงานได้มากกว่าชิปที่ออกแบบสำหรับงานทั่วไป อย่างไรก็ตาม ชิปเฉพาะจะไม่เข้ามาแทนที่ GPU ทั้งหมด แต่จะอยู่ร่วมกับ GPU และ TPU ในรูปแบบโครงสร้างพื้นฐานที่ใช้ชิปหลายประเภทตามลักษณะงาน

ในระยะกลาง การแข่งขันจะไม่ได้อยู่ที่ประสิทธิภาพชิปเพียงอย่างเดียว แต่ครอบคลุมถึงความพร้อมของกำลังการผลิต ระบบซอฟต์แวร์ เครือข่าย ศูนย์ข้อมูล พลังงาน และความสามารถในการจัดหาเงินทุนให้ลูกค้า บริษัทที่มีทั้งฐานเงินทุนขนาดใหญ่ ธุรกิจคลาวด์ และโมเดล AI ของตนเองจะมีความได้เปรียบมากขึ้น

5) มุมมอง InnovestX

InnovestX มองข่าวการพัฒนา Frozen v2 เป็นบวกต่อ Alphabet ในเชิงกลยุทธ์ เนื่องจากช่วยเสริมความได้เปรียบจากการบูรณาการชิป โมเดล Gemini และ Google Cloud เข้าด้วยกัน หากประสิทธิภาพสูงกว่า TPU ปัจจุบัน 6–10 เท่าต่อหน่วยพลังงานเกิดขึ้นจริง จะช่วยลดต้นทุนการให้บริการ AI เพิ่มความสามารถในการรองรับผู้ใช้งาน และสนับสนุนอัตรากำไรของธุรกิจ Cloud ในระยะยาว

อย่างไรก็ตาม ผลประโยชน์ทางการเงินจาก Frozen v2 ยังไม่ควรถูกสะท้อนเข้าสู่ประมาณการระยะสั้นมากนัก เนื่องจากกำหนดใช้งานอยู่ในปี 2028 และโครงการยังมีความเสี่ยงด้านการออกแบบ การผลิต และความเข้ากันได้กับ Gemini รุ่นใหม่ ประเด็นที่ควรติดตามในช่วง 12–24 เดือนข้างหน้าคือความพร้อมของ Ironwood TPU การขยายลูกค้าภายนอก ความคืบหน้าของ Gemini และการจัดสรรกำลังการผลิตจาก TSMC

ในเชิงการลงทุน InnovestX มีมุมมองเชิงบวกต่อ Alphabet จากความได้เปรียบด้านโครงสร้างพื้นฐาน AI และโอกาสเพิ่มความสามารถในการทำกำไรของ Google Cloud ขณะที่ผลกระทบต่อ Nvidia ในระยะใกล้ยังจำกัด เนื่องจาก Google ยังคงซื้อ GPU จำนวนมากและชิป TPU หรือ Frozen v2 ยังไม่สามารถทดแทนระบบนิเวศของ Nvidia ได้ทั้งหมด อย่างไรก็ดี ในระยะยาว การขยายตัวของชิปเฉพาะจาก Google, Amazon, Microsoft และ OpenAI อาจทำให้ส่วนแบ่งตลาดชิป AI กระจายตัวมากขึ้น และเพิ่มแรงกดดันต่ออำนาจการกำหนดราคาของ Nvidia

ข้อสงวนสิทธิ์
ข้อมูล ความเห็น บทวิเคราะห์ ราคา การคาดการณ์ และ/หรือ ข้อมูลอื่นใด (“ข้อมูล”) ที่ปรากฏ จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยมีที่มาจากแหล่งข้อมูลสาธารณะที่เชื่อว่าเชื่อถือได้ บริษัทหลักทรัพย์ อินโนเวสท์ เอกซ์ จำกัด (“INVX”) ไม่รับรองความถูกต้อง ครบถ้วน หรือความเป็นปัจจุบันของข้อมูลดังกล่าว โดยเป็นข้อมูล ณ วันที่เผยแพร่และอาจเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า ข้อมูลนี้ไม่ถือเป็นการรับประกันราคาหรือผลตอบแทน คำแนะนำการลงทุน การเสนอซื้อหรือขายหลักทรัพย์ หรือชักชวนให้เสนอซื้อหรือเสนอขายหลักทรัพย์ใด INVX และ/หรือ กรรมการ พนักงาน และลูกจ้างของ INVX ไม่รับผิดชอบต่อความเสียหายอันเป็นผลมาจากหรือเกี่ยวข้องกับการใช้ข้อมูลดังกล่าว

INVX และธนาคารไทยพาณิชย์ จำกัด (มหาชน) (“ธนาคารฯ”) เป็นบริษัทย่อยที่บริษัท เอสซีบี เอกซ์ จำกัด (มหาชน) (SCBX) เป็นผู้ถือหุ้นรายใหญ่ ข้อมูลที่เกี่ยวข้องกับธนาคารฯ มีวัตถุประสงค์เพื่อใช้ในการเปรียบเทียบเท่านั้น INVX และ/หรือ บริษัทในเครือ SCBX อาจเป็นที่ปรึกษาทางการเงิน ผู้จัดจำหน่ายหลักทรัพย์ ผู้ออกและเสนอขายหุ้นกู้ที่มีอนุพันธ์แฝง หรือ ตราสารแสดงสิทธิการฝากหลักทรัพย์ต่างประเทศ บนหลักทรัพย์ที่ปรากฏอยู่ในรายงานฉบับนี้ รวมถึงอาจมีการทำธุรกรรมอื่นใดในหลักทรัพย์ที่ถูกกล่าวถึง อันอาจก่อให้เกิดความขัดแย้งทางผลประโยชน์ได้ ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยง ก่อนตัดสินใจลงทุน