Google Cloud Next 2026: TPU 8t, TPU 8i และ Virgo Network บอกอะไรเรื่อง AI Infrastructure รอบใหม่
สารบัญบทความ (Table of Contents)
- 1. Google ประกาศ “สองชิป” แทนการใช้คำตอบเดียวกับทุก workload
- 2. ข้อความจริงของข่าวนี้คือ inference กำลังมีน้ำหนักเท่ากับ training
- 3. Virgo Network คือคำตอบว่าคอขวดเริ่มย้ายไปที่ network แล้ว
- 4. นี่ไม่ใช่แค่ข่าวชิป แต่คือข่าว “system design ระดับโรงงาน AI”
- 5. ทำไมข่าวนี้ถึงสำคัญต่อการแข่งขันระหว่าง hyperscalers
- 1. Hardware differentiation กลับมาเป็น core moat
- 2. Network กลายเป็น competitive layer ที่มองข้ามไม่ได้
- 3. Agent era ต้องการ infra คนละแบบกับ chatbot era
- 6. ทีมเทคควรเอาอะไรกลับไปคิด
- สรุป
- แหล่งอ้างอิง
ถ้าข่าว AI ฝั่งโมเดลในเดือนเมษายน 2026 ทำให้คนส่วนใหญ่หันไปสนใจ capability ข่าวฝั่ง hardware / infrastructure ในสัปดาห์เดียวกันกลับเตือนอีกอย่างว่า game จริงยังอยู่ที่ “ใครสร้างระบบรองรับ workload พวกนี้ได้คุ้มกว่าและใหญ่กว่า”
ในงาน Google Cloud Next 2026 วันที่ 22 เมษายน 2026 Google ประกาศความเคลื่อนไหวสำคัญด้านโครงสร้างพื้นฐาน AI หลายชิ้นพร้อมกัน โดยเฉพาะ TPU รุ่นที่ 8 และเครือข่าย data center ใหม่ชื่อ Virgo Network ที่ประกาศละเอียดต่อในวันที่ 23 เมษายน 2026
สำหรับคนทำระบบ ข่าวนี้มีน้ำหนักมากกว่าการเปิดตัวฮาร์ดแวร์ใหม่ทั่วไป เพราะมันสะท้อนทิศทางว่า infra สำหรับยุค agentic AI กำลังแตกแขนงชัดขึ้นระหว่างงาน training กับ inference
1. Google ประกาศ “สองชิป” แทนการใช้คำตอบเดียวกับทุก workload
จากโพสต์ของ Sundar Pichai เมื่อวันที่ 22 เมษายน 2026 Google อธิบายว่า TPU รุ่นที่ 8 มาในแนวทาง dual-chip approach
- TPU 8t สำหรับ training
- TPU 8i สำหรับ inference
นี่เป็นสัญญาณที่น่าสนใจมาก เพราะมันสะท้อนว่าผู้ให้บริการคลาวด์ไม่ได้มองว่า training กับ inference เป็นปัญหาชนิดเดียวกันอีกต่อไป
TPU 8t ถูกอธิบายว่าสเกลได้ถึง 9,600 TPUs และ 2 petabytes ของ shared high-bandwidth memory ใน superpod เดียว พร้อม processing power มากกว่า Ironwood ถึง 3 เท่า และได้ถึง 2x performance/watt
ส่วน TPU 8i ถูกออกแบบสำหรับ inference โดยเชื่อมได้ 1,152 TPUs ต่อ pod และมี 3x on-chip SRAM เพื่อรองรับงานที่ต้องการ throughput สูงพร้อม latency ต่ำสำหรับการรัน agent จำนวนมากพร้อมกัน
2. ข้อความจริงของข่าวนี้คือ inference กำลังมีน้ำหนักเท่ากับ training
ช่วงก่อนหน้านี้โลก AI infrastructure มักถูกเล่าในมุม training cluster ใหญ่ขึ้นเรื่อย ๆ
แต่รอบนี้ Google สื่อชัดว่าปัญหาของตลาดปี 2026 ไม่ใช่แค่การฝึกโมเดลใหญ่ขึ้น แต่คือการ เสิร์ฟ agent และ inference จำนวนมหาศาลในต้นทุนที่รับไหว
นี่สำคัญมาก เพราะโลกหลัง frontier model เริ่ม mature ไม่ได้วัดกันแค่ใครเทรน model ใหญ่กว่า แต่ใครทำให้:
- latency เสถียร
- cost ต่อ request ดี
- scale concurrent agents ได้
- network ไม่กลายเป็น bottleneck
ถ้ามองจากมุมนี้ TPU 8i คือข้อความเชิงกลยุทธ์ว่า Google กำลังจริงจังกับตลาด inference ชั้น production ไม่ใช่เพียงโชว์ความเก่งของ hardware training
3. Virgo Network คือคำตอบว่าคอขวดเริ่มย้ายไปที่ network แล้ว
วันถัดมา 23 เมษายน 2026 Google Cloud ลงรายละเอียดของ Virgo Network ซึ่งถูกอธิบายว่าเป็น megascale AI data center fabric ใหม่
โพสต์นี้น่าสนใจมาก เพราะ Google ไม่ได้ขาย Virgo เป็น “ของใหม่อีกชิ้น” แต่เริ่มจากปัญหาที่ data center ยุค AI กำลังชนจริง:
- ขนาด workload ใหญ่เกิน data center เดียว
- bandwidth ต่อ accelerator พุ่งขึ้นแรง
- burst traffic ระดับ sub-millisecond กดดัน network มาก
- latency ที่แกว่งเพียงเล็กน้อยก็ทำให้ cluster ทั้งก้อนช้าลง
Google จึงบอกว่า network แบบ general-purpose เดิมเริ่มไม่ตอบโจทย์ และเลือกออกแบบ Virgo ด้วยแนวคิด campus-as-a-computer
จุดตัวเลขที่สะดุดตาคือ Google ระบุว่า Virgo สามารถเชื่อม 134,000 ชิป TPU 8t ด้วย 47 petabits/sec ของ non-blocking bi-sectional bandwidth และลด unloaded fabric latency ลงได้ 40% เทียบกับรุ่นก่อน
4. นี่ไม่ใช่แค่ข่าวชิป แต่คือข่าว “system design ระดับโรงงาน AI”
สิ่งที่ผมมองว่าน่าสนใจที่สุดไม่ใช่ตัวเลขที่สูงขึ้นอย่างเดียว แต่คือการที่ Google วางภาพรวมแบบ system-level ชัดมาก:
- ชิปแยกตาม workload
- network fabric แยกตามลักษณะ traffic
- infrastructure ถูกออกแบบร่วมกับ accelerator โดยตรง
Virgo ยังสะท้อนแนวคิดว่าถ้าจะรัน AI ระดับใหญ่จริง เราต้องเลิกคิดเรื่องเครื่องทีละเครื่อง แล้วคิดเรื่อง compute domain ทั้งก้อน
นี่เป็นภาษาของ “AI factory” มากกว่าภาษาของ data center แบบคลาสสิก
สำหรับองค์กรทั่วไป สิ่งนี้อาจยังดูไกลตัว แต่ผลลัพธ์สุดท้ายจะย้อนกลับมาที่บริการ cloud ที่ทีมเราใช้ทุกวัน ไม่ว่าจะเป็น:
- ราคา inference
- latency ของ model service
- ความพร้อมของ region และ capacity
- ความสามารถในการ scale workload ขนาดใหญ่
5. ทำไมข่าวนี้ถึงสำคัญต่อการแข่งขันระหว่าง hyperscalers
จากสิ่งที่ Google ประกาศ ผมคิดว่ามี 3 สัญญาณเชิงแข่งขันที่ชัดมาก
1. Hardware differentiation กลับมาเป็น core moat
ยุคที่ทุกคนเช่า GPU คล้ายกันอาจยังอยู่ แต่ hyperscaler ที่มี accelerator และ network stack ของตัวเองจะมีพื้นที่ optimize มากกว่า
2. Network กลายเป็น competitive layer ที่มองข้ามไม่ได้
ในงาน AI ขนาดใหญ่ bottleneck ไม่ได้อยู่ที่ FLOPS อย่างเดียวอีกแล้ว แต่อยู่ที่การคุม goodput, latency, congestion และ fault isolation ด้วย
3. Agent era ต้องการ infra คนละแบบกับ chatbot era
ถ้าโลกกำลังไปสู่การรัน agent หลายล้านตัวพร้อมกัน คำถามเรื่อง inference efficiency, low latency และ operational resilience จะสำคัญขึ้นเรื่อย ๆ
6. ทีมเทคควรเอาอะไรกลับไปคิด
แม้หลายทีมจะไม่ได้ซื้อ TPU โดยตรง แต่ข่าวนี้ควรทำให้เราถามตัวเองอย่างน้อย 4 ข้อ:
- workload ของเราหนักไปทาง training, batch inference หรือ real-time inference
- latency ที่ product ต้องการจริงอยู่ระดับไหน
- cost sensitivity ของระบบเราอยู่ตรงไหน
- ถ้า agent usage โต 10 เท่า infra ปัจจุบันยังรับได้ไหม
หลายครั้งทีม product สนใจแค่ model quality แต่ใน production จริง ความต่างด้าน infra อาจเป็นตัวกำหนดประสบการณ์ผู้ใช้และ margin ของธุรกิจมากกว่า
สรุป
ข่าวจาก Google Cloud Next 2026 ในวันที่ 22-23 เมษายน 2026 บอกเราชัดว่า AI infrastructure รอบใหม่กำลังถูกออกแบบเป็นระบบเฉพาะทางมากขึ้น ทั้งในระดับ chip, network, และ data center fabric
TPU 8t กับ TPU 8i สะท้อนการแยก training ออกจาก inference อย่างจริงจัง ส่วน Virgo Network สะท้อนว่าปัญหาใหม่ของ AI scale ไม่ได้อยู่ที่ compute อย่างเดียว แต่ย้ายไปอยู่ที่ network architecture และ reliability แล้ว
สำหรับคนทำเทค ข่าวนี้เป็นอีกครั้งที่เตือนว่า AI ไม่ใช่แค่เรื่อง model choice แต่คือเรื่อง physical infrastructure, topology, throughput และต้นทุนการให้บริการ ด้วย
ใครเข้าใจชั้นล่างของ stack นี้ได้ดีกว่า มักมีโอกาสชนะในชั้นบนของ product มากกว่าที่ตลาดมักเห็นในระยะแรก
แหล่งอ้างอิง
บทความที่เกี่ยวข้อง (Related Posts)
นิวยอร์กสั่งพัก hyperscale data center หนึ่งปี: AI infrastructure เจอคอขวดจากไฟ น้ำ และชุมชน
สรุปข่าวผู้ว่าการนิวยอร์กลงนาม Executive Order 62 วันที่ 14 กรกฎาคม 2026 พัก permitting data center ขนาดใหญ่ พร้อมทำกรอบพลังงาน น้ำ และ community benefit
AirTrunk วันที่ 5 มิถุนายน 2026: เดิมพัน US$30B สร้าง AI data center 5GW ในอินเดียภายในปี 2030
สรุปข่าว AirTrunk วันที่ 5 มิถุนายน 2026 เรื่องแผนลงทุนมากกว่า US$30B เพื่อพัฒนา data center capacity 5GW ในอินเดียสำหรับ cloud และ AI infrastructure
Hut 8 เซ็นสัญญา Beacon Point มูลค่า 9.8 พันล้านดอลลาร์เมื่อ 6 พฤษภาคม 2026: ข่าวนี้กำลังบอกว่า Hardware / Infrastructure กำลังแข่งกันที่การแปลงไฟฟ้าให้เป็น AI factory ที่ปล่อยเช่าได้จริง
สรุปดีล Beacon Point ของ Hut 8 เมื่อ 6 พฤษภาคม 2026 และวิเคราะห์ว่าทำไมตลาด Hardware / Infrastructure ตอนนี้เริ่มวัดกันที่กำลังไฟ สัญญาเช่าระยะยาว และความพร้อมรองรับ AI training กับ inference
AWS เปิด Interconnect - multicloud แบบ GA เมื่อ 13 เมษายน 2026: ข่าวนี้กำลังบอกว่า infra ยุค AI ไม่ได้แข่งแค่ชิป แต่แข่งกันที่การเชื่อมหลายคลาวด์ให้ใช้งานจริงง่ายขึ้น
สรุปการเปิด GA ของ AWS Interconnect - multicloud เมื่อ 13 เมษายน 2026 และวิเคราะห์ว่าทำไม Hardware / Infrastructure ยุคถัดไปกำลังย้ายจาก pure cloud lock-in ไปสู่ multicloud fabric ที่บริหารได้จริง