โครงสร้างพื้นฐานเหล่านี้รองรับผลิตภัณฑ์ AI ของ Google แทบทั้งหมด เช่น

• ระบบค้นหา (Search) ที่ผสาน AI
• โมเดลตระกูล Gemini
• API สำหรับนักพัฒนา
• Google Cloud สำหรับองค์กร

เป้าหมายคือสร้างระบบคอมพิวต์ที่รองรับทั้งการฝึกโมเดลขนาดใหญ่และการใช้งานแบบเรียลไทม์ของผู้ใช้หลายพันล้านคน

แนวคิดหลัก: ลงทุนก่อน แล้วประสิทธิภาพจะตามมา

Pichai ชี้ว่าประวัติศาสตร์ของเทคโนโลยีมักเดินตามรูปแบบคล้ายกัน

ในช่วงแรกจะมี การลงทุนมหาศาลเพื่อสร้างโครงสร้างพื้นฐาน จากนั้นเมื่อฮาร์ดแวร์ ซอฟต์แวร์ และอัลกอริทึมพัฒนาไป ต้นทุนต่อหน่วยจะลดลงอย่างรวดเร็ว และประสิทธิภาพจะเพิ่มขึ้นมาก

ในบริบทของ AI หมายความว่า:

• โมเดลจะดีขึ้น
• ชิปและระบบคอมพิวต์จะเร็วขึ้น
• ต้นทุนการใช้งาน AI จะลดลง

ผลคือโครงสร้างพื้นฐานชุดเดิมสามารถให้พลังประมวลผล AI ได้มากกว่าตอนที่สร้างครั้งแรกหลายเท่า

ความต้องการ AI ที่พุ่งสูงอย่างรวดเร็ว

Google ยังใช้ข้อมูลการใช้งานจริงมาอธิบายว่าทำไมต้องลงทุนขนาดนี้

ตามข้อมูลที่เปิดเผยในงาน I/O ปริมาณโทเค็น AI ที่ระบบของ Google ประมวลผลเพิ่มขึ้นอย่างมหาศาล จาก 9.7 ล้านล้านโทเค็นต่อเดือนเมื่อสองปีก่อน เป็น มากกว่า 3.2 ควอดริลเลียนโทเค็นต่อเดือนในปัจจุบัน

การเติบโตนี้มาจากหลายบริการ เช่น

• ประสบการณ์ค้นหาที่ใช้ AI
• ผู้ช่วยและเอเจนต์ Gemini
• งานของนักพัฒนาและองค์กรบน Google Cloud
• ผลิตภัณฑ์ผู้บริโภคอย่าง YouTube และเครื่องมือทำงาน

พูดอีกแบบคือ การลงทุนเพิ่มขึ้น เพราะ ความต้องการใช้ AI เพิ่มเร็วกว่าโครงสร้างพื้นฐานเดิม

Gemini 3.5 Flash ตัวอย่างของ “AI ที่มีประสิทธิภาพขึ้น”

หนึ่งในตัวอย่างที่ Pichai และทีม Googleยกขึ้นมาคือ Gemini 3.5 Flash โมเดล AI รุ่นใหม่ที่ออกแบบให้เร็วขึ้นและมีต้นทุนต่ำลง

โมเดลประเภทนี้ช่วยให้

• ลดต้นทุนการประมวลผล
• ตอบสนองเร็วขึ้น
• ขยายการใช้งานไปสู่องค์กรและนักพัฒนาได้มากขึ้น

Googleมองว่าความก้าวหน้าแบบนี้จะค่อย ๆ เปลี่ยนเศรษฐศาสตร์ของ AI ทำให้โครงสร้างพื้นฐานที่ลงทุนไว้สามารถรองรับแอปพลิเคชันได้มากขึ้นในต้นทุนที่ต่ำลง

ข้อจำกัดจริง: พลังงานและคอมพิวต์

แม้จะปกป้องการลงทุนขนาดใหญ่ แต่ Pichai ก็ยอมรับว่า AI มีข้อจำกัดด้านกายภาพจริง

ความท้าทายสำคัญ ได้แก่

• การใช้ไฟฟ้าของดาต้าเซ็นเตอร์ขนาดใหญ่
• ความต้องการคอมพิวต์ที่เติบโตเร็วกว่าการผลิตฮาร์ดแวร์
• การขยายโครงสร้างพื้นฐานให้รองรับผู้ใช้ทั่วโลก

ปัจจัยเหล่านี้กำลังกลายเป็นประเด็นสำคัญของทั้งอุตสาหกรรม AI เมื่อบริษัทเทคโนโลยีแข่งขันกันสร้างกำลังประมวลผลให้เพียงพอกับความต้องการที่เพิ่มขึ้น

น้ำเสียงที่ต่างจากปี 2025

คำพูดของ Pichai ในปี 2026 ยังสะท้อนการเปลี่ยนโทนจากปีที่ผ่านมา

ในปี 2025 เขาเคยให้สัมภาษณ์ว่าการลงทุนใน AI มี “องค์ประกอบของความไม่สมเหตุสมผล” อยู่บ้าง และเตือนว่า ไม่มีบริษัทใดจะรอดหากฟองสบู่ AI แตก

แต่ในปี 2026 เขาเน้นมุมมองที่มั่นใจมากขึ้น โดยชี้ไปที่

• ความต้องการ AI ที่เพิ่มขึ้นอย่างไม่เคยมีมาก่อน
• แนวโน้มที่ประสิทธิภาพของเทคโนโลยีจะดีขึ้นอย่างรวดเร็ว
• ความจำเป็นเชิงกลยุทธ์ของการลงทุนโครงสร้างพื้นฐานตั้งแต่เนิ่น ๆ

แม้จะไม่ได้ปฏิเสธความเสี่ยง แต่ Pichai มองว่าการลงทุนครั้งใหญ่นี้เป็นขั้นตอนสำคัญในการสร้างแพลตฟอร์มคอมพิวติ้งยุคถัดไป

ภาพใหญ่ของอุตสาหกรรม AI

การเดิมพันของ Google ไม่ได้เกิดขึ้นเพียงบริษัทเดียว

บริษัทเทคโนโลยีขนาดใหญ่ทั่วโลกกำลังทุ่มเงินมหาศาลไปกับชิป AI ดาต้าเซ็นเตอร์ และระบบคอมพิวต์ใหม่ ๆ

มุมมองของ Google คือ ช่วงเวลาของการลงทุนหนักในวันนี้คือราคาที่ต้องจ่ายเพื่อสร้างโครงสร้างพื้นฐานของยุค AI และหากประวัติศาสตร์เทคโนโลยีซ้ำรอยเดิม ประสิทธิภาพที่เพิ่มขึ้นในอนาคตจะทำให้ AI ถูกลง เร็วขึ้น และแพร่หลายยิ่งกว่าเดิม

โครงสร้างพื้นฐานเหล่านี้รองรับผลิตภัณฑ์ AI ของ Google แทบทั้งหมด เช่น

• ระบบค้นหา (Search) ที่ผสาน AI
• โมเดลตระกูล Gemini
• API สำหรับนักพัฒนา
• Google Cloud สำหรับองค์กร

เป้าหมายคือสร้างระบบคอมพิวต์ที่รองรับทั้งการฝึกโมเดลขนาดใหญ่และการใช้งานแบบเรียลไทม์ของผู้ใช้หลายพันล้านคน

แนวคิดหลัก: ลงทุนก่อน แล้วประสิทธิภาพจะตามมา

Pichai ชี้ว่าประวัติศาสตร์ของเทคโนโลยีมักเดินตามรูปแบบคล้ายกัน

ในช่วงแรกจะมี การลงทุนมหาศาลเพื่อสร้างโครงสร้างพื้นฐาน จากนั้นเมื่อฮาร์ดแวร์ ซอฟต์แวร์ และอัลกอริทึมพัฒนาไป ต้นทุนต่อหน่วยจะลดลงอย่างรวดเร็ว และประสิทธิภาพจะเพิ่มขึ้นมาก

ในบริบทของ AI หมายความว่า:

• โมเดลจะดีขึ้น
• ชิปและระบบคอมพิวต์จะเร็วขึ้น
• ต้นทุนการใช้งาน AI จะลดลง

ผลคือโครงสร้างพื้นฐานชุดเดิมสามารถให้พลังประมวลผล AI ได้มากกว่าตอนที่สร้างครั้งแรกหลายเท่า

ความต้องการ AI ที่พุ่งสูงอย่างรวดเร็ว

Google ยังใช้ข้อมูลการใช้งานจริงมาอธิบายว่าทำไมต้องลงทุนขนาดนี้

ตามข้อมูลที่เปิดเผยในงาน I/O ปริมาณโทเค็น AI ที่ระบบของ Google ประมวลผลเพิ่มขึ้นอย่างมหาศาล จาก 9.7 ล้านล้านโทเค็นต่อเดือนเมื่อสองปีก่อน เป็น มากกว่า 3.2 ควอดริลเลียนโทเค็นต่อเดือนในปัจจุบัน

การเติบโตนี้มาจากหลายบริการ เช่น

• ประสบการณ์ค้นหาที่ใช้ AI
• ผู้ช่วยและเอเจนต์ Gemini
• งานของนักพัฒนาและองค์กรบน Google Cloud
• ผลิตภัณฑ์ผู้บริโภคอย่าง YouTube และเครื่องมือทำงาน

พูดอีกแบบคือ การลงทุนเพิ่มขึ้น เพราะ ความต้องการใช้ AI เพิ่มเร็วกว่าโครงสร้างพื้นฐานเดิม

Gemini 3.5 Flash ตัวอย่างของ “AI ที่มีประสิทธิภาพขึ้น”

หนึ่งในตัวอย่างที่ Pichai และทีม Googleยกขึ้นมาคือ Gemini 3.5 Flash โมเดล AI รุ่นใหม่ที่ออกแบบให้เร็วขึ้นและมีต้นทุนต่ำลง

โมเดลประเภทนี้ช่วยให้

• ลดต้นทุนการประมวลผล
• ตอบสนองเร็วขึ้น
• ขยายการใช้งานไปสู่องค์กรและนักพัฒนาได้มากขึ้น

Googleมองว่าความก้าวหน้าแบบนี้จะค่อย ๆ เปลี่ยนเศรษฐศาสตร์ของ AI ทำให้โครงสร้างพื้นฐานที่ลงทุนไว้สามารถรองรับแอปพลิเคชันได้มากขึ้นในต้นทุนที่ต่ำลง

ข้อจำกัดจริง: พลังงานและคอมพิวต์

แม้จะปกป้องการลงทุนขนาดใหญ่ แต่ Pichai ก็ยอมรับว่า AI มีข้อจำกัดด้านกายภาพจริง

ความท้าทายสำคัญ ได้แก่

• การใช้ไฟฟ้าของดาต้าเซ็นเตอร์ขนาดใหญ่
• ความต้องการคอมพิวต์ที่เติบโตเร็วกว่าการผลิตฮาร์ดแวร์
• การขยายโครงสร้างพื้นฐานให้รองรับผู้ใช้ทั่วโลก

ปัจจัยเหล่านี้กำลังกลายเป็นประเด็นสำคัญของทั้งอุตสาหกรรม AI เมื่อบริษัทเทคโนโลยีแข่งขันกันสร้างกำลังประมวลผลให้เพียงพอกับความต้องการที่เพิ่มขึ้น

น้ำเสียงที่ต่างจากปี 2025

คำพูดของ Pichai ในปี 2026 ยังสะท้อนการเปลี่ยนโทนจากปีที่ผ่านมา

ในปี 2025 เขาเคยให้สัมภาษณ์ว่าการลงทุนใน AI มี “องค์ประกอบของความไม่สมเหตุสมผล” อยู่บ้าง และเตือนว่า ไม่มีบริษัทใดจะรอดหากฟองสบู่ AI แตก

แต่ในปี 2026 เขาเน้นมุมมองที่มั่นใจมากขึ้น โดยชี้ไปที่

• ความต้องการ AI ที่เพิ่มขึ้นอย่างไม่เคยมีมาก่อน
• แนวโน้มที่ประสิทธิภาพของเทคโนโลยีจะดีขึ้นอย่างรวดเร็ว
• ความจำเป็นเชิงกลยุทธ์ของการลงทุนโครงสร้างพื้นฐานตั้งแต่เนิ่น ๆ

แม้จะไม่ได้ปฏิเสธความเสี่ยง แต่ Pichai มองว่าการลงทุนครั้งใหญ่นี้เป็นขั้นตอนสำคัญในการสร้างแพลตฟอร์มคอมพิวติ้งยุคถัดไป

ภาพใหญ่ของอุตสาหกรรม AI

การเดิมพันของ Google ไม่ได้เกิดขึ้นเพียงบริษัทเดียว

บริษัทเทคโนโลยีขนาดใหญ่ทั่วโลกกำลังทุ่มเงินมหาศาลไปกับชิป AI ดาต้าเซ็นเตอร์ และระบบคอมพิวต์ใหม่ ๆ

มุมมองของ Google คือ ช่วงเวลาของการลงทุนหนักในวันนี้คือราคาที่ต้องจ่ายเพื่อสร้างโครงสร้างพื้นฐานของยุค AI และหากประวัติศาสตร์เทคโนโลยีซ้ำรอยเดิม ประสิทธิภาพที่เพิ่มขึ้นในอนาคตจะทำให้ AI ถูกลง เร็วขึ้น และแพร่หลายยิ่งกว่าเดิม