DEV Community

Nokka
Nokka

Posted on

TPU 8tx กับ 8i Max: ทำไม AI เอเจนต์ถึงบังคับให้ Google เปลี่ยนวิธีสร้างชิป?

โดย Nokka (นก-กา) | 10 พฤศจิกายน 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ภาพประกอบ: ชิปสองตัวถูกประกอบเข้าด้วยกันบนฐานเดียว โดยมีโล่โปร่งใสครอบอยู่อีกชั้น

Google เปิดตัว TPU 8tx และ TPU 8i Max เมื่อวันที่ 9 พฤศจิกายน 2026 [1]

ชื่ออาจฟังเหมือนรุ่นต่อยอดทั่วไป แต่ประโยคที่สำคัญอยู่ในย่อหน้าแรก

นี่คือปีแรกที่ Google ออกระบบ TPU ถึงสี่รุ่นในปีเดียว [1]

และเหตุผลที่ออกสี่รุ่นไม่ใช่เพราะทำชิปใหม่ได้เร็วขึ้น แต่เพราะงานที่ลูกค้าทำเปลี่ยนไป

งานเปลี่ยนอย่างไร

Google เขียนตรง ๆ ว่าการประมวลผลกำลังย้ายจากระดับคนไปสู่ระดับเอเจนต์ [1]

เอเจนต์ทำงานหลายขั้นตอน หยุดรอฐานข้อมูล รอเครื่องมือ รอคนตอบ แล้วกลับมาทำต่อ

มันจึงต้องการหน่วยความจำขนาดใหญ่ การสื่อสารระหว่างชิปที่เร็ว และความปลอดภัยที่สูงกว่าการเรียกโมเดลครั้งเดียว

TPU 8tx กับ 8i Max คือคำตอบแยกสองทางสำหรับปัญหาสองข้อนี้

TPU 8tx: ความลับที่ใช้ได้ขณะประมวลผล

โดยปกติข้อมูลถูกเข้ารหัสตอนพักและตอนส่งผ่านเครือข่าย แต่ต้องถอดรหัสในหน่วยความจำขณะประมวลผล [1]

8tx แก้จุดนี้ด้วยการทำ confidential compute ไว้ในชั้นฮาร์ดแวร์ ทำให้ข้อมูลและค่าน้ำหนักโมเดลถูกป้องกันแม้ขณะใช้งานอยู่ [1]

ตัวชิปใช้ซิลิคอนเดียวกับ 8t และจับคู่กับซีพียู AMD EPYC เจนเนอเรชัน 5 [1]

Google อ้างว่า latency ต่ำลงได้ถึง 2 เท่าเมื่อเทียบกับ 8t โดยแทบไม่เสียประสิทธิภาพ [1]

จุดที่ผมคิดว่าสำคัญสำหรับองค์กรคือ มันทำให้ fine-tune, distill โมเดล และฝึกเอเจนต์ด้วย reinforcement learning บนระบบเดียวได้ โดยไม่ต้องย้ายข้อมูลอ่อนไหวไปคลัสเตอร์อื่น [1]

TPU 8i Max: เอา 8i สองตัวมาวางบนแพ็กเกจเดียว

ปัญหาของ 8i Max คือ memory wall [1]

เมื่อเอเจนต์หลายสิบตัวทำงานบนโค้ดทั้งรีโปหรือวิดีโอหลายชั่วโมง แบนด์วิดท์หน่วยความจำกลายเป็นคอขวด [1]

Google จึงนำชิป 8i สองตัวมาวางบนแพ็กเกจเดียว ทำให้ได้ compute, SRAM และแบนด์วิดท์ HBM เป็นสองเท่าของ 8i [1]

และเพราะมันใส่ซิลิคอนได้สองเท่าในพื้นที่แร็คเดิม ศูนย์ข้อมูลจึงเพิ่มกำลังประมวลผลต่อพื้นที่และต่อวัตต์ได้ [1]

ตัวเลขที่ควรอ่านให้ถูก

Google ระบุว่า 8t ทำผลงานฝึกโมเดลได้ดีกว่ารุ่นก่อนถึง 2.7 เท่า [1] ส่วน 8i ให้ราคาต่อประสิทธิภาพของงาน inference ดีขึ้น 80 เปอร์เซ็นต์ [1][2]

ตัวเลขทั้งหมดเป็นข้อมูลจากผู้ขาย ไม่ใช่ผลทดสอบอิสระ

Google อ้างว่ามีลูกค้าเกือบ 100 ราย ทั้งห้องแล็บ frontier บริษัทการค้า ผู้ค้าปลีก และมหาวิทยาลัย [1]

ฝั่งซอฟต์แวร์ที่อาจสำคัญกว่าฮาร์ดแวร์

ข่าวนี้ไม่ได้มีแค่ชิป

Google เปิดซอร์ส TorchTPU ทำให้โค้ด PyTorch และโมเดลจาก Hugging Face รันบน TPU ได้โดยไม่ต้องเขียนใหม่ พร้อม backend สำหรับ vLLM และ SGLang [1]

มี TPU agent suite ที่ต่อกับ Claude Code, Cursor และ Google Antigravity เพื่อช่วย onboarding และจูน kernel ด้วยภาษาธรรมชาติ [1]

และมี TPU Sync ซึ่งเป็นชั้นจัดการหน่วยความจำที่ยก KV cache ขนาดใหญ่ออกจากชิป และอ้างว่าลดเวลา transfer กับ Time to First Token ได้มากกว่า 90 เปอร์เซ็นต์ [1]

ถ้าตัวเลขนี้ยืนได้ในงานจริง มันจะช่วยเรื่องต้นทุนมากกว่าตัวเลข TFLOPS เสียอีก

ทำไมเรื่องนี้เกี่ยวกับคนไทย

ต้นทุน inference คือต้นทุนหลักของผลิตภัณฑ์ AI ที่ให้บริการในไทย

ในมุมมองของผม ถ้า TPU เปิดให้ใช้ผ่าน Google Cloud ในราคาที่แข่งขันได้ ทีมเล็กก็ไม่ต้องซื้อ GPU เอง

แต่ต้องรอรายละเอียดเรื่องภูมิภาคให้บริการและราคาจริงก่อน เพราะประกาศนี้ยังไม่บอกทั้งสองอย่าง

ผมจึงยังไม่แนะนำให้ย้ายสแตกในสัปดาห์นี้

ข้อควรระวัง

confidential compute ปกป้องข้อมูลขณะประมวลผล แต่ไม่ได้แปลว่าระบบทั้งหมดปลอดภัย

มันไม่ช่วยเรื่องคีย์ที่รั่วจากฝั่งแอป หรือสิทธิ์การเข้าถึงที่ตั้งผิด

และตัวเลข performance ทั้งหมดยังต้องรอการทดสอบจากบุคคลที่สาม

คำตอบของผม

สิ่งที่ Google ขายในรอบนี้ไม่ใช่ชิปที่เร็วขึ้น

แต่เป็นการบอกว่าฮาร์ดแวร์สำหรับ AI กำลังถูกแยกตามเนื้องาน ไม่ใช่ตามขนาด

มีรุ่นสำหรับฝึก มีรุ่นสำหรับ reasoning มีรุ่นสำหรับข้อมูลลับ และมีรุ่นสำหรับ context ยาว

ถ้าแนวโน้มนี้ไปต่อ คำถามของทีมวิศวกรรมจะเปลี่ยนจาก "ใช้ชิปอะไร" เป็น "งานของเราต้องการสัญญาณอะไรจากฮาร์ดแวร์"

ทีมของคุณกำลังเลือกฮาร์ดแวร์จากราคา หรือจากเนื้องาน?

แหล่งอ้างอิง

[1] Amin Vahdat, Google Blog, Our newest TPUs: 8tx and 8i Max, built for the agentic era, 9 พฤศจิกายน 2026 https://blog.google/innovation-and-ai/infrastructure-and-cloud/global-network/tpu-8i-max-and-8tx/

[2] Google Blog, Our eighth generation TPUs: two chips for the agentic era, 22 เมษายน 2026 https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/eighth-generation-tpu-agentic-era/

Top comments (0)