Sundar Pichai: Gemini 4 จำเป็นต้องมี Base Model ที่ใหญ่ขึ้นเพื่อเป็นผู้นำในการแข่งขันด้าน AI

Google กำลังปรับเปลี่ยนกลยุทธ์ไปสู่การทำ pre-training ขนาดมหาศาลเพื่อทวงคืนความเป็นผู้นำในการแข่งขันด้าน frontier model โดย Sundar Pichai ซีอีโอของ Alphabet ได้ส่งสัญญาณว่าก้าวกระโดดทางวิวัฒนาการครั้งต่อไปของ Gemini ขึ้นอยู่กับการสร้าง base model ที่มีขนาดใหญ่ขึ้นอย่างมีนัยสำคัญ เพื่อให้เทียบเท่าและก้าวข้ามผู้นำในอุตสาหกรรมปัจจุบัน

พันธกิจด้านการขยายขนาด (Scaling Mandate): ทำไม Gemini 4 ถึงแตกต่าง

ในระหว่างการรายงานผลประกอบการไตรมาสที่ 2 ของปี 2026 Sundar Pichai ได้กล่าวถึงภูมิทัศน์การแข่งขันของ generative AI โดยระบุว่าแม้ Google จะมีความก้าวหน้าอย่างมาก แต่เส้นทางสู่ประสิทธิภาพระดับ frontier ที่แท้จริงนั้นจำเป็นต้องมีการปรับเปลี่ยนในด้านขนาด (scale) ขณะนี้บริษัทกำลังดำเนินการ "การทำ pre-training ที่ทะเยอทะยานที่สุดเท่าที่เคยมีมา" สำหรับ Gemini 4

ตามความเห็นของ Pichai ปัญญาประดิษฐ์ยุคถัดไปไม่สามารถบรรลุได้ผ่านเพียงการอัปเดตแบบค่อยเป็นค่อยไปเท่านั้น แต่จำเป็นต้องมี base model ที่ใหญ่ขึ้นมากเพื่อลดช่องว่างในปัจจุบันกับคู่แข่ง การลงทุนมหาศาลในด้านการประมวลผล (compute) และข้อมูลนี้สะท้อนให้เห็นในประมาณการการลงทุนปี 2026 ที่ได้รับการปรับปรุงของ Alphabet ซึ่งเพิ่มขึ้นอย่างน่าตกใจเป็น 1.95 แสนล้านดอลลาร์ ถึง 2.05 แสนล้านดอลลาร์ เพื่อให้ก้าวทันกับความต้องการที่พุ่งสูงขึ้น

ประสิทธิภาพ vs. พลังระดับ Frontier: กลยุทธ์ Flash

ในขณะที่การแสวงหา frontier model ใหม่ยังคงดำเนินต่อไป Google ก็กำลังเพิ่มประสิทธิภาพสำหรับกรณีการใช้งานแบบ "workhorse" ที่ขับเคลื่อนระบบนิเวศของบริษัทไปพร้อมๆ กัน โดยเริ่มเห็นการแบ่งแยกที่ชัดเจนในลำดับชั้นของโมเดลของ Google:

• The Frontier Tier: มุ่งเน้นไปที่ Gemini 4 โดยตั้งเป้าไปที่ความสามารถในการใช้เหตุผล (reasoning) มหาศาล และการลดช่องว่างกับคู่แข่งระดับแนวหน้า
• The Efficiency Tier: มุ่งเน้นไปที่ Gemini Flash series โดย Pichai ระบุว่าโมเดลตระกูล Flash นั้นอยู่ใน "จุดที่ลงตัวที่สุดระหว่างประสิทธิภาพและต้นทุน" (sweet spot of performance and cost) ซึ่งเป็นตัวขับเคลื่อนความต้องการหลักของผู้บริโภคในแต่ละวัน

แนวทางแบบสองทางนี้กำลังให้ผลตอบแทนทางการเงิน โดย Google รายงานว่าต้นทุนต่อการตอบสนองของ AI ใน "AI Mode" ได้ลดลงสู่ระดับต่ำสุดนับตั้งแต่เปิดตัว แม้ว่าบริษัทจะมีการใช้งานโมเดลพื้นฐานที่มีประสิทธิภาพสูงขึ้นก็ตาม ประสิทธิภาพนี้ ซึ่งได้รับการสนับสนุนจากการเปิดตัวอย่าง Flash 3.6 ถือเป็นสิ่งสำคัญในการรักษาอัตรากำไร (margins) ในขณะที่การบูรณาการ AI ขยายตัวขึ้น

การเติบโตของผู้ใช้อย่างมหาศาลและหมุดหมายสำคัญในการสร้างรายได้

สุขภาพทางการเงินของการเปลี่ยนผ่านสู่ AI ของ Google เห็นได้ชัดจากตัวชี้วัดรายไตรมาสล่าสุด โดย Google รายงานรายได้ในไตรมาสที่ 2 ของปี 2026 อยู่ที่ 1.198 แสนล้านดอลลาร์ เพิ่มขึ้น 24% เมื่อเทียบกับปีที่ผ่านมา โดยมีปัจจัยขับเคลื่อนการเติบโตที่สำคัญ ได้แก่:

• Gemini App Adoption: จำนวนผู้ใช้งานรายเดือน (Monthly active users) พุ่งสูงขึ้นเป็น 950 ล้านราย จาก 750 ล้านรายในเดือนกุมภาพันธ์
• Google Cloud Expansion: ส่วนงาน Cloud เติบโตอย่างก้าวกระโดดถึง 82% โดยแตะระดับ 2.48 หมื่นล้านดอลลาร์
• Search Integration: AI Mode ใน Google Search มีผู้ใช้งานรายเดือนเกินหนึ่งพันล้านราย ซึ่งช่วยปลดล็อกคำค้นหาจำนวนมหาศาลที่ก่อนหน้านี้ทำรายได้ได้ยาก
• Ad Tech Evolution: เครื่องมือโฆษณา AI Max ได้พ้นจากช่วงเบต้าแล้ว และปัจจุบันมีนักโฆษณาใช้งานอยู่ถึง 500,000 ราย

การจัดการกับจุดอ่อนทางเทคนิค

Pichai มีความโปร่งใสเกี่ยวกับด้านที่ Google ยังต้องเร่งตามให้ทัน โดยเฉพาะอย่างยิ่ง บริษัทกำลังทุ่มเทอย่างหนักเพื่อปรับปรุงความสามารถด้าน "coding และ agentic coding" ในขณะที่ AI กำลังเปลี่ยนจากอินเทอร์เฟซการแชทแบบธรรมดาไปสู่ autonomous agents ที่สามารถเขียน ดีบั๊ก (debug) และรันโค้ดได้ การเชี่ยวชาญใน agentic workflows เหล่านี้จึงเป็นจุดมุ่งหมายหลักสำหรับวงจรการพัฒนา Gemini 4

สรุปประเด็นสำคัญ

• ขนาด (Scale) คือสิ่งสำคัญอันดับแรก: Google กำลังลงทุนสูงถึง 2.05 แสนล้านดอลลาร์ต่อปี โดยเดิมพันว่า "base model ที่ใหญ่ขึ้นมาก" เป็นวิธีเดียวที่จะชนะการแข่งขันด้าน frontier AI ด้วย Gemini 4
• ความได้เปรียบของ Flash: ในขณะที่ไล่ล่าความฉลาดระดับ frontier Google ประสบความสำเร็จในการใช้ Gemini Flash series เพื่อขับเคลื่อนการใช้งานที่มีปริมาณสูงและต้นทุนต่ำสำหรับผู้ใช้เกือบ 1 พันล้านราย
• การปรับปรุงที่ตรงจุด: ความพยายามในการทำ pre-training มหาศาลสำหรับ Gemini 4 มีเป้าหมายเฉพาะเจาะจงเพื่อแก้ปัญหาจุดอ่อนในปัจจุบันด้านการเขียนโค้ด (coding) และความสามารถในการทำงานแบบ autonomous agent