ถาม AI เรื่อง Data Center กับความท้าทายด้านสิ่งแวดล้อมและพลังงานในประเทศไทย

Back

29 มิถุนายน 2568

339

ถาม AI เรื่อง Data Center กับความท้าทายด้านสิ่งแวดล้อมและพลังงานในประเทศไทย

ก่อนหน้านี้ได้กล่าวถึงประโยชน์ของ AI ในการนำมาใช้สำหรับงานพัฒนาสังคม (AI พลิกโฉมงานพัฒนาสังคม-โอกาสและความเป็นไปได้ในการยกระดับคุณภาพชีวิต) ซึ่งจะเห็นได้ว่า AI นั้นกำลังเปลี่ยนโลกด้วยความสามารถที่หลากหลาย แต่การทำงานของ AI ต้องพึ่งพา Data Center ขนาดใหญ่ที่ใช้พลังงานไฟฟ้าและน้ำมหาศาลในการระบายความร้อน ซึ่งส่งผลกระทบต่อสิ่งแวดล้อมและสังคมอย่างมีนัยสำคัญ หลายท่านอาจจะเคยเห็นข่าวการวิเคราะห์จากสื่อต่าง ๆ กันแล้ว คราวนี้เรามาลองใช้ความสามารถของ AI ถามเรื่อง AI กันดู โดยได้ลองตั้งคำถามไว้ 6 ประเด็น และให้เทียบกับบริบทของประเทศไทย และได้ใช้คำถามเดียวกันกับ AI Chatbot หลาย ๆ ค่าย พร้อมทั้งขอแหล่งอ้างอิงข้อมูลด้วย พอจะสรุปคร่าว ๆ ได้ดังนี้ 1. AI Data Center กินไฟกินน้ำแค่ไหน? AI Data Center คือหัวใจสำคัญที่ขับเคลื่อนเทคโนโลยี AI เปรียบเสมือนสมองกลขนาดใหญ่ที่ประมวลผลข้อมูลมหาศาล พวกมันมีหลายขนาด และแน่นอนว่าขนาดที่ใหญ่ขึ้นย่อมใช้พลังงานมากขึ้น <ul> <li>ศูนย์ข้อมูลขนาดเล็ก: ใช้ไฟฟ้าประมาณ หลายสิบถึงหลายร้อยกิโลวัตต์ (kW) เทียบเท่าการใช้ไฟของบ้านเรือนหลายสิบหลังต่อวัน และอาจใช้น้ำในปริมาณใกล้เคียงกับบ้านเรือนทั่วไปในการระบายความร้อน</li> <li>ศูนย์ข้อมูลขนาดกลาง: กินไฟประมาณ 0.5 ถึง 2 เมกะวัตต์ (MW) ซึ่งเทียบเท่ากับการใช้ไฟของเมืองขนาดเล็ก และต้องการน้ำหลายแสนลิตรต่อวันในการระบายความร้อน</li> <li>ศูนย์ข้อมูลขนาดใหญ่ (Enterprise): กินไฟ 10 MW หรือมากกว่า ซึ่งเป็นปริมาณมหาศาล เทียบเท่าการใช้ไฟของจังหวัดขนาดกลาง และต้องใช้น้ำหลายล้านลิตรต่อวัน</li> <li>ศูนย์ข้อมูลขนาดใหญ่มาก (Hyperscale): กินไฟมหาศาลถึง 100 MW ขึ้นไป เทียบเท่าการใช้ไฟของหลายจังหวัดรวมกัน และแน่นอนว่าต้องการน้ำเพื่อระบายความร้อนในปริมาณที่สูงมากเช่นกัน</li> </ul> ทำไมถึงใช้น้ำเยอะ? เพราะการประมวลผลของ AI สร้างความร้อนสูงมาก จำเป็นต้องมีระบบหล่อเย็นที่ทำงานตลอดเวลา โดยเฉพาะระบบระบายความร้อนแบบระเหยที่ใช้น้ำเป็นหลัก ตัวอย่างการคำนวณการใช้พลังงานไฟฟ้า สมมติว่าเรามี AI Data Center ขนาดกลางที่มีความต้องการพลังงานสำหรับอุปกรณ์ IT (IT Load) อยู่ที่ 10 เมกะวัตต์ (MW) และมี PUE = 1.3 (หมายความว่าต้องใช้พลังงานเพิ่มอีก 30% สำหรับระบบระบายความร้อนและอื่นๆ) ดังนั้น พลังงานรวมที่ใช้จริงคือ 10 MW × 1.3 = 13 MW 1 เมกะวัตต์ (MW) = 1,000 กิโลวัตต์ (kW) 1 กิโลวัตต์-ชั่วโมง (kWh) = การใช้พลังงาน 1 kW ใน 1 ชั่วโมง การใช้ไฟฟ้าต่อวัน <ul> <li>พลังงานรวม = 13 MW = 13,000 kW</li> <li>1 วันมี 24 ชั่วโมง</li> <li>การใช้ไฟฟ้าต่อวัน = 13,000 kW × 24 ชม. = 312,000 kWh (312 เมกะวัตต์-ชั่วโมง หรือ MWh)</li> </ul> การใช้ไฟฟ้าต่อเดือน <ul> <li>สมมติ 1 เดือนมี 30 วัน</li> <li>การใช้ไฟฟ้าต่อเดือน = 312,000 kWh × 30 วัน = 9,360,000 kWh (9,360 MWh หรือ 9.36 กิกะวัตต์-ชั่วโมง หรือ GWh)</li> </ul> การใช้ไฟฟ้าต่อปี <ul> <li>1 ปีมี 365 วัน</li> <li>การใช้ไฟฟ้าต่อปี = 312,000 kWh × 365 วัน = 113,880,000 kWh (113,880 MWh หรือ 113.88 GWh)</li> </ul>   สมมติฐานสำหรับการคำนวณการใช้น้ำในการระบายความร้อน สมมติว่าเรามี AI Data Center ขนาดกลางที่มีความต้องการพลังงานสำหรับอุปกรณ์ IT (IT Load) 10 เมกะวัตต์ (MW) และ PUE = 1.3 (พลังงานรวม 13 MW หรือ 312,000 kWh/วัน จากการคำนวณก่อนหน้า) โดยใช้ระบบระบายความร้อนแบบ evaporative cooling ซึ่งเป็นระบบที่พบได้บ่อยใน Data Center และมี WUE เฉลี่ย 1.8 ลิตร/kWh (ตามข้อมูลจากแหล่งอ้างอิงทั่วไป) การคำนวณการใช้น้ำ <ul> <li>น้ำที่ใช้ต่อ kWh = 1.8 ลิตร</li> <li>พลังงานต่อวัน = 312,000 kWh</li> <li>น้ำที่ใช้ต่อวัน = 312,000 kWh × 1.8 ลิตร/kWh = 561,600 ลิตร (หรือประมาณ 561.6 ลูกบาศก์เมตร)</li> <li>น้ำที่ใช้ต่อเดือน (30 วัน) = 561,600 ลิตร × 30 = 16,848,000 ลิตร (หรือ 16,848 ลูกบาศก์เมตร)</li> <li>น้ำที่ใช้ต่อปี (365 วัน) = 561,600 ลิตร × 365 = 204,984,000 ลิตร (หรือ 204,984 ลูกบาศก์เมตร ≈ 205 ล้านลิตร)</li> </ul> การเปรียบเทียบและบริบทในประเทศไทย <ul> <li>เปรียบเทียบกับการใช้งานในครัวเรือน: ตามข้อมูลจาก NPR Data Center ขนาดทั่วไปอาจใช้น้ำประมาณ 300,000 แกลลอน/วัน (≈ 1.14 ล้านลิตร) เทียบเท่ากับการใช้น้ำของ 100,000 ครัวเรือน ในประเทศไทย ซึ่งครัวเรือนทั่วไปใช้น้ำเฉลี่ย 200 ลิตร/วัน/ครัวเรือน การใช้น้ำ 561,600 ลิตร/วันของ Data Center นี้จะเทียบเท่ากับน้ำที่ใช้ใน 2,808 ครัวเรือน</li> <li>สภาพอากาศร้อนชื้น: ในประเทศไทย อุณหภูมิและความชื้นสูงอาจเพิ่มการระเหยของน้ำในระบบ evaporative cooling ทำให้ WUE สูงกว่าค่าเฉลี่ยในพื้นที่ที่มีอากาศเย็นกว่า เช่น สิงคโปร์หรือยุโรป</li> <li>น้ำที่สูญเสียจากการระเหย: ตาม Bloomberg ระบบ evaporative cooling มักสูญเสียน้ำประมาณ 80% ผ่านการระเหย และ 20% จะถูกระบายเป็นน้ำเสีย ซึ่งในกรณีนี้ น้ำประมาณ 449,280 ลิตร/วัน (จาก 561,600 ลิตร) จะสูญเสียไป</li> </ul> 2. ผลกระทบต่อสิ่งแวดล้อมและสังคม การเติบโตของ AI Data Center มาพร้อมกับผลกระทบที่สำคัญต่อสิ่งแวดล้อมและสังคม ดังนี้: <ul> <li>การใช้พลังงานไฟฟ้ามหาศาล: ทำให้ความต้องการไฟฟ้าของประเทศพุ่งสูงขึ้น หากการผลิตไฟฟ้ายังคงพึ่งพาเชื้อเพลิงฟอสซิล จะส่งผลให้: <ul style="list-style-type:circle"> <li>การปล่อยก๊าซเรือนกระจกเพิ่มขึ้น: ก่อให้เกิดภาวะโลกร้อนและการเปลี่ยนแปลงสภาพภูมิอากาศ</li> <li>ภาระต่อโครงข่ายไฟฟ้า: อาจทำให้ระบบไฟฟ้าไม่เสถียร หรือเกิดไฟฟ้าดับได้ในอนาคต หากไม่มีการวางแผนรองรับที่ดีพอ</li> </ul> </li> <li>การใช้น้ำปริมาณมาก: นอกจากใช้ในการระบายความร้อนแล้ว หากมีการปล่อยน้ำที่มีอุณหภูมิสูง หรือมีสารเคมีจากการบำบัดน้ำทิ้งลงสู่แหล่งน้ำธรรมชาติ จะส่งผลกระทบโดยตรงต่อ: <ul style="list-style-type:circle"> <li>ระบบนิเวศทางน้ำ: ทำให้สัตว์น้ำและพืชน้ำไม่สามารถดำรงชีวิตอยู่ได้ เกิดการเปลี่ยนแปลงทางชีวภาพในแหล่งน้ำ</li> <li>คุณภาพน้ำ: แหล่งน้ำอาจปนเปื้อน ทำให้ไม่สามารถนำมาใช้อุปโภคบริโภคได้</li> </ul> </li> <li>มลภาวะทางเสียง: ศูนย์ข้อมูลขนาดใหญ่มักมีเสียงดังจากการทำงานของอุปกรณ์และระบบระบายความร้อน ซึ่งอาจส่งผลกระทบต่อชุมชนที่อยู่ใกล้เคียง</li> <li>การขาดแคลนบุคลากร: ความต้องการบุคลากรที่มีทักษะเฉพาะทางด้าน AI และ Data Center เพิ่มสูงขึ้น อาจส่งผลให้เกิดการแข่งขันแย่งชิงบุคลากร และกระทบต่อการพัฒนาทักษะของแรงงานในประเทศ</li> </ul> 3. สถานการณ์ Data Center ในประเทศไทย ประเทศไทยกำลังเป็นเป้าหมายสำคัญในการลงทุน Data Center โดยเฉพาะจากบริษัทเทคโนโลยีระดับโลก <ul> <li>จำนวนและขนาด: ปัจจุบัน ประเทศไทยมี Data Center อยู่แล้วหลายแห่ง ทั้งขนาดเล็ก กลาง และใหญ่ที่ให้บริการ Colocation และ Cloud โดยมีผู้ให้บริการทั้งในและต่างประเทศ</li> <li>การเพิ่มขึ้นในอนาคต: คาดการณ์ว่าในอีกไม่กี่ปีข้างหน้า จะมี Data Center ขนาดใหญ่เพิ่มขึ้นอีกจำนวนมาก เพื่อรองรับการเติบโตของเศรษฐกิจดิจิทัลและ AI ตัวอย่างเช่น บริษัทระดับโลกหลายแห่งกำลังลงทุนและประกาศแผนการสร้าง Data Center ขนาดใหญ่ในประเทศไทย</li> </ul> 4. กำลังการผลิตไฟฟ้าของประเทศไทย <ul> <li>กำลังการผลิต: ประเทศไทยมีกำลังการผลิตไฟฟ้าติดตั้งรวมประมาณ 54,000 เมกะวัตต์ (ข้อมูล ณ ปัจจุบัน) โดยมีสัดส่วนการผลิตจากก๊าซธรรมชาติมากที่สุด รองลงมาคือถ่านหิน พลังงานหมุนเวียน และอื่นๆ</li> <li>ความเพียงพอในอนาคต: การเพิ่มขึ้นของ Data Center โดยเฉพาะ AI Data Center จะสร้างความต้องการใช้ไฟฟ้าเพิ่มขึ้นอย่างก้าวกระโดด ทำให้เกิดความกังวลว่ากำลังการผลิตไฟฟ้าในปัจจุบันอาจไม่เพียงพอต่อความต้องการในอนาคต หากไม่มีการวางแผนเพิ่มกำลังการผลิต และปรับเปลี่ยนไปสู่พลังงานสะอาดมากขึ้น</li> </ul> ด้วยความสามารถอันน่าทึ่งของ AI ที่เข้าถึงทุกสาขาอาชีพ ทำให้ทั่วโลกต่างยอมรับและนำมาใช้งานอย่างแพร่หลาย แต่เบื้องหลังความสะดวกสบายนี้ กลับต้องแลกมาด้วยการใช้ทรัพยากรธรรมชาติมหาศาล ทั้งพลังงานไฟฟ้าและน้ำ รวมถึงผลกระทบต่อสิ่งแวดล้อมที่ตามมา บทความนี้จะชวนคุณมาทำความเข้าใจว่า AI Data Center คืออะไร กินไฟกินน้ำแค่ไหน และประเทศไทยจะรับมือกับความท้าทายนี้ได้อย่างไร 5. แหล่งน้ำในประเทศไทย <ul> <li>ปริมาณน้ำ: ประเทศไทยมีปริมาณน้ำท่าเฉลี่ยต่อปีประมาณ 140,000 ล้านลูกบาศก์เมตร ซึ่งเพียงพอสำหรับการอุปโภคบริโภคและการเกษตรโดยรวม</li> <li>ความเพียงพอในอนาคต: แม้โดยรวมจะมีปริมาณน้ำเพียงพอ แต่การกระจายตัวของน้ำไม่สม่ำเสมอในแต่ละภูมิภาค และแต่ละช่วงเวลาของปี นอกจากนี้ การใช้น้ำที่เพิ่มขึ้นของ Data Center อาจสร้างความกดดันต่อแหล่งน้ำบางพื้นที่ โดยเฉพาะในช่วงฤดูแล้ง หรือในพื้นที่ที่มีความต้องการใช้น้ำสูงอยู่แล้ว</li> </ul> 6. เตรียมความพร้อมเพื่อป้องกันผลกระทบ เพื่อรับมือกับผลกระทบจากการเติบโตของ AI Data Center และการใช้ทรัพยากรที่เพิ่มขึ้น ประเทศไทยควรเตรียมความพร้อมดังนี้: <ul> <li>วางแผนพลังงานอย่างรอบคอบ: <ul style="list-style-type:circle"> <li>ส่งเสริมพลังงานสะอาด: เร่งลงทุนในพลังงานหมุนเวียน เช่น แสงอาทิตย์ ลม เพื่อลดการพึ่งพาเชื้อเพลิงฟอสซิล</li> <li>พัฒนาโครงข่ายไฟฟ้าอัจฉริยะ (Smart Grid): เพิ่มประสิทธิภาพการส่งจ่ายไฟฟ้า และรองรับความผันผวนของพลังงานหมุนเวียน</li> <li>กำหนดนโยบายส่งเสริม Data Center สีเขียว: ให้สิทธิประโยชน์แก่ Data Center ที่ใช้พลังงานหมุนเวียนและมีประสิทธิภาพสูง</li> </ul> </li> <li>บริหารจัดการน้ำอย่างยั่งยืน: <ul style="list-style-type:circle"> <li>สนับสนุนเทคโนโลยีระบายความร้อนแบบประหยัดน้ำ: ส่งเสริมการใช้ระบบ Liquid Cooling หรือเทคโนโลยี “Zero Water Cooling”</li> <li>กำหนดมาตรการควบคุมการปล่อยน้ำทิ้ง: บังคับใช้กฎหมายที่เข้มงวดในการบำบัดน้ำเสียและควบคุมอุณหภูมิน้ำทิ้งก่อนปล่อยลงสู่แหล่งน้ำธรรมชาติ</li> <li>ส่งเสริมการนำน้ำกลับมาใช้ใหม่ (Water Reuse): สนับสนุนการใช้เทคโนโลยีบำบัดน้ำเพื่อนำน้ำที่ใช้แล้วกลับมาใช้ใหม่</li> </ul> </li> <li>พัฒนาบุคลากร: <ul style="list-style-type:circle"> <li>เร่งผลิตบุคลากร AI และ Data Center: สนับสนุนการศึกษาและการฝึกอบรมในสาขาที่เกี่ยวข้อง เพื่อรองรับความต้องการของอุตสาหกรรม</li> </ul> </li> <li>สร้างความร่วมมือ: <ul style="list-style-type:circle"> <li>ภาครัฐ ภาคเอกชน และประชาชน: ทำงานร่วมกันเพื่อหาแนวทางที่ยั่งยืนในการพัฒนา AI Data Center โดยคำนึงถึงผลกระทบต่อสิ่งแวดล้อมและสังคมเป็นสำคัญ</li> </ul> </li> </ul> หมายเหตุ <ul> <li>AI Chatbot ที่ใช้ตั้งคำถามมีดังนี้ ChatGPT Gemini DeepSeek และ Grok (ใช้ตัวฟรีทั้งหมด)</li> <li>แต่ละค่ายตอบคำถามแตกต่างกันไป และการให้รายละเอียดก็ไม่เท่ากัน</li> <li>แหล่งอ้างอิงที่ให้มานั้นมีมาก และจากการเข้าไปตรวจสอบแหล่งอ้างอิง เข้าถึงได้บ้าง ไม่ได้บ้าง </li> <li>แหล่งอ้างอิงบาง link เคยเข้าได้ แต่เวลาผ่านไปหลายวันกลับมาดูอีกครั้ง เข้าไม่ได้แล้ว กรณีนี้อาจเกิดจากต้นทางได้ลบข้อมูลทิ้งไปแล้ว หรืออาจจะมีการเปลี่ยนเส้นทาง link ไปแล้ว</li> <li>บางข้อมูลอาจจะไม่มีข้อมูลเกี่ยวข้องกับคำถามโดยตรง แต่ AI จะใช้ข้อมูลที่มีอยู่จากหลายแหล่งประมวลผลใหม่ เพื่อให้ได้คำตอบ เช่น การคำนวณค่าต่าง ๆ</li> </ul> ข้อสรุปคือ ข้อมูลที่ใช้ AI ในการสืบค้นนั้น อาจไม่ได้ถูกต้อง 100% ยังต้องมีการพิสูจน์ถึงแหล่งที่มา และบางเรื่องที่ซับซ้อนเฉพาะทาง ควรให้ผู้เชี่ยวชาญเฉพาะทางตรวจสอบความถูกต้องอีกครั้งก่อนนำข้อมูลไปใช้จริง

ระบบอุปถัมภ์ รากเหง้าของวงจรอุบาทว์ สู่ ทุน ราชการ และการเมืองสีเทา

เสวนา หัวข้อ สร้างอนาคตที่สมดุลระหว่าง AI และมนุษย์ (รวมองค์ปาฐก)

พลังพลเมือง กับเทคโนโลยี เพื่อการเปลี่ยนแปลงที่ยั่งยืน (ดร.ชฎามาศ ธุวะเศรษฐกุล)

จริยธรรม ค่านิยม และความเป็นมนุษย์ ในสังคม AI (พระพรหมศากยวงศ์วิสุทธิ์ - อนิลมาน ธมฺมสากิโย)

พลังสังคมใหม่ บทบาทของประชาสังคมในยุค AI (ดร.ต่อภัสสร์ ยมนาค)

AI กับการเปลี่ยนแปลงโครงสร้างสังคมไทย (ดร.สมเกียรติ ตั้งกิจวานิชย์)

เวทีเสวนา-โอกาส และอนาคต ของการลงทุนเพื่อพัฒนาชุมชนและสังคม

กรณีศึกษา - การดำเนินธุรกิจและการพัฒนาที่ยั่งยืน (ดร.ชาริกา ชาญนันทพิพัฒน์)

กรณีศึกษา - การลงทุนเพื่อสังคมของนักลงทุนในตลาดหลักทรัพย์ (วรวรรณ ธาราภูมิ)

กรณีศึกษา เยือนเย็นวิสาหกิจเพื่อสังคม (ศ.ดร.นพ.อิศรางค์ นุชประยูร )

กรณีศึกษา - โครงการลงทุนเพื่อพัฒนาชุมชนและสังคมของ BOI (อภิชาติ การุณกรสกุล)

ถาม AI เรื่อง Data Center กับความท้าทายด้านสิ่งแวดล้อมและพลังงานในประเทศไทย

ระบบอุปถัมภ์ รากเหง้าของวงจรอุบาทว์ สู่ ทุน ราชการ และการเมืองสีเทา

ความตั้งใจในช่วงท้ายชีวิตของอาจารย์ไพบูลย์ วัฒนศิริธรรม มูลนิธิหัวใจอาสา

คุยเรื่องชีวิตธรรมดา ฉบับครบวงจรชีวิต (หนังสืออนุสรณ์งานพระราชทานเพลิงศพ)

ถาม AI เรื่อง Data Center กับความท้าทายด้านสิ่งแวดล้อมและพลังงานในประเทศไทย

เมื่อ AI คือพลังขับเคลื่อนโลก... แล้ว พลังสังคมใหม่ ของไทยจะร่วมสร้างอนาคตอย่างไร?