29 มิถุนายน 2568

399

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

• ศูนย์ข้อมูลขนาดเล็ก: ใช้ไฟฟ้าประมาณ หลายสิบถึงหลายร้อยกิโลวัตต์ (kW) เทียบเท่าการใช้ไฟของบ้านเรือนหลายสิบหลังต่อวัน และอาจใช้น้ำในปริมาณใกล้เคียงกับบ้านเรือนทั่วไปในการระบายความร้อน
• ศูนย์ข้อมูลขนาดกลาง: กินไฟประมาณ 0.5 ถึง 2 เมกะวัตต์ (MW) ซึ่งเทียบเท่ากับการใช้ไฟของเมืองขนาดเล็ก และต้องการน้ำหลายแสนลิตรต่อวันในการระบายความร้อน
• ศูนย์ข้อมูลขนาดใหญ่ (Enterprise): กินไฟ 10 MW หรือมากกว่า ซึ่งเป็นปริมาณมหาศาล เทียบเท่าการใช้ไฟของจังหวัดขนาดกลาง และต้องใช้น้ำหลายล้านลิตรต่อวัน
• ศูนย์ข้อมูลขนาดใหญ่มาก (Hyperscale): กินไฟมหาศาลถึง 100 MW ขึ้นไป เทียบเท่าการใช้ไฟของหลายจังหวัดรวมกัน และแน่นอนว่าต้องการน้ำเพื่อระบายความร้อนในปริมาณที่สูงมากเช่นกัน

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

• พลังงานรวม = 13 MW = 13,000 kW
• 1 วันมี 24 ชั่วโมง
• การใช้ไฟฟ้าต่อวัน = 13,000 kW × 24 ชม. = 312,000 kWh (312 เมกะวัตต์-ชั่วโมง หรือ MWh)

การใช้ไฟฟ้าต่อเดือน

• สมมติ 1 เดือนมี 30 วัน
• การใช้ไฟฟ้าต่อเดือน = 312,000 kWh × 30 วัน = 9,360,000 kWh (9,360 MWh หรือ 9.36 กิกะวัตต์-ชั่วโมง หรือ GWh)

การใช้ไฟฟ้าต่อปี

• 1 ปีมี 365 วัน
• การใช้ไฟฟ้าต่อปี = 312,000 kWh × 365 วัน = 113,880,000 kWh (113,880 MWh หรือ 113.88 GWh)

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

• น้ำที่ใช้ต่อ kWh = 1.8 ลิตร
• พลังงานต่อวัน = 312,000 kWh
• น้ำที่ใช้ต่อวัน = 312,000 kWh × 1.8 ลิตร/kWh = 561,600 ลิตร (หรือประมาณ 561.6 ลูกบาศก์เมตร)
• น้ำที่ใช้ต่อเดือน (30 วัน) = 561,600 ลิตร × 30 = 16,848,000 ลิตร (หรือ 16,848 ลูกบาศก์เมตร)
• น้ำที่ใช้ต่อปี (365 วัน) = 561,600 ลิตร × 365 = 204,984,000 ลิตร (หรือ 204,984 ลูกบาศก์เมตร ≈ 205 ล้านลิตร)

การเปรียบเทียบและบริบทในประเทศไทย

• 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
• สภาพอากาศร้อนชื้น: ในประเทศไทย อุณหภูมิและความชื้นสูงอาจเพิ่มการระเหยของน้ำในระบบ evaporative cooling ทำให้ WUE สูงกว่าค่าเฉลี่ยในพื้นที่ที่มีอากาศเย็นกว่า เช่น สิงคโปร์หรือยุโรป
• น้ำที่สูญเสียจากการระเหย: ตาม Bloomberg ระบบ evaporative cooling มักสูญเสียน้ำประมาณ 80% ผ่านการระเหย และ 20% จะถูกระบายเป็นน้ำเสีย ซึ่งในกรณีนี้ น้ำประมาณ 449,280 ลิตร/วัน (จาก 561,600 ลิตร) จะสูญเสียไป

2. ผลกระทบต่อสิ่งแวดล้อมและสังคม

การเติบโตของ AI Data Center มาพร้อมกับผลกระทบที่สำคัญต่อสิ่งแวดล้อมและสังคม ดังนี้:

• การใช้พลังงานไฟฟ้ามหาศาล: ทำให้ความต้องการไฟฟ้าของประเทศพุ่งสูงขึ้น หากการผลิตไฟฟ้ายังคงพึ่งพาเชื้อเพลิงฟอสซิล จะส่งผลให้:
  • การปล่อยก๊าซเรือนกระจกเพิ่มขึ้น: ก่อให้เกิดภาวะโลกร้อนและการเปลี่ยนแปลงสภาพภูมิอากาศ
  • ภาระต่อโครงข่ายไฟฟ้า: อาจทำให้ระบบไฟฟ้าไม่เสถียร หรือเกิดไฟฟ้าดับได้ในอนาคต หากไม่มีการวางแผนรองรับที่ดีพอ
• การใช้น้ำปริมาณมาก: นอกจากใช้ในการระบายความร้อนแล้ว หากมีการปล่อยน้ำที่มีอุณหภูมิสูง หรือมีสารเคมีจากการบำบัดน้ำทิ้งลงสู่แหล่งน้ำธรรมชาติ จะส่งผลกระทบโดยตรงต่อ:
  • ระบบนิเวศทางน้ำ: ทำให้สัตว์น้ำและพืชน้ำไม่สามารถดำรงชีวิตอยู่ได้ เกิดการเปลี่ยนแปลงทางชีวภาพในแหล่งน้ำ
  • คุณภาพน้ำ: แหล่งน้ำอาจปนเปื้อน ทำให้ไม่สามารถนำมาใช้อุปโภคบริโภคได้
• มลภาวะทางเสียง: ศูนย์ข้อมูลขนาดใหญ่มักมีเสียงดังจากการทำงานของอุปกรณ์และระบบระบายความร้อน ซึ่งอาจส่งผลกระทบต่อชุมชนที่อยู่ใกล้เคียง
• การขาดแคลนบุคลากร: ความต้องการบุคลากรที่มีทักษะเฉพาะทางด้าน AI และ Data Center เพิ่มสูงขึ้น อาจส่งผลให้เกิดการแข่งขันแย่งชิงบุคลากร และกระทบต่อการพัฒนาทักษะของแรงงานในประเทศ

3. สถานการณ์ Data Center ในประเทศไทย

ประเทศไทยกำลังเป็นเป้าหมายสำคัญในการลงทุน Data Center โดยเฉพาะจากบริษัทเทคโนโลยีระดับโลก

• จำนวนและขนาด: ปัจจุบัน ประเทศไทยมี Data Center อยู่แล้วหลายแห่ง ทั้งขนาดเล็ก กลาง และใหญ่ที่ให้บริการ Colocation และ Cloud โดยมีผู้ให้บริการทั้งในและต่างประเทศ
• การเพิ่มขึ้นในอนาคต: คาดการณ์ว่าในอีกไม่กี่ปีข้างหน้า จะมี Data Center ขนาดใหญ่เพิ่มขึ้นอีกจำนวนมาก เพื่อรองรับการเติบโตของเศรษฐกิจดิจิทัลและ AI ตัวอย่างเช่น บริษัทระดับโลกหลายแห่งกำลังลงทุนและประกาศแผนการสร้าง Data Center ขนาดใหญ่ในประเทศไทย

4. กำลังการผลิตไฟฟ้าของประเทศไทย

• กำลังการผลิต: ประเทศไทยมีกำลังการผลิตไฟฟ้าติดตั้งรวมประมาณ 54,000 เมกะวัตต์ (ข้อมูล ณ ปัจจุบัน) โดยมีสัดส่วนการผลิตจากก๊าซธรรมชาติมากที่สุด รองลงมาคือถ่านหิน พลังงานหมุนเวียน และอื่นๆ
• ความเพียงพอในอนาคต: การเพิ่มขึ้นของ Data Center โดยเฉพาะ AI Data Center จะสร้างความต้องการใช้ไฟฟ้าเพิ่มขึ้นอย่างก้าวกระโดด ทำให้เกิดความกังวลว่ากำลังการผลิตไฟฟ้าในปัจจุบันอาจไม่เพียงพอต่อความต้องการในอนาคต หากไม่มีการวางแผนเพิ่มกำลังการผลิต และปรับเปลี่ยนไปสู่พลังงานสะอาดมากขึ้น

ด้วยความสามารถอันน่าทึ่งของ AI ที่เข้าถึงทุกสาขาอาชีพ ทำให้ทั่วโลกต่างยอมรับและนำมาใช้งานอย่างแพร่หลาย แต่เบื้องหลังความสะดวกสบายนี้ กลับต้องแลกมาด้วยการใช้ทรัพยากรธรรมชาติมหาศาล ทั้งพลังงานไฟฟ้าและน้ำ รวมถึงผลกระทบต่อสิ่งแวดล้อมที่ตามมา บทความนี้จะชวนคุณมาทำความเข้าใจว่า AI Data Center คืออะไร กินไฟกินน้ำแค่ไหน และประเทศไทยจะรับมือกับความท้าทายนี้ได้อย่างไร

5. แหล่งน้ำในประเทศไทย

• ปริมาณน้ำ: ประเทศไทยมีปริมาณน้ำท่าเฉลี่ยต่อปีประมาณ 140,000 ล้านลูกบาศก์เมตร ซึ่งเพียงพอสำหรับการอุปโภคบริโภคและการเกษตรโดยรวม
• ความเพียงพอในอนาคต: แม้โดยรวมจะมีปริมาณน้ำเพียงพอ แต่การกระจายตัวของน้ำไม่สม่ำเสมอในแต่ละภูมิภาค และแต่ละช่วงเวลาของปี นอกจากนี้ การใช้น้ำที่เพิ่มขึ้นของ Data Center อาจสร้างความกดดันต่อแหล่งน้ำบางพื้นที่ โดยเฉพาะในช่วงฤดูแล้ง หรือในพื้นที่ที่มีความต้องการใช้น้ำสูงอยู่แล้ว

6. เตรียมความพร้อมเพื่อป้องกันผลกระทบ

เพื่อรับมือกับผลกระทบจากการเติบโตของ AI Data Center และการใช้ทรัพยากรที่เพิ่มขึ้น ประเทศไทยควรเตรียมความพร้อมดังนี้:

• วางแผนพลังงานอย่างรอบคอบ:
  • ส่งเสริมพลังงานสะอาด: เร่งลงทุนในพลังงานหมุนเวียน เช่น แสงอาทิตย์ ลม เพื่อลดการพึ่งพาเชื้อเพลิงฟอสซิล
  • พัฒนาโครงข่ายไฟฟ้าอัจฉริยะ (Smart Grid): เพิ่มประสิทธิภาพการส่งจ่ายไฟฟ้า และรองรับความผันผวนของพลังงานหมุนเวียน
  • กำหนดนโยบายส่งเสริม Data Center สีเขียว: ให้สิทธิประโยชน์แก่ Data Center ที่ใช้พลังงานหมุนเวียนและมีประสิทธิภาพสูง
• บริหารจัดการน้ำอย่างยั่งยืน:
  • สนับสนุนเทคโนโลยีระบายความร้อนแบบประหยัดน้ำ: ส่งเสริมการใช้ระบบ Liquid Cooling หรือเทคโนโลยี “Zero Water Cooling”
  • กำหนดมาตรการควบคุมการปล่อยน้ำทิ้ง: บังคับใช้กฎหมายที่เข้มงวดในการบำบัดน้ำเสียและควบคุมอุณหภูมิน้ำทิ้งก่อนปล่อยลงสู่แหล่งน้ำธรรมชาติ
  • ส่งเสริมการนำน้ำกลับมาใช้ใหม่ (Water Reuse): สนับสนุนการใช้เทคโนโลยีบำบัดน้ำเพื่อนำน้ำที่ใช้แล้วกลับมาใช้ใหม่
• พัฒนาบุคลากร:
  • เร่งผลิตบุคลากร AI และ Data Center: สนับสนุนการศึกษาและการฝึกอบรมในสาขาที่เกี่ยวข้อง เพื่อรองรับความต้องการของอุตสาหกรรม
• สร้างความร่วมมือ:
  • ภาครัฐ ภาคเอกชน และประชาชน: ทำงานร่วมกันเพื่อหาแนวทางที่ยั่งยืนในการพัฒนา AI Data Center โดยคำนึงถึงผลกระทบต่อสิ่งแวดล้อมและสังคมเป็นสำคัญ

หมายเหตุ

• AI Chatbot ที่ใช้ตั้งคำถามมีดังนี้ ChatGPT Gemini DeepSeek และ Grok (ใช้ตัวฟรีทั้งหมด)
• แต่ละค่ายตอบคำถามแตกต่างกันไป และการให้รายละเอียดก็ไม่เท่ากัน
• แหล่งอ้างอิงที่ให้มานั้นมีมาก และจากการเข้าไปตรวจสอบแหล่งอ้างอิง เข้าถึงได้บ้าง ไม่ได้บ้าง
• แหล่งอ้างอิงบาง link เคยเข้าได้ แต่เวลาผ่านไปหลายวันกลับมาดูอีกครั้ง เข้าไม่ได้แล้ว กรณีนี้อาจเกิดจากต้นทางได้ลบข้อมูลทิ้งไปแล้ว หรืออาจจะมีการเปลี่ยนเส้นทาง link ไปแล้ว
• บางข้อมูลอาจจะไม่มีข้อมูลเกี่ยวข้องกับคำถามโดยตรง แต่ AI จะใช้ข้อมูลที่มีอยู่จากหลายแหล่งประมวลผลใหม่ เพื่อให้ได้คำตอบ เช่น การคำนวณค่าต่าง ๆ

ข้อสรุปคือ ข้อมูลที่ใช้ AI ในการสืบค้นนั้น อาจไม่ได้ถูกต้อง 100% ยังต้องมีการพิสูจน์ถึงแหล่งที่มา และบางเรื่องที่ซับซ้อนเฉพาะทาง ควรให้ผู้เชี่ยวชาญเฉพาะทางตรวจสอบความถูกต้องอีกครั้งก่อนนำข้อมูลไปใช้จริง