Data Center 50 GW: เมื่อเศรษฐกิจ AI อาจเปลี่ยนสมการ LNG พลังงานสะอาด และความเย็นของประเทศไทย

ข้อมูลภาครัฐล่าสุดสะท้อนทิศทางนี้อย่างชัดเจน โดยรัฐบาลระบุว่าในช่วงปี 2567 - 2569 มี Data Center ได้รับอนุมัติส่งเสริมการลงทุนแล้ว 42 โครงการ มูลค่าประมาณ 750,000 ล้านบาท ขณะที่เฉพาะครึ่งแรกของปี 2569 การขอรับส่งเสริมการลงทุนในกลุ่ม Digital มีมูลค่าถึงประมาณ 1.12 ล้านล้านบาท

ดังนั้น หากการลงทุนยังเพิ่มขึ้นด้วยอัตราสูงต่อเนื่อง การพูดถึงเม็ดเงินสะสมในระดับ หลายล้านล้านบาท ในอนาคตจึงไม่ใช่เรื่องที่ควรมองข้าม

แต่มีอีกตัวเลขหนึ่งที่สำคัญกว่ามูลค่าการลงทุน นั่นคือ MW และ GW ของไฟฟ้าที่ Data Center ต้องการ หากประเทศไทยในระยะยาวมี Data Center และ AI Infrastructure รวมกันเข้าใกล้ฉากทัศน์ระดับ 50 GW ผลกระทบจะไม่ได้เกิดขึ้นเฉพาะกับอุตสาหกรรมดิจิทัล

แต่มันจะเปลี่ยนโครงสร้าง ไฟฟ้า + LNG + Renewable Energy + ระบบส่ง + Energy Storage + Cooling Infrastructure ของประเทศไทยทั้งระบบ

50 GW ไม่ใช่เพียง Data Center แต่เทียบได้กับระบบไฟฟ้าของประเทศขนาดใหญ่

50 GW เท่ากับ 50,000 MW หากโหลดระดับนี้เกิดขึ้นจริงและทำงานด้วย Load Factor สูงเหมือน Data Center จำนวนมาก พลังงานไฟฟ้าที่ต้องจัดหาจะมีขนาดมหาศาล

หากใช้ไฟเฉลี่ย 50 GW ตลอดทั้งปี พลังงานจะเท่ากับ 50 GW × 8,760 ชั่วโมง หรือประมาณ 438 TWh ต่อปี

ตัวเลขดังกล่าวมีขนาดใหญ่มากเมื่อเทียบกับระบบไฟฟ้าไทยปัจจุบัน

ดังนั้น 50 GW ไม่ควรถูกมองเป็น Forecast ที่จะเกิดขึ้นโดยอัตโนมัติ แต่ควรใช้เป็น High-AI Scenario สำหรับ Stress Test ว่า หากประเทศไทยต้องการเป็นศูนย์กลาง AI Infrastructure ขนาดใหญ่มากจริง ๆ ระบบพลังงานจะต้องเปลี่ยนแปลงเพียงใด

และคำตอบคือ ต้องเปลี่ยนเกือบทั้งหมด

 

Data Center ต้องการไฟต่างจากโรงงานทั่วไป

AI Data Center มีคุณลักษณะสำคัญคือใช้ไฟฟ้าตลอด 24 ชั่วโมง GPU ไม่สามารถทำงานเฉพาะเวลาที่มีแสงแดด Cloud Service ไม่สามารถหยุดให้บริการในคืนที่ลมไม่พัด ดังนั้นไฟฟ้าสำหรับ Data Center ต้องประกอบด้วยอย่างน้อยสามคุณสมบัติ Reliable Firm และ Low Carbon พร้อมกัน

นี่ทำให้การใช้ Solar หรือ Wind เพียงอย่างเดียวไม่สามารถตอบโจทย์ Data Center ขนาดหลายสิบกิกะวัตต์ได้โดยลำพัง ประเทศไทยจึงต้องสร้าง Portfolio ของพลังงานหลายประเภทเข้าด้วยกัน

ถ้าแบ่งเป็น LNG 40% และพลังงานสะอาด 60% ลองใช้ Scenario เพื่อให้เห็นขนาดของโจทย์

สมมติประเทศไทยมี AI Data Center Load ในระยะยาว 50 GW และกำหนด Energy Portfolio ว่า 40% มาจากก๊าซธรรมชาติ/LNG และ 60% มาจาก Clean Energy, Renewable Energy, Storage, Hydro และ Nuclear/SMR ส่วนของก๊าซจะเท่ากับประมาณ 20 GW ขณะที่ Clean/Firm Low-carbon Portfolio ต้องรองรับอีกประมาณ 30 GW

เพียงตัวเลขนี้ก็แสดงให้เห็นว่า หาก Data Center Growth ไปถึงระดับดังกล่าว จะต้องมีการวางแผน Supply ใหม่ครั้งใหญ่ เพราะ 30 GW ของพลังงานสะอาดไม่ได้หมายความว่าเราติดตั้ง Solar 30 GW แล้วจบ

ต้องพิจารณา

• Capacity Factor
• Firm Capacity
• Energy Storage
• Transmission
• Grid Stability
• และไฟฟ้าในช่วงกลางคืน ทั้งหมดด้วย
   

20 GW จาก LNG ต้องใช้ LNG ประมาณ 20 ล้านตันต่อปี

ลองมองฝั่งก๊าซธรรมชาติ LNG มีค่าความร้อนประมาณ 50 GJ ต่อตันโดยประมาณ หากใช้โรงไฟฟ้า Combined Cycle ที่มีประสิทธิภาพระดับประมาณ 55 - 60% การผลิตไฟฟ้าเฉลี่ยใกล้ 20 GW ตลอดปีจะต้องใช้ LNG ในระดับประมาณ 20 22 ล้านตันต่อปี ขึ้นอยู่กับ Heating Value, Plant Efficiency และ Load Factor จริง

ดังนั้นการใช้ตัวเลขประมาณ 20 ล้านตัน LNG ต่อปี สามารถใช้เป็น Order-of-Magnitude Scenario ได้ แต่ต้องเข้าใจว่าตัวเลขดังกล่าวมีขนาดใหญ่มาก เพราะเทียบได้กับ LNG Supply ใหม่ระดับประเทศ ไม่ใช่เพียงเชื้อเพลิงสำหรับโรงไฟฟ้าหนึ่งหรือสองแห่ง

ประเทศไทยมี LNG Infrastructure อยู่แล้ว แต่ต้องถามว่า “พอหรือไม่?”

ประเทศไทยไม่ได้เริ่มจากศูนย์

เฉพาะ PTTLNG มี LNG Receiving Terminal ที่มาบตาพุดแห่งที่ 1 กำลัง Regasification ประมาณ 11.5 ล้านตันต่อปี และแห่งที่ 2 อีกประมาณ 7.5 ล้านตันต่อปี

ประเทศไทยยังมี LNG Terminal อื่นในระบบ ทำให้โครงสร้างพื้นฐานรับ LNG ของประเทศอยู่ในระดับหลายสิบล้านตันต่อปี

แต่หากเพียง AI Data Center Scenario ต้องการ LNG เพิ่มระดับ 20 ล้านตันต่อปี

นั่นหมายความว่าเราต้องมอง LNG Infrastructure ใหม่ทั้งหมด ตั้งแต่

• Import Contract
• LNG Shipping
• Jetty
• Storage Tank
• Regasification
• Pipeline
• Gas Power Plant
• ไปจนถึง Gas Supply Security

เพราะ Data Center ไม่สามารถรับความเสี่ยงด้านเชื้อเพลิงแบบเดียวกับ Load ที่สามารถหยุดเดินเครื่องได้ แต่ LNG มีสิ่งหนึ่งที่ประเทศไทยยังใช้ประโยชน์ไม่เต็มที่  “ความเย็น”

นี่คือเรื่องที่ผมเห็นว่ามีความสำคัญมากสำหรับประเทศไทย

LNG ไม่ได้เข้ามาในประเทศเพียงในฐานะเชื้อเพลิง

LNG ถูกขนส่งมาในสถานะของเหลวที่อุณหภูมิประมาณ -162°C ก่อนถูกทำให้กลายเป็นก๊าซเพื่อส่งเข้าสู่ระบบท่อ ดังนั้น LNG ทุกตันจึงนำ “พลังงานความเย็น” เข้ามาในประเทศไทยด้วย

ในระบบ Regasification แบบทั่วไป ความเย็นจำนวนมากถูกถ่ายเทไปสู่น้ำทะเลหรือสิ่งแวดล้อมเพื่อทำให้ LNG กลับเป็นก๊าซ กล่าวอีกอย่างหนึ่งคือ เรานำ LNG ที่อุณหภูมิ -162°C มาถึงประเทศไทย แล้วใช้ทรัพยากรเพื่อทำให้มันอุ่นขึ้น ขณะที่อีกด้านหนึ่ง Data Center กำลังใช้ไฟฟ้าจำนวนมากเพื่อสร้างความเย็น นี่คือ Energy Mismatch ที่น่าสนใจอย่างมาก

LNG 1 ตันมี Cold Energy ระดับประมาณ 250 kWhₜₕ

หากใช้ค่าประมาณเชิงวิศวกรรมว่า LNG 1 ตันสามารถให้ Cold Energy ที่นำมาใช้ประโยชน์ได้ในระดับประมาณ 250 kWh thermal ต่อตัน LNG

สมมติประเทศไทยต้องใช้ LNG สำหรับ Data Center Power Generation ประมาณ 20 ล้านตันต่อปี Cold Energy Potential จะอยู่ประมาณ 20,000,000 × 250 เท่ากับ 5,000,000,000 kWh thermal ต่อปี หรือ 5,000 GWh thermal ต่อปี เมื่อหารด้วย 8,760 ชั่วโมง เทียบเท่ากำลังความเย็นเฉลี่ยประมาณ 570 MW thermal นี่คือพลังงานที่มีอยู่แล้วใน LNG โดยไม่ต้องใช้ Compressor ผลิตความเย็นขึ้นมาใหม่ทั้งหมด

570 MW ความเย็นมีขนาดใหญ่แค่ไหน?

570 MW thermal เทียบได้กับประมาณ 162,000 Refrigeration Tons หรือ RT และสามารถนำกลับมาใช้ประโยชน์ได้ต่อเนื่องตลอดปี มูลค่าความเย็นเชิงพาณิชย์อาจอยู่ในระดับประมาณ 10,000 - 11,000 ล้านบาทต่อปี เมื่อเทียบกับราคาขายน้ำเย็นในระบบ District Cooling ของไทย

หากนำมาใช้ได้อย่างมีประสิทธิภาพและต่อเนื่อง นี่คือ District Cooling System ขนาดใหญ่มากระดับประเทศ และสามารถนำไปใช้ได้หลายรูปแบบ เช่น

• Data Center Cooling
• District Cooling
• Air-conditioning
• Cold Storage
• Food Processing
• Cryogenic Separation
• CO₂ Liquefaction

หรือแม้แต่ผลิตไฟฟ้าผ่าน Cryogenic Power Cycle นี่คือเหตุผลที่ประเทศไทยไม่ควรมอง LNG Terminal เป็นเพียง Gas Infrastructure แต่ควรมองเป็น Integrated Energy Hub จาก LNG → Power อย่างเดียว ต้องเปลี่ยนเป็น LNG → Power + Cooling

โมเดลเดิมคือ LNG → Regasification → Natural Gas → Power Plant → Electricity

แต่โมเดลที่มีประสิทธิภาพสูงกว่าควรเป็น LNG → Cold Energy Recovery + Regasification → Natural Gas → Power Plant

แล้วนำผลผลิตสองด้านไปใช้กับ AI Data Center Electricity → GPU และ Cold Energy → Cooling Infrastructure

สิ่งนี้ทำให้ LNG หนึ่งตันสร้าง Value ได้มากกว่าการใช้เป็นเชื้อเพลิงเพียงอย่างเดียว

จุดนี้ทำให้ EEC มี Strategic Advantage

พื้นที่ภาคตะวันออกของประเทศไทยมีองค์ประกอบที่ประเทศอื่นสร้างเลียนแบบได้ยาก

เรามี

• LNG Terminal
• Gas Pipeline
• โรงไฟฟ้า
• นิคมอุตสาหกรรม
• ท่าเรือ
• ระบบส่งไฟฟ้า
• แหล่งน้ำ
• และ Data Center Investment

อยู่ในพื้นที่ทางภูมิศาสตร์ที่เชื่อมโยงกัน ดังนั้นแทนที่จะสร้าง AI Data Center แบบ Stand-alone ประเทศไทยสามารถคิดเป็น Integrated AI–Energy Cluster เชื่อม LNG Terminal → Cold Energy Recovery → Power Generation → Renewable Energy → BESS → District Cooling → AI Data Center เข้าด้วยกัน

นี่อาจสร้างประสิทธิภาพระดับระบบที่ Data Center แต่ละแห่งทำเองไม่ได้ แต่ Cold Energy 570 MW ไม่ได้แก้ Cooling ของ Data Center 50 GW ทั้งหมด

ตรงนี้ต้องอธิบายอย่างตรงไปตรงมา

หาก AI Data Center มี IT Load ระดับ 50 GW ความร้อนที่ต้องจัดการก็อยู่ในระดับใกล้เคียงหลายสิบ GW thermal เมื่อเทียบกับ LNG Cold Energy เฉลี่ยประมาณ 570 MW thermal Cold Energy จาก LNG จึงไม่สามารถรับภาระ Cooling ทั้งหมดได้

แต่นั่นไม่ได้หมายความว่ามันไม่มีความสำคัญ

570 MW thermal เป็นทรัพยากรขนาดใหญ่มาก หาก Concentrate อยู่ใน Data Center Cluster ที่ตั้งใกล้ LNG Infrastructure มันสามารถลด Chiller Power และ Cooling Energy ของ Campus บางส่วนได้อย่างมีนัยสำคัญ

และยิ่งสำคัญกว่านั้นคือสามารถเป็น Base Cooling Resource ที่นำไปผสมกับ Direct-to-Chip, Warm-Water Cooling, Dry Cooling และ Thermal Storage ได้

Direct-to-Chip จะทำให้ LNG Cold Energy มีคุณค่ามากขึ้น AI Server รุ่นใหม่กำลังเปลี่ยนจาก Air Cooling ไปสู่ Direct-to-Chip Liquid Cooling

ความร้อนจาก GPU และ CPU สามารถถูกนำออกมาในรูปของของเหลวอย่างเป็นระบบ เส้นทางจึงสามารถออกแบบเป็น GPU → Cold Plate → CDU → Facility Water Loop และฝั่ง Facility Cooling สามารถเชื่อมกับ District Cooling หรือ LNG Cold Energy ผ่านวงจร Heat Exchanger ที่แยกออกจาก LNG โดยสมบูรณ์

ไม่ได้หมายความว่านำ LNG −162°C ไปสัมผัส Server โดยตรง แต่ใช้ Intermediate Fluid และ Heat Exchanger หลายระดับเพื่อบริหาร Temperature Cascade อย่างเหมาะสม

นี่คือสิ่งที่ทำให้ LNG Cold Energy สามารถทำงานร่วมกับ AI Data Center อย่างปลอดภัยและมีประสิทธิภาพ

อย่าใช้ Cold Energy คุณภาพสูงกับงานอุณหภูมิเดียว

LNG ที่ -162°C มี Exergy สูงมาก หากนำความเย็นทั้งหมดไปใช้ผลิตน้ำเย็นอุณหภูมิ 5 - 10°C โดยตรง อาจเป็นการใช้ทรัพยากรไม่เต็มประสิทธิภาพ แนวคิดที่เหมาะสมกว่าคือ Cascade Utilization

ตัวอย่างเช่น ระดับอุณหภูมิต่ำมาก ใช้สำหรับ Cryogenic Power Generation หรือ Industrial Gas Separation ระดับถัดมาใช้ CO₂ Liquefaction หรือ Cold Storage และระดับอุณหภูมิสูงขึ้นจึงส่งต่อไปใช้ District Cooling หรือ Data Center

หลักคิดคือ Cold Energy หนึ่งหน่วยควรถูกใช้หลายขั้นก่อนถูกปล่อยทิ้ง เหมือนแนวคิด Combined Heat and Power แต่กลับด้านในโลกของความเย็นอีก 60% ต้องมาจาก Clean and Firm Power

หากกำหนดว่าพลังงานสำหรับ AI Data Center 50 GW ใช้ LNG 40% ยังเหลืออีก 30 GW หรือ 60% ที่ต้องมาจากพลังงานสะอาดและพลังงานคาร์บอนต่ำ ตรงนี้ Renewable Energy เพียงอย่างเดียวอาจไม่เพียงพอหากไม่มี Storage และ Firm Capacity

Portfolio อาจประกอบด้วย

• Solar
• Wind
• Hydro
• Biomass/Biogas
• BESS
• Firm Electricity Import
• Demand Response

และในอนาคต SMR โดยเฉพาะ SMR มีคุณลักษณะที่น่าสนใจสำหรับ AI Infrastructure คือสามารถเป็น Firm Low-carbon Power และเดินเครื่องต่อเนื่องได้

อย่างไรก็ตาม SMR ต้องใช้ระยะเวลาในการพัฒนา Licensing, Nuclear Regulation, Fuel Supply Chain, บุคลากร และ Waste Management จึงควรมองเป็นคำตอบระยะกลางถึงยาว ไม่ใช่คำตอบที่สามารถเพิ่ม Capacity จำนวนมากได้ทันทีในไม่กี่ปี

50 GW ใน 5 ปีต้องระวังเรื่อง “Speed”

นี่คือเรื่องที่ผมเห็นว่าสำคัญที่สุด เงินทุนสามารถตัดสินใจได้เร็ว Data Center แบบ Modular สามารถสร้างได้เร็วขึ้น แต่

• โรงไฟฟ้า
• Transmission Line
• LNG Terminal
• Gas Pipeline
• BESS
• Substation
• และ SMR

สร้างเร็วเท่ากันไม่ได้ ดังนั้น หากมีการใช้ 50 GW เป็น Long-term Ambition การพยายามให้เกิดขึ้นทั้งหมดภายในเวลาเพียง 5 ปีจะเป็นโจทย์ที่ท้าทายอย่างยิ่ง และต้องผ่านการตรวจสอบทั้งด้าน Demand Realization, Grid Capacity, Water, Energy Supply และ Investment Economics

ประเทศไทยจึงควรใช้แนวทาง Phased Development เช่น Phase แรก ใช้ Infrastructure ที่พร้อมอยู่แล้ว Phase ต่อมาเพิ่ม Grid, Renewable และ Storage และระยะยาวจึงเพิ่ม Firm Low-carbon Capacity เช่น SMR หากมีความพร้อม