Data Center กลางกรุงเทพฯ ต่างจาก Data Center ใน EEC อย่างไร?

เมื่อประเทศไทยกำลังแข่งขันเพื่อเป็นศูนย์กลาง Data Center และ AI Infrastructure ของภูมิภาค คำถามสำคัญไม่ได้มีเพียงว่า

“ประเทศไทยควรมี Data Center มากแค่ไหน?”

แต่ต้องถามต่อว่า

“Data Center แบบไหนควรอยู่ที่ไหน?”

เพราะ Data Center กลางกรุงเทพฯ กับ Data Center ในพื้นที่ EEC ไม่ได้มีบทบาทเหมือนกัน

แม้ทั้งสองแห่งจะเต็มไปด้วย Server, Network และระบบไฟฟ้าสำรองเหมือนกัน แต่เมื่อมองในระดับ Infrastructure แล้ว ความต้องการด้าน

ไฟฟ้า • น้ำ • Cooling • ที่ดิน • Fiber • Reliability • Community Impact

แตกต่างกันอย่างมาก

ดังนั้นการกำหนดนโยบาย Data Center แบบ “One Size Fits All” อาจไม่เหมาะกับประเทศไทย

Data Center กลางกรุงเทพฯ อยู่ใกล้ “ผู้ใช้”

Data Center ในเขตกรุงเทพฯ และปริมณฑลมักมีข้อได้เปรียบสำคัญคือ

Connectivity

ต้องอยู่ใกล้

Telecom Network

Internet Exchange

Financial Institution

Enterprise Customer

Cloud Gateway

และผู้ใช้จำนวนมาก

จึงเหมาะกับ Data Center ประเภท

Colocation

Carrier-Neutral Data Center

Enterprise Data Center

Edge Data Center

และบางส่วนของ Cloud Infrastructure

จุดแข็งคือ

Latency ต่ำ

เชื่อมต่อ Network ได้ง่าย

และสามารถให้บริการลูกค้าองค์กรที่อยู่ในเมืองได้รวดเร็ว

ดังนั้น Data Center กลางกรุงเทพฯ มีคุณค่าในฐานะ

Digital Connectivity Hub

มากกว่าจะเป็นพื้นที่สำหรับสร้าง AI Campus ขนาดมหาศาล

EEC เหมาะกับ Data Center ที่ “ใช้ทรัพยากรมาก”

พื้นที่ EEC โดยเฉพาะชลบุรี ระยอง และฉะเชิงเทรา มีลักษณะต่างออกไป

มีพื้นที่อุตสาหกรรมขนาดใหญ่

มีระบบไฟฟ้าแรงสูง

มีโรงไฟฟ้า

มีนิคมอุตสาหกรรม

มี LNG และ Gas Infrastructure ในภูมิภาคตะวันออก

และมีพื้นที่สำหรับการขยายโครงการมากกว่ากรุงเทพฯ

จึงเหมาะกับ

Hyperscale Data Center

AI Data Center Campus

High-Performance Computing

และ Digital Infrastructure ที่มีโหลดหลัก

หลายสิบถึงหลายร้อย MW

หรือในอนาคตอาจเข้าสู่ระดับ GW

ดังนั้น EEC มีศักยภาพเป็น

Compute & Energy Hub

ขณะที่กรุงเทพฯ เป็น

Connectivity & Service Hub

สองพื้นที่จึงควรทำหน้าที่เสริมกัน ไม่ใช่แข่งขันกันทำทุกอย่าง

ความแตกต่างข้อแรกคือ “ที่ดิน”

Data Center กลางกรุงเทพฯ มีข้อจำกัดเรื่องที่ดินชัดเจน

ราคาที่ดินสูง

พื้นที่แปลงใหญ่หาได้ยาก

และต้องแข่งขันกับ

ที่อยู่อาศัย

สำนักงาน

พาณิชยกรรม

โรงพยาบาล

และระบบขนส่ง

Data Center ในเมืองจึงมักต้องใช้พื้นที่อย่างมีประสิทธิภาพสูง

สร้างเป็นอาคารหลายชั้น

และจำกัดขนาดของ Substation, Cooling Plant และ Generator Yard

ในขณะที่ EEC สามารถสร้างเป็น

Campus

มีหลายอาคาร

มี Substation ขนาดใหญ่

มี Cooling Infrastructure

มี Energy Storage

และมีพื้นที่เผื่อขยายในอนาคต

ดังนั้นหาก AI Data Center ต้องการพื้นที่หลายสิบหรือหลายร้อยไร่

การไปตั้งกลางกรุงเทพฯ อาจไม่ใช่การใช้ที่ดินที่มีประสิทธิภาพที่สุด

ความแตกต่างข้อที่สองคือ “ไฟฟ้า”

นี่คือประเด็นที่สำคัญที่สุด

Data Center ในกรุงเทพฯ ต้องแชร์ระบบไฟฟ้ากับ Load ที่หนาแน่นอยู่แล้ว

เช่น

อาคารสูง

รถไฟฟ้า

โรงพยาบาล

สำนักงาน

ศูนย์การค้า

ที่อยู่อาศัย

และระบบขนส่งเมือง

หากเพิ่ม Data Center ขนาด 100–200 MW เข้าไปในพื้นที่ที่ Grid หนาแน่นอยู่แล้ว

คำถามไม่ใช่แค่ว่า

ประเทศไทยมีไฟพอหรือไม่

แต่คือ

Substation และ Transmission ในพื้นที่นั้นรับได้หรือไม่?

และหากต้องสร้าง Infrastructure ใหม่

จะกระทบเมืองอย่างไร?

ต่างจาก EEC ซึ่งสามารถวางแผน

Dedicated Substation

High-Voltage Connection

และ Power Infrastructure

ร่วมกับ Data Center Campus ตั้งแต่ต้นได้ง่ายกว่า

กรุงเทพฯ ควรเน้น “Compute Efficiency” มากกว่า “Compute Scale”

เพราะ Grid ในเมืองมีข้อจำกัด

Data Center กลางกรุงเทพฯ จึงควรแข่งขันด้วย

Performance per MW

มากกว่า

Total MW

กล่าวคือใช้ไฟฟ้าที่มีจำกัดให้สร้าง Digital Value สูงที่สุด

เช่น

Edge Computing

Financial Transactions

Content Delivery

Enterprise Cloud

AI Inference

และ Low-Latency Workload

ขณะที่ AI Training ขนาดใหญ่ซึ่งกินไฟมหาศาลและไม่ได้ต้องการอยู่ห่างผู้ใช้เพียงไม่กี่กิโลเมตร

สามารถย้ายไป EEC แล้วเชื่อมกลับกรุงเทพฯ ผ่าน Fiber ได้

นี่คือแนวคิด

Separate Compute from Consumption Center

ความแตกต่างข้อที่สามคือ “น้ำ”

Data Center จะใช้น้ำมากหรือน้อยขึ้นอยู่กับ Cooling System

ไม่ใช่ทุก Data Center ใช้น้ำเท่ากัน

แต่ในกรุงเทพฯ น้ำเป็นทรัพยากรที่ Data Center ต้องแบ่งใช้ร่วมกับประชาชนและภาคบริการจำนวนมาก

ดังนั้นหาก Data Center กลางเมืองเลือกใช้ Evaporative Cooling หรือ Cooling Tower ที่มี Water Consumption สูง

ความกังวลจากชุมชนย่อมมีมากกว่า

ในพื้นที่ EEC มีระบบน้ำอุตสาหกรรมและโครงสร้างพื้นฐานสำหรับโรงงานอยู่แล้วบางส่วน

รวมถึงมีโอกาสใช้

Reclaimed Water

Industrial Water

และวาง Water Infrastructure เฉพาะโครงการได้ง่ายกว่า

อย่างไรก็ตาม

ไม่ได้หมายความว่า EEC มีน้ำไม่จำกัด

เพราะ EEC มีโรงงาน ปิโตรเคมี ชุมชน และเกษตรกรรมที่ต้องใช้น้ำเช่นกัน

Data Center ขนาดใหญ่จึงยังต้องพิสูจน์ว่า

ไม่แย่งน้ำจากผู้ใช้เดิม

Data Center กลางกรุงเทพฯ ควร “Water-Light”

ด้วยข้อจำกัดของเมือง ผู้เขียนเห็นว่า Data Center ในกรุงเทพฯ ควรเน้น Cooling Architecture ที่ลด Consumptive Water Use

เช่น

Direct-to-Chip Liquid Cooling

ร่วมกับ

Closed-Loop Cooling

Dry Cooler

หรือ Hybrid System ที่ใช้น้ำเท่าที่จำเป็น

เป้าหมายคือ

ลด WUE โดยไม่เพิ่ม PUE มากเกินไป

เพราะ Dry Cooling ในอากาศร้อนของกรุงเทพฯ ก็มีข้อจำกัดด้าน Energy Efficiency

ดังนั้นระบบต้องออกแบบแบบ Hybrid ไม่ใช่เพียงประกาศว่า “ไม่ใช้น้ำ”

EEC มีทางเลือกด้าน Cooling มากกว่า

Data Center ใน EEC มีพื้นที่และ Energy Infrastructure มากกว่า

จึงสามารถออกแบบ Cooling Architecture ได้หลายรูปแบบ

เช่น

Direct-to-Chip

Cooling Tower

Hybrid Dry/Wet

Thermal Energy Storage

District Cooling

และในบางพื้นที่อาจศึกษา

LNG Cold Energy

เพื่อใช้กับ Data Center

นี่คือข้อได้เปรียบเชิงโครงสร้างที่กรุงเทพฯ ไม่มี

เพราะ Cooling สามารถถูกออกแบบร่วมกับ

Power Plant

LNG Infrastructure

Industrial Heat Sink

และ Energy Storage

ตั้งแต่ต้น

ความแตกต่างข้อที่สี่คือ “ความร้อน”

Data Center ทุกแห่งปล่อยความร้อน

ไฟฟ้าที่ Server และ GPU ใช้เกือบทั้งหมดสุดท้ายกลายเป็น Heat

หาก Data Center ขนาดใหญ่ตั้งอยู่กลางเมือง

ความร้อนต้องถูกระบายออกสู่พื้นที่ที่มีอาคารและกิจกรรมหนาแน่นอยู่แล้ว

จึงควรให้ความสำคัญกับ

Heat Rejection

Exhaust Air

Noise

และ

Microclimate

มากกว่าพื้นที่อุตสาหกรรม

ใน EEC ความหนาแน่นชุมชนน้อยกว่าในหลายพื้นที่

จึงสามารถกำหนด Buffer Zone และวาง Heat Rejection Equipment ได้ง่ายกว่า

แต่ก็ต้องระวังผลกระทบต่อพื้นที่อุตสาหกรรมและสิ่งแวดล้อมเช่นกัน

ความแตกต่างข้อที่ห้าคือ “เสียงและ Generator”

Data Center ต้องมี Backup Power

โดยทั่วไปประกอบด้วย

Diesel Generator

หรือระบบสำรองรูปแบบอื่น

ในกรุงเทพฯ การทดสอบ Generator สามารถสร้างผลกระทบเรื่อง

เสียง

มลพิษทางอากาศ

การขนส่งน้ำมัน

และความกังวลเรื่อง Fire Safety

เพราะอยู่ใกล้

คอนโดมิเนียม

โรงเรียน

โรงพยาบาล

และชุมชน

ดังนั้น Data Center ในเมืองควรมีมาตรฐาน

Acoustic Control

Emission Control

Fuel Storage

และ

Emergency Response

เข้มงวดกว่าพื้นที่อุตสาหกรรม

EEC สามารถสร้าง “Dedicated Energy Infrastructure” ได้ง่ายกว่า

AI Data Center Campus ขนาดใหญ่ไม่ได้ต้องการเพียงไฟจาก Grid

แต่ต้องการ

Redundant Feed

Substation

BESS

Backup Generation

และ Clean Energy

ใน EEC สามารถพัฒนา

Power Plant + Renewable + BESS + Data Center

เป็นระบบเดียวกันได้

รวมถึงอาจสร้าง Private หรือ Dedicated Infrastructure ตามกรอบกฎหมายที่เกี่ยวข้อง

นี่ทำให้ EEC มีโอกาสรองรับ

24/7 Carbon-Free Energy

หรือ Firm Low-Carbon Power

ได้ง่ายกว่าพื้นที่กลางเมือง

กรุงเทพฯ มีข้อได้เปรียบที่ EEC แทนไม่ได้ คือ “Latency”

อย่างไรก็ตาม อย่าตีความว่า Data Center ทุกแห่งควรออกไป EEC

กรุงเทพฯ ยังคงมีความสำคัญมาก

เพราะ Workload บางประเภทต้องการอยู่ใกล้ผู้ใช้

เช่น

Financial Trading

Banking

Payment

Telecom

Content Delivery

Online Gaming

AI Inference

และ Enterprise Applications

Latency เพียงไม่กี่ millisecond สามารถมีผลต่อคุณภาพบริการได้

ดังนั้น Data Center ในเมืองไม่ได้ “ด้อยกว่า” EEC

แต่มี

Mission ต่างกัน

สถาปัตยกรรมที่เหมาะสมอาจเป็น “Hub-and-Spoke”

อนาคต Data Center ไทยอาจไม่ควรเป็นศูนย์ขนาดใหญ่แห่งเดียว

แต่ควรเป็น Network

Bangkok Edge / Colocation Hub

↓

High-Capacity Fiber

↓

EEC Hyperscale / AI Compute Campus

กรุงเทพฯ ทำหน้าที่

Connect

Cache

Infer

Serve

ขณะที่ EEC ทำหน้าที่

Train

Compute

Store

และรองรับ High-Density Workload

นี่คือการใช้ข้อได้เปรียบของแต่ละพื้นที่ให้เหมาะกับงาน

Bangkok = Digital Front-End

สามารถมอง Data Center กลางกรุงเทพฯ เป็น

Digital Front-End

อยู่ใกล้

ลูกค้า

Network

ธุรกิจ

และผู้ใช้

ทำหน้าที่รับ–ส่งข้อมูลที่ต้องการความเร็วสูง

ในขณะที่ EEC เป็น

Compute Back-End

ที่มีพื้นที่ พลังงาน และ Cooling Infrastructure รองรับงานหนัก

แนวคิดนี้คล้ายกับระบบ Cloud Architecture

ที่ไม่ได้วาง Compute ทุกอย่างไว้จุดเดียว

แต่แบ่งตาม

Latency

Cost

Energy

และ Workload

AI Training ไม่จำเป็นต้องอยู่ใจกลางกรุงเทพฯ

นี่เป็นประเด็นที่ประเทศไทยควรใช้ในการวาง Zoning

AI Training Cluster ขนาดใหญ่ต้องใช้ GPU จำนวนมาก

ใช้ไฟฟ้าสูง

สร้าง Heat Density สูง

และต้องการ Cooling Infrastructure ขนาดใหญ่

แต่ AI Training ไม่ได้ต้องอยู่ติดกับผู้ใช้ปลายทางเหมือน Edge Service

ดังนั้นในหลายกรณี

การนำ AI Training ไปอยู่ใน EEC

แล้วส่ง Model หรือ Service กลับมาให้ผู้ใช้ผ่าน Network

อาจเป็นการใช้ Infrastructure ของประเทศที่มีประสิทธิภาพมากกว่า

แล้ว Local Content แตกต่างกันอย่างไร?

Data Center กลางกรุงเทพฯ มีโอกาสสร้าง Local Content ในด้าน

Network

Cybersecurity

Cloud Service

Software

Operation

และ Enterprise Service

ขณะที่ Data Center ใน EEC มีโอกาสสร้าง Local Content ได้มากในฝั่ง

Electrical Infrastructure

Cooling

Construction

Fabrication

Power System

BESS

Renewable Integration

และ Advanced Energy System

ดังนั้น Local Content 50% ไม่ควรใช้สูตรเดียวกันกับ Data Center ทุกประเภท

ควรดูตาม Value Chain ของแต่ละทำเล

กรุงเทพฯ ควรมี “Urban Data Center Standard”

ผู้เขียนเห็นว่าประเทศไทยควรมีเกณฑ์เฉพาะสำหรับ Data Center ในเมือง

โดยเฉพาะโครงการขนาดใหญ่

ควรเปิดเผยอย่างน้อย

Maximum Power Demand

PUE

WUE

Cooling Technology

Maximum Water Consumption

Heat Rejection

Noise Level

Backup Generator Capacity

Fuel Storage

Air Emissions

และ Emergency Plan

เพื่อให้การอนุญาตโครงการไม่ได้ดูเพียงว่า

“อาคารสร้างได้หรือไม่”

แต่ต้องดูว่า

Infrastructure ของเมืองรับได้หรือไม่

EEC ควรมี “AI Data Center Industrial Zone”

ในทางกลับกัน EEC สามารถพัฒนา Zoning เฉพาะสำหรับ Data Center ขนาดใหญ่

โดยวาง

Power

Water

Fiber

Cooling

Clean Energy

และ Waste Heat Management

พร้อมกันตั้งแต่ต้น

แทนที่จะปล่อยให้ Data Center แต่ละรายสร้าง Infrastructure ซ้ำกัน

สามารถสร้าง

Shared Substation

Shared Fiber Corridor

Reclaimed Water Network

District Cooling

หรือ Energy Hub

เพื่อลดต้นทุนรวมของประเทศ

ไม่ควรใช้เกณฑ์เดียวกับ Data Center 10 MW และ 500 MW

นี่เป็นข้อผิดพลาดที่ควรหลีกเลี่ยง

Data Center ขนาด 10 MW กลางกรุงเทพฯ

กับ

AI Data Center Campus 500 MW ใน EEC

มีผลกระทบต่อระบบพลังงานต่างกันอย่างสิ้นเชิง

นโยบายจึงควรแบ่งตาม

Size

Type

Workload

Cooling Technology

และ

Location

เช่น

Urban Edge / Colocation

Regional Cloud

Hyperscale

AI Training Campus

และ Critical National Infrastructure

บทสรุป: กรุงเทพฯ และ EEC ไม่ควรแย่งกันเป็น Data Center Hub

คำถามไม่ควรเป็น

“กรุงเทพฯ หรือ EEC ที่ไหนดีกว่า?”

เพราะทั้งสองพื้นที่มีข้อได้เปรียบคนละแบบ

กรุงเทพฯ เหมาะกับ

Connectivity • Latency • Enterprise • Edge

ขณะที่ EEC เหมาะกับ

Energy • Land • Cooling • Hyperscale • AI Compute

หากประเทศไทยวางระบบถูกต้อง

สองพื้นที่สามารถเชื่อมกันเป็น

Thailand AI Infrastructure Network

กรุงเทพฯ เป็น Digital Gateway

EEC เป็น Compute & Energy Engine

และเชื่อมด้วย High-Capacity Fiber Infrastructure

นี่จะทำให้ประเทศไทยไม่ต้องนำ Data Center ทุกประเภทไปกองอยู่ในพื้นที่เดียว

ลดการแข่งขันด้าน

ที่ดิน

ไฟฟ้า

น้ำ

และลดผลกระทบต่อชุมชน

ในยุค AI คำถามสำคัญจึงไม่ใช่

“เราจะสร้าง Data Center ที่ไหนมากที่สุด?”

แต่คือ

“เราจะวาง Data Center แต่ละประเภทไว้ตรงไหน เพื่อให้ใช้ทรัพยากรของประเทศได้คุ้มค่าที่สุด?”

หากตอบคำถามนี้ได้

กรุงเทพฯ และ EEC จะไม่ใช่คู่แข่งกัน

แต่จะกลายเป็นสองส่วนของโครงสร้างพื้นฐานเดียวกัน

ที่ทำให้ประเทศไทยสามารถเติบโตเป็น AI และ Data Center Hub ของอาเซียน ได้ โดยไม่แลกมาด้วยการใช้ที่ดิน ไฟฟ้า น้ำ และคุณภาพชีวิตของประชาชนเกินความจำเป็น