AI กำลังกินน้ำโลก? ทำไม Data Center จึงกลายเป็นประเด็นด้านทรัพยากรน้ำและวิธีการแก้ปัญหาที่ยั่งยืน

ตลอดช่วงที่ผ่านมา เมื่อพูดถึงผลกระทบของ AI และ Data Center คนส่วนใหญ่มักนึกถึง “ไฟฟ้า” เป็นอันดับแรก เพราะ Server และ GPU จำนวนมหาศาลต้องใช้พลังงานตลอด 24 ชั่วโมง แต่วันนี้โลกกำลังเริ่มตั้งคำถามกับทรัพยากรอีกชนิดหนึ่งที่สำคัญไม่แพ้ไฟฟ้า นั่นคือ “น้ำ”

เหตุผลคือ Data Center บางประเภท โดยเฉพาะระบบที่ใช้ Cooling Tower หรือการระบายความร้อนด้วยการระเหยของน้ำ สามารถใช้น้ำอย่างมีนัยสำคัญ และเมื่อ AI ทำให้ความต้องการกำลังประมวลผลเพิ่มขึ้นอย่างรวดเร็ว ประเด็นเรื่องน้ำจึงเริ่มเปลี่ยนจากเรื่องทางวิศวกรรมภายใน Data Center ไปเป็นเรื่องของชุมชน สิ่งแวดล้อม และนโยบายทรัพยากร

คำถามสำคัญจึงไม่ใช่เพียงว่า “AI จะใช้ไฟฟ้ามากแค่ไหน?” แต่ต้องถามเพิ่มว่า “AI จะใช้น้ำมากแค่ไหน และน้ำที่ใช้มาจากไหน?”

AI ไม่ได้ “ดื่มน้ำ” แต่ Infrastructure ที่อยู่เบื้องหลังอาจใช้น้ำ

การบอกว่า AI กำลัง “กินน้ำโลก” เป็นคำที่ช่วยให้เห็นภาพ แต่ในทางวิศวกรรมต้องอธิบายให้ชัดว่า AI Model หรือ GPU ไม่ได้ใช้น้ำโดยตรงเหมือนโรงงานบางประเภท

สิ่งที่ใช้น้ำคือ Infrastructure ที่ทำให้ GPU สามารถทำงานได้

เมื่อ Server และ GPU ใช้ไฟฟ้า พลังงานไฟฟ้าเกือบทั้งหมดท้ายที่สุดจะกลายเป็นความร้อน ความร้อนดังกล่าวต้องถูกนำออกจากอาคารอย่างต่อเนื่อง ไม่เช่นนั้นอุณหภูมิของอุปกรณ์จะสูงเกินขีดจำกัดการทำงาน

 

Data Center จึงต้องมี Cooling System

บางแห่งใช้ Chiller บางแห่งใช้ Dry Cooler บางแห่งใช้ Evaporative Cooling และหลายแห่งใช้ Cooling Tower

ระบบที่อาศัยการระเหยของน้ำมีข้อดีคือสามารถระบายความร้อนได้อย่างมีประสิทธิภาพและอาจใช้ไฟฟ้าน้อยกว่าระบบที่ไม่ใช้น้ำในบางสภาพอากาศ

แต่สิ่งที่ต้องแลกคือ น้ำบางส่วนจะระเหยออกสู่บรรยากาศและไม่สามารถหมุนเวียนกลับมาใช้ภายในระบบเดิมได้ทันที

นี่คือจุดที่ Data Center เริ่มเชื่อมโยงกับปัญหาทรัพยากรน้ำของพื้นที่

ปัญหาไม่ได้อยู่ที่ “Data Center ใช้น้ำหรือไม่” แต่คือ “ใช้น้ำที่ไหน”

นี่เป็นประเด็นที่สำคัญมาก น้ำ 1 ล้านลิตรในพื้นที่ที่มีทรัพยากรน้ำอุดมสมบูรณ์กับน้ำ 1 ล้านลิตรในพื้นที่ที่กำลังเผชิญภัยแล้งไม่ได้มีผลกระทบทางสังคมและสิ่งแวดล้อมเท่ากัน

ดังนั้นการประเมิน Sustainability ของ Data Center จึงไม่ควรดูเฉพาะตัวเลขปริมาณน้ำรวมของบริษัททั่วโลก

แต่ต้องถามว่า น้ำถูกใช้จากแหล่งใด? เป็นน้ำประปา น้ำผิวดิน น้ำบาดาล หรือน้ำรีไซเคิล? พื้นที่นั้นมี Water Stress หรือไม่? ใช้น้ำในฤดูใด? และการใช้น้ำของ Data Center ไปแข่งขันกับน้ำสำหรับชุมชน เกษตรกรรม หรืออุตสาหกรรมอื่นหรือไม่?

Data Center ที่ใช้น้ำไม่มากในระดับประเทศอาจสร้างผลกระทบสูงได้ หากตั้งอยู่ผิดพื้นที่

นี่คือเหตุผลที่เรื่อง Water Availability ต้องถูกพิจารณาตั้งแต่ขั้นตอนเลือกพื้นที่ Data Center ไม่ใช่หลังจากสร้างเสร็จแล้ว

Water Positive คืออะไร?

เมื่อประเด็นน้ำมีความสำคัญมากขึ้น บริษัทเทคโนโลยีระดับโลกจึงเริ่มประกาศเป้าหมายที่เรียกว่า Water Positive

แนวคิดโดยทั่วไปคือองค์กรพยายามลดการใช้น้ำของตัวเอง พร้อมกับลงทุนในโครงการที่ช่วยเติมคืน ฟื้นฟู หรือเพิ่มความมั่นคงของทรัพยากรน้ำ เพื่อให้ปริมาณน้ำที่สร้างประโยชน์คืนสู่ระบบมีมากกว่าปริมาณที่องค์กรถอนหรือบริโภคตามขอบเขตและวิธีการบัญชีที่กำหนด

ตัวอย่างเช่น Microsoft ประกาศตั้งแต่ปี 2020 ว่าต้องการเป็น Water Positive ภายในปี 2030 โดยมีทั้งการลดความเข้มข้นของการใช้น้ำ การเติมคืนน้ำในลุ่มน้ำที่มีความเครียดด้านน้ำ การเพิ่มการเข้าถึงน้ำและสุขาภิบาล และการลงทุนด้านนวัตกรรมน้ำ (The Official Microsoft Blog)

โครงการ Water Replenishment อาจประกอบด้วยการฟื้นฟูพื้นที่ชุ่มน้ำ การช่วยเติมน้ำกลับสู่ชั้นน้ำ การปรับปรุงระบบน้ำ การตรวจจับและลดการรั่วไหล หรือโครงการฟื้นฟูลุ่มน้ำ

แต่ Water Positive ไม่ควรถูกเข้าใจว่า “ใช้น้ำที่ไหนก็ได้ แล้วไปชดเชยที่อื่นก็จบ”

ในเชิงความยั่งยืน สิ่งสำคัญที่สุดยังคงเป็นการลดการใช้น้ำตั้งแต่ต้น และให้ความสำคัญกับผลกระทบในลุ่มน้ำหรือชุมชนที่ Data Center ตั้งอยู่

AI กำลังทำให้โจทย์น้ำใหญ่ขึ้น

เหตุผลที่เรื่องนี้กำลังได้รับความสนใจมากขึ้นคือการขยายตัวของ AI

AI Server ใช้ GPU สมรรถนะสูงจำนวนมาก เมื่อ Rack Density เพิ่มขึ้น ความร้อนที่ต้องนำออกก็เพิ่มขึ้นตามไปด้วย หาก Data Center ยังคงใช้ Cooling Architecture ที่พึ่งพาการระเหยของน้ำมาก การเพิ่ม Compute ย่อมสามารถนำไปสู่การเพิ่ม Water Demand ได้

นี่จึงเป็นความสัมพันธ์ที่ต้องจับตา AI → GPU → Electricity → Heat → Cooling → Water แต่ห่วงโซ่นี้ไม่ใช่สิ่งที่หลีกเลี่ยงไม่ได้ เพราะเทคโนโลยี Cooling สามารถเปลี่ยนความสัมพันธ์ระหว่าง Compute กับการใช้น้ำได้อย่างมาก

นี่คือจุดที่วิศวกรรม Data Center จะมีบทบาทสำคัญต่ออนาคตของ AI

กรณี Microsoft สะท้อนทั้ง “ความท้าทาย” และ “ทางออก”

Microsoft เป็นกรณีศึกษาที่น่าสนใจ เพราะบริษัทประกาศเป้าหมาย Water Positive ภายในปี 2030 ตั้งแต่ปี 2020 ขณะเดียวกันการเติบโตอย่างรวดเร็วของ Cloud และ AI ก็ทำให้ความต้องการ Data Center เพิ่มขึ้นอย่างมาก

รายงานที่อ้างข้อมูลประมาณการภายในของบริษัทระบุว่า Microsoft เคยประเมินการใช้น้ำในปี 2030 ไว้สูงถึงประมาณ 28 พันล้านลิตรต่อปี ก่อนปรับประมาณการลงมาเหลือประมาณ 18 พันล้านลิตรต่อปี หลังนำเทคโนโลยีประหยัดน้ำและข้อมูลจาก Data Center ที่เช่ามาพิจารณา เทียบกับประมาณ 7.9 พันล้านลิตรในปี 2020 หรือยังเพิ่มขึ้นมากกว่า 100% จากฐานเดิม (TipRanks)

แต่ข้อมูลล่าสุดสะท้อนอีกด้านหนึ่งของเรื่อง Microsoft รายงานในเดือนมิถุนายน 2026 ว่า WUE เฉลี่ยของ Data Center ที่บริษัทเป็นเจ้าของลดจากประมาณ 2.3 L/kWh ใน Data Center รุ่นแรก ๆ เหลือประมาณ 0.27 L/kWh ในปี 2025 หรือลด Water Intensity ลงเกือบ 90% ในช่วงเวลาหลายปีของการพัฒนาเทคโนโลยี Cooling (The Official Microsoft Blog)

และใน FY2025 บริษัทรายงานว่าสามารถเติมคืนน้ำมากกว่า 14.2 ล้านลูกบาศก์เมตร ซึ่งมากกว่าปริมาณน้ำที่บริษัทถอนใช้ทั่วโลกในปีดังกล่าวเป็นครั้งแรก (Microsoft)

ตัวเลขเหล่านี้ทำให้เห็นภาพสำคัญสองด้านพร้อมกัน ด้านหนึ่ง AI กำลังทำให้ความต้องการ Infrastructure เพิ่มขึ้น แต่อีกด้านหนึ่ง เทคโนโลยีก็สามารถลดปริมาณน้ำที่ต้องใช้ต่อหน่วย Compute ลงได้อย่างมาก

ดังนั้นคำถามไม่ควรเป็นเพียง “AI ใช้น้ำเพิ่มหรือไม่?” แต่ควรถามว่า “เราสามารถทำให้ Compute เติบโตเร็วกว่าการใช้น้ำได้หรือไม่?”

Liquid Cooling ไม่ได้หมายความว่าใช้น้ำมากเสมอไป

อีกความเข้าใจผิดที่พบบ่อยคือ เมื่อได้ยินคำว่า Liquid Cooling หลายคนคิดทันทีว่า AI Data Center จะต้องใช้น้ำมากขึ้น

ในความเป็นจริงต้องแยกระหว่าง น้ำ หรือ Coolant ที่หมุนเวียนอยู่ในวงจรปิด กับ น้ำที่ถูกบริโภคหรือสูญเสียจากระบบ Direct-to-Chip Liquid Cooling สามารถใช้ของเหลวหมุนเวียนใน Closed Loop เพื่อรับความร้อนจาก GPU แล้วส่งไปยัง Heat Exchanger

น้ำหรือ Coolant ในวงจรนี้ไม่ได้ถูกทิ้งออกทุกครั้งที่ผ่าน GPU สิ่งที่เป็นตัวกำหนดการใช้น้ำจำนวนมากจริง ๆ คือขั้นตอน Heat Rejection ว่าหลังจากรับความร้อนออกจาก Server แล้ว Data Center นำความร้อนนั้นไปทิ้งอย่างไร

หากปลายทางเป็น Cooling Tower ก็ยังมีการระเหยของน้ำ แต่หากสามารถใช้ Dry Cooler หรือระบบระบายความร้อนแบบไม่พึ่งการระเหยได้ Water Consumption สามารถลดลงอย่างมาก ดังนั้น Liquid Cooling และ Water Consumption จึงเป็นคนละประเด็นที่ต้องพิจารณาร่วมกันอย่างระมัดระวัง

ประหยัดน้ำ อาจต้องแลกกับไฟฟ้า

อย่างไรก็ตาม การแก้ปัญหาน้ำไม่ได้ง่ายเพียงเปลี่ยน Cooling Tower เป็น Dry Cooler ทุกแห่ง เพราะระบบระบายความร้อนแบบแห้งสามารถลดการใช้น้ำได้มาก แต่ในสภาพอากาศร้อน ประสิทธิภาพการระบายความร้อนอาจลดลง และอาจต้องใช้พลังงานมากขึ้น

ประเทศไทยจึงเผชิญโจทย์ที่น่าสนใจมาก หากเราพยายามลด PUE อย่างเดียว อาจเลือกเทคโนโลยีที่ใช้น้ำมาก แต่หากพยายามลด WUE อย่างเดียว อาจทำให้ใช้ไฟฟ้าเพิ่มขึ้น
และหากไฟฟ้าที่เพิ่มขึ้นมาจากเชื้อเพลิงฟอสซิล ก็อาจทำให้ Carbon Footprint สูงขึ้นอีก

ดังนั้น Data Center ที่ยั่งยืนต้องพิจารณาอย่างน้อยสามเรื่องพร้อมกัน Energy + Water + Carbon หรือ PUE + WUE + Carbon Performance ไม่ใช่ไล่ลดตัวเลขใดตัวเลขหนึ่งโดยไม่สนใจผลกระทบอีกด้าน

ปัญหาน้ำกำลังเปลี่ยนวิธีเลือกที่ตั้ง Data Center

ในอดีต การเลือกพื้นที่ Data Center อาจเน้นเรื่องราคาที่ดิน Fiber Connectivity และความพร้อมของ Grid แต่ในอนาคต Water Availability จะกลายเป็นอีกปัจจัยหนึ่ง

Data Center ขนาดใหญ่ที่ตั้งอยู่ในพื้นที่ Water Stress อาจต้องลงทุนระบบ Cooling ที่ใช้น้ำน้อยกว่า ใช้น้ำรีไซเคิล หรือพัฒนาระบบน้ำร่วมกับชุมชน

กรณีในชิลีแสดงให้เห็นว่าประเด็นน้ำสามารถเปลี่ยนการออกแบบโครงการได้จริง โดยโครงการ Data Center ของ Google ในพื้นที่ Cerrillos มีการเสนอเปลี่ยนจาก Cooling Tower ที่ใช้น้ำไปเป็น Air-Cooled Condenser เพื่อตัดการใช้น้ำบาดาลจากระบบ Cooling และกระบวนการประเมินด้านสิ่งแวดล้อมยังต้องพิจารณาผลกระทบของ Climate Change ต่อทรัพยากรน้ำด้วย (Climate Case Chart)

นี่คือสัญญาณสำคัญว่าในอนาคต Water Risk อาจกลายเป็น Investment Risk ของ Data Center

จาก Water Positive ต้องไปถึง Water-Smart Data Center

การชดเชยหรือเติมคืนน้ำเป็นเรื่องที่ดี แต่ในระยะยาว Data Center ควรพยายามลดการใช้น้ำที่ต้นทางก่อน

แนวทางมีหลายระดับ ตั้งแต่ Direct-to-Chip Liquid Cooling แบบวงจรปิด Dry Cooling, Hybrid Cooling การใช้น้ำที่ผ่านการบำบัดแล้วแทนน้ำประปา การเก็บน้ำฝน การนำน้ำกลับมาใช้ใหม่ ไปจนถึงการใช้ AI วิเคราะห์อุณหภูมิและ Workload เพื่อควบคุม Cooling ให้เหมาะสม

ตัวอย่างเช่น Microsoft ระบุว่าเทคโนโลยี Direct-to-Chip Cooling รุ่นใหม่สามารถประหยัดน้ำได้มากกว่า 125 ล้านลิตรต่อ Data Center ต่อปี เมื่อเทียบกับการออกแบบอ้างอิงของบริษัท (Microsoft) ดังนั้นเป้าหมายที่ดีกว่าอาจไม่ใช่เพียง Water Positive แต่คือการสร้าง Water-Smart Data Center คือ Data Center ที่รู้ว่าควรใช้น้ำเมื่อใด ใช้น้ำประเภทใด ใช้เท่าไร และสามารถลดการพึ่งพาน้ำคุณภาพสูงสำหรับงาน Cooling ได้มากที่สุด

แล้วประเทศไทยควรกังวลเรื่องนี้หรือไม่? คำตอบคือควรเริ่มวางแผนตั้งแต่วันนี้ ประเทศไทยอาจไม่ได้เป็นประเทศทะเลทราย แต่ไม่ได้หมายความว่าทุกพื้นที่มีน้ำเหลือสำหรับ Data Center อย่างไม่มีข้อจำกัด

น้ำหนึ่งลูกบาศก์เมตรสามารถถูกใช้โดยประชาชน ภาคเกษตร อุตสาหกรรม โรงไฟฟ้า การท่องเที่ยว และระบบนิเวศ เมื่อ Data Center ขนาดใหญ่หลายแห่งเข้าไปตั้งในพื้นที่เดียวกัน การประเมินจึงไม่ควรดูโครงการแยกกันเพียงแห่งละเท่าไร แต่ต้องดู Cumulative Water Demand หรือความต้องการน้ำสะสมของ Data Center ทั้ง Cluster

ตัวอย่างเช่น Data Center แห่งหนึ่งอาจไม่มีผลกระทบมาก แต่หากมี Data Center 10 แห่งตั้งอยู่ในพื้นที่เดียวกัน ผลกระทบต่อระบบน้ำอาจแตกต่างออกไปอย่างสิ้นเชิง ดังนั้นการอนุมัติ Data Center ขนาดใหญ่ในอนาคตควรพิจารณาทั้ง Grid Capacity และ Water Capacity ควบคู่กัน

LNG Cold Energy อาจช่วยประเทศไทยลดทั้งไฟและน้ำ

ประเทศไทยยังมีอีกทางเลือกหนึ่งที่น่าสนใจ โดยเฉพาะ Data Center ที่สามารถตั้งอยู่ใกล้โครงสร้างพื้นฐาน LNG

LNG ถูกขนส่งและเก็บรักษาที่อุณหภูมิประมาณ -160°C และต้องรับความร้อนเพื่อเปลี่ยนกลับเป็นก๊าซก่อนนำไปใช้งาน ขณะที่ Data Center มีความร้อนที่ต้องนำออกตลอดเวลา
จึงเกิดความสัมพันธ์ที่น่าสนใจมาก Data Center ต้องการทิ้งความร้อน ขณะที่ LNG ต้องการรับความร้อน

หากทั้งสอง Infrastructure อยู่ในพื้นที่ที่เหมาะสม สามารถใช้ Heat Exchanger และวงจรตัวกลางเชื่อมโยงการแลกเปลี่ยนพลังงาน โดยไม่จำเป็นต้องนำ LNG เข้าไปสัมผัสกับระบบ Data Center โดยตรง

สำหรับประเทศเขตร้อน นี่อาจเป็นอีกแนวทางหนึ่งในการหลีกเลี่ยงโจทย์ที่ต้องเลือกระหว่าง “ใช้ไฟมากขึ้น” กับ “ใช้น้ำมากขึ้น”

งานวิจัยไทยกับ Data Center ที่ใช้น้ำน้อยลง

จากงานวิจัยที่ผู้เขียนศึกษาเกี่ยวกับการบูรณาการ LNG Regasification เข้ากับระบบ Cooling สำหรับ AI Data Center พบว่า ในกรณีศึกษาที่ออกแบบไว้ การใช้ประโยชน์จาก LNG Cold Energy สามารถลดการใช้ไฟฟ้าของระบบ Cooling ได้ประมาณ 79%

PUE ลดจากประมาณ 2.00 → 1.36 ขณะที่ WUE ลดจากประมาณ 1.9-3.0 → 0.3 L/kWh
หรือคิดเป็นการลดการใช้น้ำประมาณ 89–93%

ตัวเลขเหล่านี้ต้องเน้นว่าเป็น ผลจากกรณีศึกษาและการออกแบบเฉพาะ ไม่ใช่ตัวเลขที่ Data Center ทุกแห่งจะสามารถทำได้เหมือนกัน ผลลัพธ์จริงขึ้นอยู่กับปริมาณ LNG, Data Center Load, ระยะทาง ระบบแลกเปลี่ยนความร้อน และ Cooling Architecture แต่สิ่งสำคัญคือมันแสดงให้เห็นว่า ประเทศไทยอาจมีทางเลือกด้าน Cooling ที่แตกต่างจากประเทศอื่น

ประเทศในเขตหนาวสามารถใช้ Natural Cold จากอากาศภายนอก

ขณะที่ประเทศไทยอาจสามารถพัฒนา Industrial Cold จาก LNG ในพื้นที่ที่เหมาะสม
Data Center ของไทยควรมี “Water Budget”

หากประเทศไทยต้องการเป็นศูนย์กลาง Data Center และ AI ของภูมิภาค สิ่งที่ควรเกิดขึ้นควบคู่กับการอนุมัติกำลังไฟฟ้าคือการกำหนด Water Budget

ก่อนสร้าง Data Center ขนาดใหญ่ควรตอบให้ได้ว่า Data Center ต้องการน้ำสูงสุดเท่าไร ใช้น้ำจากแหล่งใด WUE ที่ออกแบบไว้เท่าไร ใช้น้ำประปาหรือน้ำรีไซเคิลสัดส่วนเท่าไร ในฤดูแล้งจะทำงานอย่างไร และหากแหล่งน้ำหลักมีปัญหา Cooling System จะยังสามารถรักษา Business Continuity ได้หรือไม่

นอกจากนี้ควรเปิดเผย Water Performance หลังเริ่มดำเนินงาน เพื่อเปรียบเทียบค่าที่ออกแบบไว้กับการใช้งานจริง แนวคิดจึงสามารถพัฒนาจาก Power Allocation ไปสู่
Power + Water Allocation เพราะทั้งไฟฟ้าและน้ำเป็นทรัพยากรของพื้นที่ ไม่ควรบังคับทุก Data Center ให้ใช้เทคโนโลยีเดียวกัน

อย่างไรก็ตาม การกำกับดูแลไม่ควรเขียนว่า Data Center ทุกแห่งต้องใช้ Dry Cooling หรือ Liquid Cooling แบบใดแบบหนึ่ง เพราะ Data Center ในกรุงเทพฯ EEC หรือพื้นที่อื่นมีข้อจำกัดต่างกัน สิ่งที่เหมาะสมกว่าคือการกำหนด Performance-Based Regulation

กล่าวคือกำหนดเป้าหมายว่าต้องเปิดเผยและควบคุม PUE, WUE, Carbon, Water Source และ Reliability ในระดับที่เหมาะสม แล้วเปิดให้ผู้ประกอบการเลือกเทคโนโลยีที่สามารถทำได้ดีที่สุดตามสภาพพื้นที่ บางแห่งอาจเลือก Liquid Cooling + Dry Cooler บางแห่งอาจใช้ Hybrid Cooling บางแห่งอาจใช้น้ำรีไซเคิล และในพื้นที่ใกล้ LNG Terminal อาจใช้ LNG Cold Energy

สิ่งสำคัญไม่ใช่ว่าใช้เทคโนโลยีอะไร แต่คือ ผลลัพธ์ด้านพลังงาน น้ำ คาร์บอน และ Reliability ที่เกิดขึ้นจริง

จาก Green Data Center สู่ “Water-Responsible AI”

ท้ายที่สุดแล้ว ปัญหาไม่ใช่ว่า AI เป็นเทคโนโลยีที่ “กินน้ำ” โดยธรรมชาติ ปัญหาคือเราจะสร้าง Infrastructure รองรับ AI แบบใด AI หนึ่งหน่วยในอนาคตอาจใช้ Compute มากขึ้น แต่หาก Chip มีประสิทธิภาพดีขึ้น Cooling ใช้น้ำน้อยลง ใช้น้ำรีไซเคิลมากขึ้น และระบบพลังงานสะอาดขึ้น ผลกระทบต่อทรัพยากรต่อหน่วย Compute ก็สามารถลดลงได้

ดังนั้นการแข่งขันในยุค AI จะไม่ได้วัดเพียงว่า ใครมี GPU มากที่สุด แต่จะเริ่มถามว่า ใครสร้าง Compute ได้มากที่สุดต่อไฟฟ้า 1 หน่วย ใครสร้าง Compute ได้มากที่สุดต่อน้ำ 1 ลิตร และ ใครสร้าง Compute ได้มากที่สุดต่อคาร์บอนที่ปล่อยออกมา นี่อาจเป็นนิยามใหม่ของ Green Compute

AI ไม่จำเป็นต้องกลายเป็นศัตรูของทรัพยากรน้ำ การเติบโตของ AI ย่อมสร้างความต้องการ Data Center เพิ่มขึ้น และ Data Center บางรูปแบบสามารถใช้น้ำจำนวนมากได้จริง แต่สิ่งนี้ไม่ได้หมายความว่า AI จะต้องทำให้โลกเผชิญวิกฤตน้ำโดยอัตโนมัติ
เทคโนโลยี Cooling กำลังเปลี่ยนอย่างรวดเร็ว Closed-Loop Liquid Cooling, Dry Cooling, Hybrid Cooling, Recycled Water, AI Cooling Optimization และการนำแหล่งความเย็นที่มีอยู่แล้วกลับมาใช้ สามารถลด Water Footprint ได้อย่างมาก

โจทย์สำคัญจึงไม่ใช่การเลือกระหว่าง “AI” กับ “น้ำของประชาชน” แต่คือการกำหนดกติกาและออกแบบ Infrastructure ตั้งแต่ต้น เพื่อไม่ให้การแข่งขันสร้าง AI กลายเป็นการแข่งขันแย่งชิงทรัพยากรกับชุมชน

สำหรับประเทศไทย หากต้องการเป็นศูนย์กลาง AI และ Data Center ของภูมิภาค เราไม่ควรแข่งขันด้วยการบอกนักลงทุนเพียงว่า “เรามีที่ดินและมีไฟฟ้า” แต่ควรสามารถบอกได้ว่า “เรามีระบบพลังงาน น้ำ และ Cooling ที่สามารถรองรับ AI ได้อย่างยั่งยืน” เพราะในอนาคต Data Center ที่ดีที่สุดอาจไม่ได้เป็นแห่งที่มี GPU มากที่สุด หรือใช้ไฟฟ้ามากที่สุด

แต่คือ Data Center ที่สามารถสร้าง Compute ได้มากขึ้น โดยใช้ไฟฟ้าน้อยลง ใช้น้ำน้อยลง และปล่อยคาร์บอนต่ำลง และนี่อาจเป็นโจทย์ใหม่ของประเทศไทยในวันที่เราต้องการเปลี่ยนจาก Data Center Hub ไปสู่ Sustainable AI Infrastructure Hub.