เมื่อ AI เก่งขึ้นและถูกลง ไทยควรลงทุนดาต้าเซ็นเตอร์แบบไหน

AI ที่ถูกลงอาจทำให้เกิดงานใหม่มหาศาล แต่ไม่ได้แปลว่าดาต้าเซ็นเตอร์ทุกแห่งจะมีลูกค้า สำหรับไทย โจทย์จึงไม่ใช่เพียงดึงดูดการลงทุนให้ได้มากที่สุด แต่คือเลือกใช้ไฟฟ้า เงินลงทุน และสิทธิประโยชน์ให้สร้างบริการที่มีผู้ใช้จริง และเพิ่มความสามารถให้เศรษฐกิจไทย

โมเดลแข่งลดต้นทุน แต่งานที่ทำกลับซับซ้อนขึ้น

การแข่งขันสหรัฐฯ–จีนกำลังขยับจากความเก่งของโมเดลไปสู่ความคุ้มค่าในการใช้งาน เดือนกันยายน–ตุลาคม 2569 ทั้ง DeepSeek และ Anthropic ต่างประกาศรุ่นที่เน้นประสิทธิภาพ ความเร็ว และต้นทุน แม้เป็นข้อมูลจากผู้พัฒนา ไม่ใช่การจัดอันดับอิสระ แต่สะท้อนว่าทั้งสองฝั่งกำลังแข่งให้ AI ใช้งานจริงได้กว้างขึ้น [1, 2]

ขณะเดียวกัน AI กำลังเปลี่ยนจากผู้ตอบคำถามเป็น Agent ที่ค้นข้อมูล วิเคราะห์ ตรวจทาน และใช้เครื่องมือหลายรอบ ต้นทุนต่อคำตอบจึงอาจลดลง ขณะที่ทรัพยากรต่อภารกิจเพิ่มขึ้น ความต้องการรวมจะเติบโตเพียงใดต้องดูการใช้งานจริง ไม่ควรนำกระแสเทคโนโลยีไปเท่ากับอุปสงค์ที่รับประกัน

ซอฟต์แวร์เปลี่ยนเร็ว แต่ไฟฟ้าและศูนย์บริการเปลี่ยนช้า

ดาต้าเซ็นเตอร์ต้องรอการเชื่อมไฟฟ้า อุปกรณ์ ระบบทำความเย็น และการทดสอบเปิดบริการ IEA ประเมินในฉากทัศน์กลางปี 2569 ว่าการใช้ไฟฟ้าของดาต้าเซ็นเตอร์ทั่วโลกอาจเพิ่มจาก 485 TWh ในปี 2568 เป็นประมาณ 950 TWh ในปี 2573 พร้อมชี้ข้อจำกัดด้านโครงข่ายและอุปกรณ์ แต่ตัวเลขระดับโลกไม่ใช่ยอดสั่งซื้อของทุกโครงการในไทย [3]

ศูนย์ขนาดใหญ่ยังเหมาะกับการฝึกโมเดลและงานปริมาณสูง ส่วนงานองค์กรอาจต้องอยู่ใกล้ข้อมูลหรือเครือข่าย และงานโรงงานบางประเภทต้องประมวลผล ณ จุดใช้งาน การกระจายงานจึงต้องมีเหตุผลด้านคุณภาพ ความต่อเนื่อง และต้นทุน ไม่ใช่สร้างศูนย์เล็กให้มากที่สุด

ชนะการดึงดูดลงทุน ยังไม่เท่ากับชนะการสร้างคุณค่า

ไทยอาจดึงดูดดาต้าเซ็นเตอร์ได้มาก แต่ยังไม่ได้ประโยชน์จาก AI เต็มที่ หากธุรกิจไทยใช้ไม่คุ้ม คนไทยยังเข้าไม่ถึงงานทักษะสูง และผลิตภาพยังไม่เพิ่ม คำถามสำคัญจึงเป็นว่า ไฟฟ้าและสิทธิประโยชน์ที่ให้ไป จะสร้างคุณค่าอะไรกลับมา

คำตอบเริ่มจากงานของลูกค้า ดังภาพที่ 1: ธนาคาร–ประกันต้องเชื่อมข้อมูลอย่างปลอดภัย โรงงานบางงานต้องตอบสนองใกล้สายการผลิต ส่วน SMEs อาจคุ้มกว่าด้วยการเช่า GPU ร่วม ความต้องการต่างกันย่อมนำไปสู่การลงทุนต่างรูปแบบ

เลือกโครงสร้างพื้นฐานจากงานและลูกค้า

สามเรื่องที่ไทยควรเร่งตัดสินใจ

จัดสรรไฟฟ้าตามความพร้อมและคุณค่า ระบุกำลังส่งมอบจริง วันที่เชื่อมต่อ และต้นทุนขยายโครงข่าย ผูกการสำรองกำลังกับความคืบหน้าและความต้องการลูกค้า พร้อมกติกาคืนสิทธิที่ไม่ใช้ เพื่อให้ทรัพยากรไปถึงโครงการที่พร้อม

สร้างการใช้งานที่พิสูจน์ผลได้ ก่อนสนับสนุนให้ตอบว่า ใครใช้ ใช้ทำอะไร เริ่มเมื่อไร พร้อมจ่ายเท่าไร และวัดประโยชน์อย่างไร ทดสอบงานภาษาไทย คุณภาพ ความปลอดภัย และต้นทุนรวม เปิดให้ผู้ให้บริการแข่งขัน แล้วขยายตามผลจริง

สร้างทักษะและมูลค่าเพิ่มในไทย ฝึกคนกับโครงการจริงด้านไฟฟ้า ทำความเย็น การเปิดบริการ และการปฏิบัติการ AI พัฒนาผู้ขายไทยให้ผ่านมาตรฐาน วัดจากงานที่ทำได้และความรู้ที่ถ่ายทอด มิใช่แค่จำนวนผู้เข้าอบรมหรือยอดซื้อผ่านตัวแทน

แนวทางนี้ต่อยอดกรอบ BOI ด้านประโยชน์ต่อประเทศ พลังงาน น้ำ และสิ่งแวดล้อม [4] สิ่งที่ควรเพิ่มคือหลักฐานว่าศูนย์เปิดบริการได้ มีผู้ใช้ และสร้างผลลัพธ์อะไรให้ไทย การลงทุนเป็นระยะตามหลักฐานจะช่วยให้ไทยเติบโตไปกับ AI โดยไม่ผูกอนาคตไว้กับกำลังติดตั้งเพียงอย่างเดียว

แหล่งข้อมูล

[1] DeepSeek V4.1-Flash, 10 ก.ย. 2569: api-docs.deepseek.com/news/news260910

[2] Anthropic ประกาศรุ่น Claude ก.ย.–ต.ค. 2569: anthropic.com/news

[3] IEA, Key Questions on Energy and AI, 2026: iea.org/reports/key-questions-on-energy-and-ai

[4] BOI OSOS แนวทางคัดกรอง Data Center: osos.boi.go.th/EN/news/2442