AI Data Center กำลังเปลี่ยนโลกพลังงาน เมื่อไฟฟ้ากลายเป็นข้อจำกัดของ AI

ในช่วงหลายปีที่ผ่านมา โลกกำลังแข่งขันกันพัฒนา Artificial Intelligence หรือ AI อย่างเข้มข้น บริษัทเทคโนโลยีระดับโลกต่างลงทุนมหาศาลในการพัฒนาโมเดล AI, GPU, Semiconductor และ Data Center เพื่อเพิ่มขีดความสามารถในการประมวลผลให้สูงขึ้นอย่างต่อเนื่อง

แต่ในขณะที่เทคโนโลยี AI ก้าวหน้าอย่างรวดเร็ว กลับมีข้อจำกัดสำคัญประการหนึ่งที่กำลังกลายเป็นอุปสรรคต่อการเติบโตของอุตสาหกรรม นั่นคือไฟฟ้า

ที่ผ่านมา การแข่งขันด้าน AI มักถูกมองว่าเป็นการแข่งขันว่าใครมี GPU มากกว่า ใครพัฒนาโมเดล AI ได้ฉลาดกว่า หรือใครสามารถลงทุนสร้าง Data Center ได้มากกว่า

แต่วันนี้การแข่งขันกำลังเปลี่ยนไป เพราะต่อให้บริษัทมีเงินลงทุนมหาศาล สามารถจัดซื้อ GPU รุ่นใหม่ได้ และมีพื้นที่ก่อสร้าง Data Center พร้อมแล้ว ก็ไม่ได้หมายความว่าจะสามารถเปิดดำเนินการได้ทันที

หากไม่มีไฟฟ้าเพียงพอ ไม่มีสายส่งรองรับ หรือไม่มีหม้อแปลงขนาดใหญ่ที่สามารถจ่ายไฟฟ้าได้ตามความต้องการ GPU มูลค่ามหาศาลเหล่านั้นก็ไม่สามารถทำงานได้

สถานการณ์นี้ทำให้ AI Data Center กำลังเปลี่ยนความสัมพันธ์ระหว่างอุตสาหกรรมเทคโนโลยีกับอุตสาหกรรมพลังงานอย่างที่ไม่เคยเกิดขึ้นมาก่อน

บริษัทเทคโนโลยีที่เคยเป็นเพียงผู้ซื้อไฟฟ้า กำลังกลายเป็นผู้ทำสัญญาซื้อไฟฟ้าระยะยาว ผู้ร่วมลงทุนโรงไฟฟ้า และในบางกรณีก็เข้าไปเกี่ยวข้องกับการพัฒนาแหล่งผลิตไฟฟ้าของตนเอง

คำถามสำคัญจึงไม่ใช่เพียงว่า โลกจะมี AI ที่ฉลาดขึ้นได้เร็วเพียงใด แต่คือระบบพลังงานของโลกจะสามารถขยายตัวได้ทันกับความต้องการของ AI หรือไม่

AI กำลังเปลี่ยน Data Center จากอาคาร Server เป็นโรงงานใช้ไฟฟ้าขนาดใหญ่

ในอดีต Data Center ส่วนใหญ่ถูกออกแบบมาเพื่อรองรับระบบ Cloud Computing การจัดเก็บข้อมูล เว็บไซต์ ฐานข้อมูล และบริการดิจิทัลทั่วไป

แต่การเติบโตของ Generative AI และ Large Language Models ทำให้รูปแบบการใช้กำลังประมวลผลเปลี่ยนแปลงไปอย่างมาก

AI Data Center รุ่นใหม่ต้องรองรับ GPU จำนวนมากที่ทำงานร่วมกันผ่านระบบเครือข่ายความเร็วสูง เพื่อใช้ฝึกโมเดล AI หรือ Training และให้บริการประมวลผลคำสั่งของผู้ใช้งาน หรือ Inference

ความแตกต่างสำคัญคือความหนาแน่นของกำลังไฟฟ้าต่อ Rack

Data Center แบบดั้งเดิมอาจมีความต้องการไฟฟ้าเพียงไม่กี่กิโลวัตต์ต่อ Rack ขณะที่ AI Rack รุ่นใหม่สามารถมีความต้องการไฟฟ้าหลายสิบถึงมากกว่า 100 kW ต่อ Rack ขึ้นอยู่กับสถาปัตยกรรมของระบบ

เมื่อ GPU หลายพันหรือหลายหมื่นตัวทำงานพร้อมกัน ความต้องการไฟฟ้าของ Data Center จึงเพิ่มขึ้นจากระดับไม่กี่เมกะวัตต์ไปสู่หลายสิบหรือหลายร้อยเมกะวัตต์

ในอนาคต AI Data Center Campus บางโครงการอาจมีความต้องการกำลังไฟฟ้าระดับกิกะวัตต์ หรือ GW ซึ่งเทียบได้กับกำลังผลิตของโรงไฟฟ้าขนาดใหญ่

นั่นหมายความว่า AI Data Center ไม่ได้เป็นเพียงผู้ใช้ไฟฟ้ารายหนึ่งในระบบอีกต่อไป แต่กำลังกลายเป็นผู้ใช้ไฟฟ้าขนาดใหญ่ที่สามารถเปลี่ยนแผนการลงทุนของระบบผลิตและระบบส่งไฟฟ้าในแต่ละประเทศได้

 

IEA คาดความต้องการไฟฟ้า Data Center โลกอาจเพิ่มขึ้นมากกว่าสองเท่าภายในปี 2030

รายงาน Energy and AI ของ International Energy Agency หรือ IEA ซึ่งเผยแพร่ในปี 2025 ประเมินว่า Data Center ทั่วโลกใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 คิดเป็นประมาณ 1.5% ของการใช้ไฟฟ้าทั่วโลก

ภายใต้กรณีฐานของรายงานดังกล่าว ความต้องการไฟฟ้าของ Data Center อาจเพิ่มขึ้นเป็นประมาณ 945 TWh ในปี 2030 หรือมากกว่าสองเท่าภายในเวลาเพียง 6 ปี

ตัวเลข 945 TWh ต่อปีมีขนาดใหญ่มาก และสะท้อนว่าการเติบโตของ AI กำลังสร้างความต้องการไฟฟ้าใหม่ที่ระบบพลังงานต้องเตรียมรองรับ

อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นการคาดการณ์ภายใต้สมมติฐานของ IEA ไม่ใช่ปริมาณการใช้ไฟฟ้าที่เกิดขึ้นจริงแล้ว และครอบคลุม Data Center หลายประเภท ไม่ใช่เฉพาะ AI Data Center

สิ่งสำคัญอีกประการหนึ่งคือ แม้ Data Center จะยังมีสัดส่วนการใช้ไฟฟ้าไม่สูงมากเมื่อเทียบกับการใช้ไฟฟ้าทั่วโลก แต่ความต้องการไฟฟ้ากลับกระจุกตัวอยู่ในพื้นที่บางแห่ง

ตัวอย่างเช่น หากเมืองหรือเขตอุตสาหกรรมแห่งหนึ่งมี AI Data Center ขนาด 200–500 MW เข้ามาลงทุนพร้อมกันหลายโครงการ ระบบไฟฟ้าในพื้นที่อาจต้องขยายสายส่ง สถานีไฟฟ้า และหม้อแปลงเพิ่มเติมอย่างมีนัยสำคัญ

ดังนั้นปัญหาของ AI Data Center ไม่ใช่เพียงปริมาณไฟฟ้ารวมของประเทศ แต่เป็นความสามารถในการส่งไฟฟ้าไปยังพื้นที่ที่ต้องการใช้งานได้อย่างมั่นคงและทันเวลา

ปัญหาใหญ่ของ AI ไม่ใช่แค่ผลิตไฟฟ้าไม่พอ แต่สายส่งและหม้อแปลงขยายไม่ทัน

หนึ่งในความเข้าใจผิดเกี่ยวกับการพัฒนา AI Data Center คือการคิดว่า หากประเทศมีกำลังผลิตไฟฟ้าสำรองเพียงพอ ก็สามารถรองรับ Data Center ใหม่ได้ทันที

ในความเป็นจริง ระบบไฟฟ้าประกอบด้วยหลายองค์ประกอบ ทั้งโรงไฟฟ้า สายส่งแรงสูง สถานีไฟฟ้า หม้อแปลง และระบบจำหน่าย ซึ่งต้องทำงานร่วมกัน

แม้ประเทศหนึ่งจะมีกำลังผลิตไฟฟ้าเพียงพอในภาพรวม แต่หาก Data Center ตั้งอยู่ในพื้นที่ที่ระบบสายส่งหรือสถานีไฟฟ้าไม่มีความสามารถรองรับโหลดเพิ่มเติม ก็อาจไม่สามารถจ่ายไฟฟ้าให้โครงการได้ตามกำหนด

ตัวอย่างเช่น AI Data Center ที่ต้องการกำลังไฟฟ้ารวม 260 MW อาจจำเป็นต้องมีการขยายสถานีไฟฟ้า เพิ่มหม้อแปลง หรือก่อสร้างสายส่งใหม่เพื่อรองรับความต้องการดังกล่าว

การดำเนินงานเหล่านี้อาจใช้เวลาหลายปี โดยเฉพาะโครงการที่ต้องจัดหาพื้นที่ก่อสร้าง ขออนุญาตแนวสายส่ง และสั่งผลิตหม้อแปลงขนาดใหญ่

IEA ประเมินว่า การก่อสร้างสายส่งใหม่ในประเทศพัฒนาแล้วอาจใช้เวลาประมาณ 4 - 8 ปี และระยะเวลารออุปกรณ์สำคัญ เช่น หม้อแปลงและสายไฟฟ้า เพิ่มขึ้นอย่างมากในช่วงที่ผ่านมา

IEA ยังประเมินว่าหากไม่สามารถแก้ไขข้อจำกัดด้านระบบไฟฟ้าได้ โครงการ Data Center ที่อยู่ในแผนทั่วโลกประมาณ 20% อาจเสี่ยงเผชิญความล่าช้า 

นี่คือความแตกต่างสำคัญระหว่างอุตสาหกรรมเทคโนโลยีกับอุตสาหกรรมพลังงาน

บริษัทเทคโนโลยีอาจพัฒนา GPU รุ่นใหม่ได้ภายในระยะเวลาไม่กี่ปี แต่การก่อสร้างโครงสร้างพื้นฐานไฟฟ้าขนาดใหญ่ไม่สามารถเร่งได้ด้วยความเร็วเดียวกัน

ดังนั้นในยุค AI ความได้เปรียบในการแข่งขันจึงอาจไม่ได้ขึ้นอยู่กับว่าใครมีเงินซื้อ GPU มากที่สุด แต่ขึ้นอยู่กับว่าใครสามารถจัดหาไฟฟ้าที่มีคุณภาพและเชื่อถือได้ให้ GPU เหล่านั้นทำงานได้เร็วที่สุด

สหรัฐอเมริกาเริ่มเปลี่ยนกฎไฟฟ้า เพื่อรองรับ AI Data Center

สหรัฐอเมริกาเป็นตัวอย่างสำคัญของประเทศที่กำลังเผชิญความต้องการไฟฟ้าจาก AI Data Center เพิ่มขึ้นอย่างรวดเร็ว โดยเฉพาะพื้นที่ที่มีการลงทุน Cloud และ AI Infrastructure กระจุกตัว

เมื่อวันที่ 18 มิถุนายน 2026 Federal Energy Regulatory Commission หรือ FERC ได้ออกคำสั่งให้ผู้บริหารระบบไฟฟ้าระดับภูมิภาค 6 แห่ง ชี้แจงหรือปรับปรุงหลักเกณฑ์การเชื่อมต่อผู้ใช้ไฟฟ้าขนาดใหญ่ รวมถึง Data Center

เป้าหมายคือเร่งกระบวนการเชื่อมต่อไฟฟ้าให้ทันต่อการเติบโตของเศรษฐกิจ AI พร้อมรักษาความมั่นคงของระบบไฟฟ้าและป้องกันไม่ให้ต้นทุนการลงทุนเพิ่มเติมถูกผลักไปยังผู้ใช้ไฟฟ้ารายอื่นอย่างไม่เป็นธรรม 

ประเด็นนี้สะท้อนว่า AI Data Center ไม่ใช่เรื่องของกระทรวงดิจิทัลหรือบริษัทเทคโนโลยีเพียงอย่างเดียวอีกต่อไป แต่กลายเป็นประเด็นด้านนโยบายพลังงานระดับประเทศ

การลงทุน Data Center ขนาดหลายร้อยเมกะวัตต์อาจส่งผลต่อแผนพัฒนาโรงไฟฟ้า สายส่ง และต้นทุนไฟฟ้าของประชาชน

หากรัฐเร่งลงทุนโครงสร้างพื้นฐานเพื่อรองรับโครงการ Data Center แต่ต่อมาโครงการไม่เกิดขึ้นจริงหรือใช้ไฟฟ้าต่ำกว่าที่จองไว้ ต้นทุนบางส่วนอาจตกค้างอยู่ในระบบไฟฟ้า

ในทางกลับกัน หากรัฐไม่เร่งพัฒนาโครงข่ายเลย ก็อาจสูญเสียโอกาสการลงทุน AI ให้กับประเทศคู่แข่ง

บทเรียนจากสหรัฐอเมริกาจึงอยู่ที่การสร้างสมดุลระหว่างความรวดเร็วในการเชื่อมต่อไฟฟ้า ความมั่นคงของระบบ และการจัดสรรต้นทุนอย่างเป็นธรรม

บริษัทเทคโนโลยีกำลังเปลี่ยนจากผู้ซื้อไฟฟ้า เป็นผู้ลงทุนด้านพลังงาน

ที่ผ่านมา บริษัทเทคโนโลยีส่วนใหญ่มีบทบาทเป็นผู้ใช้ไฟฟ้า โดยซื้อไฟฟ้าจากผู้ให้บริการสาธารณูปโภคเพื่อนำมาใช้กับ Data Center แต่เมื่อ AI Data Center ต้องการกำลังไฟฟ้าหลายร้อยเมกะวัตต์ และบางโครงการมีแผนขยายสู่ระดับกิกะวัตต์ บริษัทเทคโนโลยีจึงเริ่มเปลี่ยนกลยุทธ์

แทนที่จะรอให้ระบบไฟฟ้าสาธารณะขยายกำลังรองรับเพียงอย่างเดียว บริษัทเหล่านี้เริ่มทำสัญญาซื้อไฟฟ้าระยะยาวกับผู้ผลิตไฟฟ้า สนับสนุนการพัฒนาโรงไฟฟ้าใหม่ และพิจารณาการผลิตไฟฟ้าใกล้พื้นที่ Data Center

รูปแบบสำคัญคือ Power Purchase Agreement หรือ PPA ซึ่งช่วยให้ผู้ลงทุนสามารถวางแผนต้นทุนไฟฟ้าระยะยาว และช่วยให้ผู้พัฒนาโรงไฟฟ้ามีรายได้รองรับการลงทุน

อีกแนวทางหนึ่งคือการพัฒนาโรงไฟฟ้าร่วมกับ Data Center หรือ Co-location ซึ่งสามารถลดความจำเป็นในการส่งไฟฟ้าระยะไกลบางส่วนได้ หากออกแบบการเชื่อมต่ออย่างเหมาะสม

แต่การตั้ง Data Center ใกล้โรงไฟฟ้าไม่ได้หมายความว่าจะไม่ต้องใช้ระบบไฟฟ้าสาธารณะ เพราะหาก Data Center ยังต้องการไฟฟ้าสำรองเมื่อโรงไฟฟ้าหยุดเดินเครื่อง ก็ต้องมีระบบรองรับและรับผิดชอบต้นทุนสำรองดังกล่าว

การเปลี่ยนแปลงนี้กำลังทำให้บริษัทเทคโนโลยีกลายเป็นผู้มีบทบาทสำคัญต่อการกำหนดทิศทางการลงทุนพลังงานในอนาคต

พลังงานนิวเคลียร์กลับมาได้รับความสนใจ เพราะ AI ต้องการไฟฟ้าตลอด 24 ชั่วโมง

หนึ่งในปรากฏการณ์สำคัญของยุค AI คือการกลับมาได้รับความสนใจของพลังงานนิวเคลียร์ในฐานะแหล่งผลิตไฟฟ้าคาร์บอนต่ำที่สามารถจ่ายไฟฟ้าได้อย่างต่อเนื่อง

บริษัทเทคโนโลยีระดับโลกเริ่มสนับสนุนโครงการโรงไฟฟ้านิวเคลียร์ทั้งขนาดใหญ่และเทคโนโลยี Small Modular Reactor หรือ SMR เพื่อรองรับความต้องการไฟฟ้าในระยะยาว

ตัวอย่างเช่น Microsoft มีข้อตกลงซื้อไฟฟ้าระยะยาวที่สนับสนุนแผนกลับมาเดินเครื่องโรงไฟฟ้านิวเคลียร์ Three Mile Island Unit 1 ซึ่งต่อมาใช้ชื่อ Crane Clean Energy Center โดยมีกำลังผลิตประมาณ 835 MW

ขณะที่ Google มีความร่วมมือกับ Kairos Power เพื่อสนับสนุนการพัฒนาเครื่องปฏิกรณ์นิวเคลียร์รุ่นใหม่ โดยมีเป้าหมายเริ่มส่งมอบไฟฟ้าจากโครงการแรกในช่วงปี 2030 ตามแผนที่ประกาศ

การเคลื่อนไหวดังกล่าวสะท้อนว่าบริษัทเทคโนโลยีไม่ได้มองเพียงราคาค่าไฟฟ้า แต่ให้ความสำคัญกับความสามารถในการจัดหาไฟฟ้าคาร์บอนต่ำอย่างต่อเนื่อง

อย่างไรก็ตาม โรงไฟฟ้านิวเคลียร์มีข้อจำกัดด้านระยะเวลาก่อสร้าง เงินลงทุน กฎหมาย ความปลอดภัย และการยอมรับของสังคม จึงไม่ใช่ทางออกระยะสั้นสำหรับ Data Center ทุกโครงการ

โดยเฉพาะ SMR ซึ่งยังต้องพิสูจน์ความสามารถในการพัฒนาเชิงพาณิชย์ ต้นทุน และระยะเวลาก่อสร้างในหลายตลาด

ดังนั้นพลังงานนิวเคลียร์อาจเป็นส่วนหนึ่งของคำตอบระยะยาว แต่ไม่สามารถทดแทนความจำเป็นในการพัฒนาโครงข่ายไฟฟ้าและแหล่งพลังงานอื่นในระยะใกล้ได้ทั้งหมด

ก๊าซธรรมชาติและ LNG ยังมีบทบาทสำคัญในช่วงเปลี่ยนผ่าน

แม้บริษัทเทคโนโลยีจำนวนมากมีเป้าหมายใช้พลังงานสะอาด แต่ความต้องการไฟฟ้าของ AI Data Center ที่เพิ่มขึ้นอย่างรวดเร็วทำให้ระบบพลังงานยังต้องพึ่งพาแหล่งผลิตไฟฟ้าที่สามารถจ่ายไฟฟ้าได้ตามความต้องการ

ก๊าซธรรมชาติเป็นหนึ่งในทางเลือกที่ได้รับความสนใจ เพราะโรงไฟฟ้าก๊าซธรรมชาติสามารถผลิตไฟฟ้าได้ต่อเนื่องและปรับกำลังผลิตได้ตามข้อจำกัดของเทคโนโลยี

รายงาน IEA ระบุว่าพลังงานหมุนเวียนและก๊าซธรรมชาติจะมีบทบาทสำคัญในการรองรับความต้องการไฟฟ้า Data Center ที่เพิ่มขึ้นในระยะใกล้ ขณะที่พลังงานนิวเคลียร์มีแนวโน้มเพิ่มบทบาทในระยะยาว 

สำหรับประเทศไทย ก๊าซธรรมชาติและ LNG จึงอาจมีบทบาทเป็นแหล่งพลังงานรองรับการเติบโตของ AI Data Center ในช่วงที่ระบบพลังงานสะอาดและโครงสร้างพื้นฐานไฟฟ้ากำลังพัฒนา แต่การใช้ก๊าซธรรมชาติก็มีข้อจำกัด ทั้งความผันผวนของราคา LNG การพึ่งพาการนำเข้า และการปล่อยก๊าซเรือนกระจก

ดังนั้นประเทศไทยไม่ควรมอง LNG เป็นคำตอบเพียงอย่างเดียว แต่ควรพิจารณาเป็นส่วนหนึ่งของระบบพลังงานผสมผสานที่ประกอบด้วยพลังงานหมุนเวียน ระบบกักเก็บพลังงาน แหล่งผลิตไฟฟ้าที่จ่ายได้ตามความต้องการ และเทคโนโลยีคาร์บอนต่ำอื่น ๆ

อีกโอกาสหนึ่งของประเทศไทยคือการนำ LNG Cold Energy จากกระบวนการ Regasification มาใช้ประโยชน์ด้านระบบทำความเย็นของ Data Center โดยเฉพาะในพื้นที่ใกล้ LNG Receiving Terminal

แนวทางดังกล่าวอาจช่วยลดการใช้ไฟฟ้าของ Chiller และลดภาระระบบไฟฟ้าได้บางส่วน แต่ต้องประเมินความคุ้มค่าจากระยะทาง ปริมาณ LNG ที่ผ่านระบบ และความต้องการความเย็นจริงของ Data Center

AI Data Center 200 MW ต้องใช้ไฟฟ้ามากแค่ไหน?

เพื่อให้เห็นขนาดของความท้าทาย ลองพิจารณา AI Data Center ที่มี IT Load 200 MW และค่า Power Usage Effectiveness หรือ PUE เท่ากับ 1.30

PUE เป็นอัตราส่วนระหว่างพลังงานไฟฟ้ารวมของ Data Center กับพลังงานไฟฟ้าที่ใช้กับอุปกรณ์ IT โดยตรง

ดังนั้น Data Center ที่มี IT Load 200 MW และ PUE 1.30 จะต้องใช้กำลังไฟฟ้ารวมประมาณ 260 MW ภายใต้สมมติฐานว่าโหลดและ PUE อยู่ที่ระดับดังกล่าว

หากเดินเครื่องเต็มกำลังตลอด 24 ชั่วโมง เป็นเวลา 365 วัน จะใช้ไฟฟ้าประมาณ 2,277.6 GWh หรือ 2.28 TWh ต่อปี

หากคิดค่าไฟฟ้าเฉลี่ย 4 บาทต่อหน่วย จะมีต้นทุนค่าไฟฟ้าประมาณ 9,110 ล้านบาทต่อปี

หากประเทศไทยมี Data Center ขนาดเดียวกัน 10 แห่ง จะมีความต้องการกำลังไฟฟ้ารวมประมาณ 2,600 MW และใช้ไฟฟ้ารวมประมาณ 22.8 TWh ต่อปี ภายใต้สมมติฐานเดินเครื่องเต็มกำลัง

ตัวเลขนี้สะท้อนว่า การเติบโตของ AI Data Center เพียงไม่กี่โครงการสามารถสร้างความต้องการไฟฟ้าใหม่ระดับเดียวกับกำลังผลิตของโรงไฟฟ้าขนาดใหญ่หลายแห่ง

แต่ต้องระวังว่าการใช้ไฟฟ้าตามสมมติฐานเต็มกำลังไม่ได้หมายความว่า Data Center ทุกโครงการจะใช้ไฟฟ้าระดับดังกล่าวตั้งแต่วันแรก เพราะการติดตั้ง GPU และการเพิ่มโหลดอาจเกิดขึ้นเป็นระยะ

การวางแผนระบบไฟฟ้าจึงต้องพิจารณาทั้งความต้องการไฟฟ้าสูงสุด กำหนดการเพิ่มโหลด และความพร้อมทางการเงินของผู้ลงทุน

ประสิทธิภาพระบบ Cooling อาจมีความสำคัญไม่แพ้การสร้างโรงไฟฟ้าใหม่

เมื่อพูดถึงการจัดหาไฟฟ้าให้ AI Data Center หลายฝ่ายมักมุ่งเน้นการสร้างโรงไฟฟ้าและขยายสายส่ง แต่การลดความต้องการไฟฟ้าของ Data Center ก็มีความสำคัญไม่แพ้กัน

โดยเฉพาะระบบทำความเย็น ซึ่งเป็นหนึ่งในภาระไฟฟ้าสำคัญของ Data Center ในประเทศเขตร้อน

หาก AI Data Center มี IT Load 200 MW และสามารถลด PUE จาก 1.40 เหลือ 1.20 จะทำให้กำลังไฟฟ้ารวมลดลงจาก 280 MW เหลือ 240 MW เท่ากับประหยัดกำลังไฟฟ้าได้ 40 MW

หากเดินเครื่องเต็มกำลังตลอดปี จะประหยัดพลังงานไฟฟ้าประมาณ 350.4 GWh ต่อปี หรือคิดเป็นมูลค่าประมาณ 1,402 ล้านบาทต่อปี ที่ค่าไฟฟ้า 4 บาทต่อหน่วย

ประเด็นสำคัญคือ การลด PUE ไม่ได้หมายถึงการลดกำลังประมวลผลของ AI แต่เป็นการลดไฟฟ้าที่ใช้กับระบบสนับสนุน เช่น Cooling และการสูญเสียในระบบไฟฟ้า

ในเชิงนโยบาย การลดความต้องการไฟฟ้า 40 MW อาจช่วยลดหรือเลื่อนการลงทุนโครงสร้างพื้นฐานไฟฟ้าบางส่วนได้ หากสามารถพิสูจน์ได้ว่าการลดโหลดดังกล่าวช่วยบรรเทาข้อจำกัดของระบบจริง

ดังนั้นประเทศไทยควรให้ความสำคัญกับการพัฒนา High-Efficiency Data Center, Liquid Cooling, Heat Recovery และการใช้พลังงานความเย็นจากกระบวนการอุตสาหกรรมควบคู่กับการจัดหาแหล่งผลิตไฟฟ้าใหม่

ไทยต้องเปลี่ยนแนวคิดจากการรอไฟฟ้าภาครัฐ ไปสู่การร่วมลงทุนด้านพลังงาน

ประเทศไทยกำลังแข่งขันกับสิงคโปร์ มาเลเซีย อินโดนีเซีย และเวียดนาม เพื่อดึงดูดการลงทุน AI Data Center แต่ความพร้อมของระบบไฟฟ้าอาจกลายเป็นหนึ่งในปัจจัยที่กำหนดว่าโครงการใดจะเกิดขึ้นจริง และโครงการใดต้องเลื่อนการลงทุนออกไป

หากประเทศไทยใช้แนวทางเดิมที่ให้หน่วยงานไฟฟ้ารับผิดชอบการลงทุนระบบผลิตและระบบส่งทั้งหมด ขณะที่ Data Center ทำหน้าที่เป็นผู้ซื้อไฟฟ้าเพียงอย่างเดียว อาจเกิดข้อจำกัดทั้งด้านระยะเวลาและภาระเงินลงทุน

ภาครัฐจึงควรเปิดทางเลือกให้ผู้ประกอบการ Data Center สามารถทำสัญญาซื้อไฟฟ้าตรงจากผู้ผลิต หรือ Direct PPA ร่วมลงทุนกับผู้ผลิตไฟฟ้า หรือพัฒนาโรงไฟฟ้าใช้เองภายใต้กฎหมายที่เกี่ยวข้อง

อย่างไรก็ตาม Direct PPA ไม่ได้แก้ปัญหาสายส่งโดยอัตโนมัติ หากไฟฟ้ายังต้องส่งผ่านโครงข่ายสาธารณะ ก็ต้องมีความสามารถรองรับและมีการจ่ายค่าบริการใช้โครงข่ายอย่างเหมาะสม

สำหรับการผลิตไฟฟ้าใช้เอง หาก Data Center ยังคงต้องการระบบไฟฟ้าสาธารณะเป็นแหล่งจ่ายสำรอง ก็ต้องรับผิดชอบต้นทุนบริการสำรองดังกล่าวด้วย

หลักการสำคัญคือ Data Center ควรมีสิทธิเลือกแหล่งพลังงานที่เหมาะสมกับธุรกิจของตน แต่ต้องรับผิดชอบต้นทุนระบบไฟฟ้าที่เกิดจากความต้องการของตนอย่างเป็นธรรม

อย่าให้การเติบโตของ AI กลายเป็นภาระค่าไฟฟ้าของประชาชน

การลงทุน Data Center ขนาดใหญ่สามารถสร้างโอกาสทางเศรษฐกิจ แต่ก็อาจก่อให้เกิดต้นทุนใหม่ต่อระบบไฟฟ้า

ตัวอย่างเช่น หากโครงการ Data Center ต้องการกำลังไฟฟ้าเพิ่มหลายร้อยเมกะวัตต์ และจำเป็นต้องขยายสายส่ง สถานีไฟฟ้า หรือหม้อแปลงเพื่อรองรับโครงการโดยเฉพาะ ควรมีหลักเกณฑ์กำหนดให้ผู้ประกอบการรับผิดชอบต้นทุนส่วนที่เกิดจากโครงการของตน

ขณะเดียวกัน หากการลงทุนโครงข่ายใหม่สร้างประโยชน์ให้ผู้ใช้ไฟฟ้าหลายกลุ่ม ก็ควรจัดสรรต้นทุนตามประโยชน์ที่ได้รับอย่างโปร่งใส

อีกประเด็นหนึ่งคือความเสี่ยงจากการจองกำลังไฟฟ้าเกินความต้องการจริง

หากมีโครงการ Data Center หลายแห่งยื่นขอใช้ไฟฟ้าขนาดใหญ่พร้อมกัน แต่บางโครงการยังไม่มีความพร้อมด้านเงินทุนหรือไม่มีลูกค้ารองรับ หน่วยงานไฟฟ้าอาจประเมินความต้องการสูงเกินจริงและลงทุนโครงสร้างพื้นฐานมากเกินความจำเป็น

ดังนั้นควรพิจารณามาตรการ เช่น การวางหลักประกันทางการเงิน การจัดสรรไฟฟ้าตามระยะการก่อสร้าง และสัญญารับผิดชอบต้นทุนหากโครงการยกเลิกหรือใช้กำลังไฟฟ้าต่ำกว่าที่จองไว้มาก

หลักการนี้สอดคล้องกับทิศทางที่หน่วยงานกำกับดูแลสหรัฐอเมริกากำลังให้ความสำคัญ เพื่อป้องกันการผลักภาระต้นทุนจากผู้ใช้ไฟฟ้าขนาดใหญ่รายใหม่ไปยังผู้ใช้ไฟฟ้ารายเดิม 

พลังงานสะอาดจะกลายเป็นเงื่อนไขสำคัญของการแข่งขัน AI

นอกจากความพร้อมของกำลังไฟฟ้าแล้ว AI Data Center ยังต้องเผชิญความคาดหวังด้านการลดการปล่อยก๊าซเรือนกระจก

ผู้ประกอบการเทคโนโลยีระดับโลกจำนวนมากมีเป้าหมายด้านพลังงานสะอาดและการลดการปล่อยคาร์บอน ทำให้การตัดสินใจเลือกประเทศลงทุนไม่ได้พิจารณาเพียงราคาค่าไฟฟ้า แต่รวมถึงความสามารถในการจัดหาไฟฟ้าคาร์บอนต่ำในระยะยาว

พลังงานแสงอาทิตย์และพลังงานลมสามารถช่วยลดการปล่อยคาร์บอน แต่มีข้อจำกัดด้านความผันผวนของการผลิต

ระบบ Battery Energy Storage System หรือ BESS สามารถช่วยบริหารความผันผวนและลดภาระไฟฟ้าสูงสุดได้ แต่ไม่ใช่แหล่งผลิตพลังงานสุทธิ และการสำรองไฟฟ้าระยะยาวยังมีข้อจำกัดด้านต้นทุนและขนาดระบบ

ขณะที่โรงไฟฟ้าก๊าซธรรมชาติสามารถจ่ายไฟฟ้าได้ตามความต้องการ แต่ยังมีการปล่อยก๊าซเรือนกระจกและความเสี่ยงด้านราคาเชื้อเพลิง ส่วนพลังงานนิวเคลียร์มีศักยภาพผลิตไฟฟ้าคาร์บอนต่ำอย่างต่อเนื่อง แต่ต้องใช้เวลาและการลงทุนสูง

ดังนั้นระบบพลังงานสำหรับ AI Data Center ในอนาคตจึงควรเป็นระบบผสมผสานที่พิจารณาความมั่นคง ต้นทุน ความพร้อมใช้งาน และการปล่อยคาร์บอนไปพร้อมกัน

สำหรับประเทศไทย ความท้าทายคือการพัฒนากลไกให้ผู้ประกอบการสามารถจัดหาไฟฟ้าสะอาดได้จริง ทั้งผ่าน Direct PPA การลงทุนพลังงานหมุนเวียน และระบบบริหารพลังงานที่ตรวจสอบได้

AI ไม่ได้เพียงใช้พลังงานมากขึ้น แต่ยังช่วยให้ระบบพลังงานมีประสิทธิภาพขึ้นได้

แม้ AI Data Center จะเพิ่มความต้องการไฟฟ้า แต่เทคโนโลยี AI เองก็สามารถนำมาใช้เพิ่มประสิทธิภาพระบบพลังงานได้เช่นกัน

ตัวอย่างเช่น การใช้ AI พยากรณ์การผลิตไฟฟ้าจากพลังงานแสงอาทิตย์และลม การตรวจจับความผิดปกติของอุปกรณ์ไฟฟ้า การวางแผนบำรุงรักษาโรงไฟฟ้า และการบริหารระบบกักเก็บพลังงาน

AI ยังสามารถช่วยวิเคราะห์ความต้องการไฟฟ้าและบริหารการเดินเครื่องของระบบไฟฟ้าที่มีความซับซ้อนมากขึ้น

รายงาน IEA ระบุว่า AI มีศักยภาพช่วยเพิ่มประสิทธิภาพการดำเนินงานของระบบไฟฟ้า รวมถึงการตรวจจับความผิดปกติและการใช้ความสามารถของโครงข่ายเดิมให้เกิดประโยชน์มากขึ้น 

อย่างไรก็ตาม ประโยชน์ดังกล่าวไม่ได้เกิดขึ้นโดยอัตโนมัติ ต้องมีข้อมูลที่มีคุณภาพ ระบบควบคุมที่เหมาะสม บุคลากรที่มีความเชี่ยวชาญ และมาตรการด้าน Cybersecurity รองรับ

ดังนั้น AI จึงมีทั้งบทบาทเป็นผู้สร้างความต้องการไฟฟ้าใหม่ และเป็นเครื่องมือที่อาจช่วยเพิ่มประสิทธิภาพของระบบพลังงานในอนาคต

อนาคต AI อาจถูกกำหนดด้วยความพร้อมของระบบไฟฟ้า

โลกกำลังเข้าสู่ยุคที่ความก้าวหน้าของ AI ไม่ได้ขึ้นอยู่กับ GPU, Semiconductor และ Software เพียงอย่างเดียวอีกต่อไป แต่ขึ้นอยู่กับความสามารถในการจัดหาไฟฟ้าที่เพียงพอ มีคุณภาพ เชื่อถือได้ และมีต้นทุนแข่งขันได้

การเติบโตของ AI Data Center กำลังทำให้ระบบพลังงานกลายเป็นส่วนหนึ่งของการแข่งขันด้านเทคโนโลยีระดับโลก

ประเทศที่มีเงินลงทุนและเทคโนโลยีจำนวนมาก แต่ไม่สามารถขยายระบบไฟฟ้าได้ทัน อาจสูญเสียโอกาสในการพัฒนา AI Infrastructure

ในทางกลับกัน ประเทศที่มีโครงสร้างพื้นฐานไฟฟ้าพร้อม มีระบบพลังงานสะอาด และสามารถบริหารต้นทุนอย่างมีประสิทธิภาพ อาจกลายเป็นพื้นที่ยุทธศาสตร์สำคัญสำหรับการลงทุน AI

สำหรับประเทศไทย การพัฒนา AI Data Center Hub จึงต้องดำเนินการควบคู่กับการวางแผนระบบไฟฟ้า ไม่ใช่แยกนโยบายดิจิทัลออกจากนโยบายพลังงาน

ภาครัฐควรเร่งพัฒนาความพร้อมของระบบสายส่งและหม้อแปลง เปิดทางเลือกให้ผู้ประกอบการจัดหาไฟฟ้าผ่าน Direct PPA หรือร่วมลงทุนแหล่งผลิตไฟฟ้า ส่งเสริมระบบทำความเย็นประสิทธิภาพสูง และกำหนดหลักเกณฑ์จัดสรรต้นทุนที่ไม่สร้างภาระอย่างไม่เป็นธรรมต่อประชาชน

เพราะในอนาคต ประเทศที่มี GPU มากที่สุดอาจไม่ใช่ประเทศที่ชนะการแข่งขัน AI แต่ประเทศที่สามารถจัดหาไฟฟ้าให้ GPU ทำงานได้อย่างมั่นคง รวดเร็ว และมีต้นทุนเหมาะสมต่างหากที่จะมีความได้เปรียบ

และสำหรับประเทศไทย คำถามสำคัญอาจไม่ใช่เพียงว่าเราจะดึงดูดการลงทุน AI Data Center ได้กี่พันล้านบาท
1. แต่คือ เราจะพัฒนาระบบพลังงานให้รองรับเศรษฐกิจ AI ได้ทัน โดยไม่ผลักภาระต้นทุนให้ประชาชนได้อย่างไร
2. นี่อาจเป็นหนึ่งในโจทย์นโยบายพลังงานที่สำคัญที่สุดของประเทศไทยในทศวรรษหน้า