AI กับพลังงานไฟฟ้า

ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI กลายเป็นส่วนหนึ่งของชีวิตประจำวันอย่างเงียบ ๆ เราใช้มันในการค้นหาข้อมูล รับคำแนะนำเนื้อหาที่ตรงกับความสนใจ วางแผนการเดินทาง ช่วยตัดสินใจในเรื่องเล็ก ๆ น้อย ๆ ไปจนถึงพูดคุยกับ AI เสมือนเป็นผู้ช่วยส่วนตัว แต่ท่ามกลางความสะดวกเหล่านี้ มีคำถามสำคัญที่เราอาจไม่เคยหยุดคิดอย่างจริงจัง นั่นคือ AI ดำรงอยู่ได้อย่างไร

คำตอบไม่ได้มีเพียงข้อมูลจำนวนมหาศาลหรืออัลกอริทึมที่ซับซ้อน แต่ยังมีอีกปัจจัยหนึ่งที่ขาดไม่ได้ นั่นคือ พลังงานไฟฟ้า
ทุกครั้งที่เราพิมพ์คำถามถึง AI ทุกครั้งที่อัลกอริทึมคัดเลือกวิดีโอ เพลง หรือคำนวณเส้นทางที่เร็วที่สุดให้เรา เบื้องหลัง คือ ศูนย์ข้อมูล (Data Center) ที่ทำงานตลอด 24 ชั่วโมง และใช้พลังงานไฟฟ้าอย่างต่อเนื่อง

AI ใช้ไฟฟ้ามากเพียงใด?

การฝึก (training) และการใช้งาน AI (deployment) ส่วนใหญ่เกิดขึ้นในศูนย์ข้อมูล ซึ่งเป็นสถานที่ติดตั้งเซิร์ฟเวอร์ (Servers) ระบบจัดเก็บข้อมูล (Storage systems) อุปกรณ์เครือข่าย (Networking equipment) จำนวนมาก และอุปกรณ์อื่น ๆ ที่เกี่ยวข้อง เพื่อประมวลผล จัดเก็บ และรับส่งข้อมูล ทำให้บริการดิจิทัลทำงานได้อย่างไม่สะดุด

ข้อมูลจากองค์การพลังงานระหว่างประเทศ (International Energy Agency: IEA, 2025) ระบุว่า เซิร์ฟเวอร์เป็นส่วนที่ใช้ไฟฟ้ามากที่สุด โดยเฉลี่ยคิดเป็นประมาณร้อยละ 60 ของการใช้ไฟฟ้าทั้งหมด ขณะที่ระบบจัดเก็บข้อมูลและอุปกรณ์เครือข่ายใช้ไฟฟ้ารวมกันราวร้อยละ 10 และเนื่องจากอุปกรณ์ไอทีสร้างความร้อนจำนวนมาก จึงจำเป็นต้องมีระบบทำความเย็น (cooling control) เพื่อให้อุปกรณ์ไอทีสามารถทำงานได้ในสภาพที่เหมาะสม 

โดยปริมาณการใช้ไฟฟ้าของระบบทำความเย็นมีสัดส่วนแตกต่างกันตามประสิทธิภาพของศูนย์ข้อมูล ตั้งแต่ประมาณร้อยละ 7 ไปจนถึงมากกว่าร้อยละ 30 ทั้งนี้ สัดส่วนการใช้ไฟฟ้าของส่วนต่าง ๆ เหล่านี้จะแตกต่างกันขึ้นอยู่กับขนาด ประเภทการใช้งาน และประสิทธิภาพของศูนย์ข้อมูลนั้น ๆ

โดยทั่วไป ศูนย์ข้อมูลแบบดั้งเดิมใช้ไฟฟ้าประมาณ 10–25 เมกะวัตต์ (MW) ขณะที่ศูนย์ข้อมูลขนาดใหญ่ระดับไฮเปอร์สเกล (hyperscale) ซึ่งรองรับงานด้าน AI โดยเฉพาะ มักต้องใช้ไฟฟ้ามากกว่า 100 เมกะวัตต์ต่อแห่ง ปริมาณการใช้ไฟฟ้ารายปีของศูนย์ข้อมูลระดับนี้เทียบได้กับการใช้ไฟฟ้าของบ้านเรือนประมาณ 100,000 หลัง 

ข้อมูลจาก IEA ระบุว่า ในปี ค.ศ. 2024 ศูนย์ข้อมูลทั่วโลกใช้ไฟฟ้าประมาณร้อยละ 1.5 ของการใช้ไฟฟ้าทั้งหมดของโลก หรือราว 415 เทราวัตต์-ชั่วโมง (TWh) โดยสหรัฐอเมริกาเป็นประเทศที่ใช้ไฟฟ้าในศูนย์ข้อมูลมากที่สุด คิดเป็นร้อยละ 45 ของการใช้ทั่วโลก รองลงมาคือจีน ร้อยละ 25 และยุโรป ร้อยละ 15  

นอกจากนี้ ตั้งแต่ปี ค.ศ. 2017 เป็นต้นมา การใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกเพิ่มขึ้นเฉลี่ยปีละประมาณร้อยละ 12 ซึ่งสูงกว่าอัตราการเติบโตของการใช้ไฟฟ้าโลกมากกว่า 4 เท่า

IEA คาดการณ์ว่า ภายในปี ค.ศ. 2030 การใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นมากกว่าสองเท่า เป็นประมาณ 945 เทราวัตต์-ชั่วโมง (TWh) ซึ่งใกล้เคียงกับปริมาณการใช้ไฟฟ้าทั้งหมดของประเทศญี่ปุ่นในปัจจุบัน โดยมี AI เป็นแรงขับเคลื่อนหลัก
ข้อมูลดังกล่าวสะท้อนว่า AI เป็นเทคโนโลยีที่ใช้พลังงานไฟฟ้าจำนวนมาก

AI: ผู้เพิ่มประสิทธิภาพพลังงาน 

อย่างไรก็ตาม AI ไม่ได้เป็นเพียงผู้ใช้พลังงาน แต่ยังเป็นเครื่องมือสำคัญในการเพิ่มประสิทธิภาพของระบบพลังงาน 

ปัจจุบัน บริษัทด้านพลังงานได้นำ AI มาใช้ในหลายขั้นตอน ตั้งแต่การสำรวจและจัดหาพลังงาน การผลิตและส่งไฟฟ้า ไปจนถึงการบริหารจัดการการใช้พลังงาน โดยมีเป้าหมายเพื่อลดต้นทุน เพิ่มความมั่นคงของระบบ ลดการหยุดชะงักในการจ่ายไฟ ยืดอายุการใช้งานของอุปกรณ์ และลดการปล่อยก๊าซเรือนกระจก เป็นต้น

อุตสาหกรรมน้ำมันและก๊าซเป็นหนึ่งในภาคส่วนแรก ๆ ที่นำ AI มาใช้ ตั้งแต่การสำรวจ การผลิต การบำรุงรักษา ไปจนถึงการเสริมสร้างความปลอดภัย ในขั้นตอนการสำรวจ AI ช่วยวิเคราะห์ข้อมูลธรณีวิทยาได้อย่างละเอียดและแม่นยำขึ้น ลดความไม่แน่นอนก่อนการขุดเจาะ ส่วนในขั้นตอนการดำเนินงาน AI ช่วยเพิ่มประสิทธิภาพและความเป็นอัตโนมัติของการผลิต เช่น การออกแบบหลุมขุดเจาะ การตรวจจับการรั่วไหล และการคาดการณ์การซ่อมบำรุงล่วงหน้า เป็นต้น

ในระบบไฟฟ้า AI มีบทบาทสำคัญในการบริหารจัดการโครงข่ายไฟฟ้าที่มีความซับซ้อนมากขึ้น ทั้งจากการเพิ่มขึ้นของแหล่งผลิตไฟฟ้าที่หลากหลาย และการเชื่อมโยงกับเทคโนโลยีดิจิทัล AI สามารถช่วยพยากรณ์และผสานการผลิตไฟฟ้าจากพลังงานหมุนเวียนที่มีความผันผวน เช่น พลังงานลมและแสงอาทิตย์ เข้าสู่ระบบไฟฟ้าได้อย่างมีประสิทธิภาพ ลดการจำกัดการผลิตไฟฟ้า (curtailment) 

อีกทั้งยังช่วยตรวจจับจุดขัดข้องในโครงข่ายได้อย่างรวดเร็วและแม่นยำ สามารถลดระยะเวลาไฟฟ้าดับได้ประมาณร้อยละ 30–50

นอกจากนี้ IEA ประเมินว่า หากมีการใช้เซ็นเซอร์ระยะไกล (remote sensors) ร่วมกับ AI อาจเพิ่มขีดความสามารถของสายส่งไฟฟ้าได้สูงสุดถึง 175 กิกะวัตต์ (GW) โดยไม่ต้องสร้างสายส่งใหม่ 

นอกจากช่วยบริหารระบบไฟฟ้าแล้ว AI ยังมีบทบาทสำคัญในการเร่งนวัตกรรมพลังงานคาร์บอนต่ำ อาทิ การพัฒนาวัสดุสำหรับโซลาร์เซลล์ เทคโนโลยีดักจับคาร์บอน (carbon capture) แบตเตอรี่รุ่นใหม่ และการออกแบบระบบไฮโดรเจนคาร์บอนต่ำ (low-carbon hydrogen systems) ให้มีประสิทธิภาพยิ่งขึ้น

AI ต่อเศรษฐกิจ

ผลกระทบของ AI ต่อการจัดหาและบริหารพลังงานที่กล่าวมา เป็นเพียงตัวอย่างบางส่วนที่เกิดขึ้นในภาคพลังงานเท่านั้น ในความเป็นจริง AI มีศักยภาพในการเปลี่ยนแปลงเศรษฐกิจในวงกว้าง

อุตสาหกรรมในอนาคตจะพึ่งพาเทคโนโลยีดิจิทัลและระบบอัตโนมัติมากขึ้น ประเทศ หรือ บริษัทที่นำ AI มาใช้ก่อนย่อมมีโอกาสสร้างความได้เปรียบทางการแข่งขัน ทั้งในด้านความเร็วในการพัฒนาสินค้า การลดต้นทุนการผลิต และการยกระดับคุณภาพสินค้า 

นอกจากนี้ IEA ประเมินว่า หากมีการนำเทคโนโลยี AI ที่มีอยู่แล้วมาเพิ่มประสิทธิภาพกระบวนการผลิตในวงกว้าง อาจช่วยประหยัดพลังงานได้ในระดับที่มากกว่าปริมาณการใช้พลังงานทั้งหมดของประเทศเม็กซิโกในปัจจุบัน

ในระดับอาคาร AI สามารถช่วยบริหารจัดการการใช้พลังงานให้สอดคล้องกับการใช้งานจริง เช่น ปรับระบบปรับอากาศ แสงสว่าง และอุปกรณ์ไฟฟ้าให้เหมาะกับจำนวนผู้ใช้งาน ช่วงเวลา และสภาพอากาศ ช่วยลดการใช้พลังงานที่ไม่จำเป็น โดยไม่กระทบต่อความสะดวกสบายของผู้ใช้อาคาร  

IEA ประเมินว่า หากขยายการใช้ AI ที่มีอยู่ในปัจจุบันอย่างแพร่หลายทั่วโลก อาจช่วยประหยัดไฟฟ้าได้ราว 300 เทราวัตต์-ชั่วโมง (TWh) ต่อปี ซึ่งเทียบเท่ากับปริมาณไฟฟ้าที่ประเทศออสเตรเลียและนิวซีแลนด์ผลิตได้รวมกันในหนึ่งปี

ประเด็นด้านพลังงานที่ต้องจับตา

ประเด็นแรก แหล่งที่มาของพลังงาน

หากไฟฟ้าที่ใช้ขับเคลื่อนศูนย์ข้อมูลมาจากแหล่งพลังงานที่ปล่อยคาร์บอนสูง หรือพึ่งพาเชื้อเพลิงฟอสซิลในสัดส่วนมาก การเติบโตของ AI ย่อมทำให้การปล่อยก๊าซเรือนกระจกเพิ่มขึ้นตามไปด้วย 
อย่างไรก็ตาม IEA ให้ความเห็นว่า ความกังวลว่า AI จะทำให้ปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศ (climate change) รุนแรงขึ้นมาก อาจเป็นการประเมินที่เกินจริง ขณะเดียวกัน การคาดหวังว่า AI เพียงอย่างเดียวจะสามารถแก้ปัญหานี้ได้ทั้งหมด ก็อาจสูงเกินความเป็นจริงเช่นกัน

IEA คาดการณ์ว่า การปล่อยก๊าซเรือนกระจกจากการใช้ไฟฟ้าของศูนย์ข้อมูลจะเพิ่มจากประมาณ 180 ล้านตัน ในปัจจุบัน เป็น 300–500 ล้านตันในปี ค.ศ. 2035 แม้ว่าตัวเลขดังกล่าวจะยังไม่ถึงร้อยละ 1.5 ของการปล่อยก๊าซจากภาคพลังงานทั้งหมดในช่วงเวลาเดียวกัน แต่ศูนย์ข้อมูลก็ถือเป็นหนึ่งในแหล่งปล่อยก๊าซเรือนกระจกที่เติบโตเร็วที่สุด

ในอีกด้านหนึ่ง AI อาจช่วยลดการปล่อยก๊าซได้มากกว่าปริมาณที่ศูนย์ข้อมูลปล่อยออกมาเอง หากมีการนำ AI ที่มีอยู่แล้วมาใช้อย่างแพร่หลายเพื่อเพิ่มประสิทธิภาพการผลิตและการใช้พลังงาน อย่างไรก็ตาม IEA ประเมินว่า การลดลงดังกล่าวยังไม่เพียงพอต่อระดับที่จำเป็นต่อการแก้ไขปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศโดยรวม 

ดังนั้น แม้ AI จะเป็นเครื่องมือสำคัญที่สามารถช่วยลดการปล่อยก๊าซเรือนกระจกได้ แต่ก็ไม่ใช่คำตอบสำเร็จรูปเพียงอย่างเดียว และไม่สามารถทดแทนนโยบายเชิงรุกที่จำเป็นต่อการแก้ไขปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศได้

ประเด็นที่สอง ความเหลื่อมล้ำด้านโครงสร้างพื้นฐาน 

ข้อมูลจาก IEA ระบุว่า ประเทศเศรษฐกิจเกิดใหม่และกำลังพัฒนา (ยกเว้นจีน) มีสัดส่วนผู้ใช้อินเทอร์เน็ตประมาณร้อยละ 50 ของทั้งโลก แต่กลับมีกำลังการให้บริการของศูนย์ข้อมูลไม่ถึงร้อยละ 10 ของทั่วโลก ตัวเลขนี้สะท้อนว่า การเข้าถึงเทคโนโลยีดิจิทัลไม่ได้แปลว่าจะมีโครงสร้างพื้นฐานรองรับอย่างเพียงพอ 

ประเทศหรือภูมิภาคที่มีระบบไฟฟ้าที่เชื่อถือได้และมีต้นทุนเหมาะสมย่อมได้เปรียบในการดึงดูดการลงทุนด้านศูนย์ข้อมูล สามารถพัฒนาโครงสร้างพื้นฐานเพื่อรองรับ AI และต่อยอดอุตสาหกรรมไอทีโดยรวม อีกทั้งการลงทุนดังกล่าวยังอาจกระตุ้นให้เกิดโครงการผลิตไฟฟ้าคาร์บอนต่ำเพิ่มเติม

ในทางกลับกัน พื้นที่ที่มีระบบไฟฟ้าไม่มั่นคงหรือมีต้นทุนพลังงานสูงย่อมเสียเปรียบทั้งในการพัฒนาและนำ AI มาใช้ รวมถึงการดึงดูดการลงทุนด้านศูนย์ข้อมูลและโครงสร้างพื้นฐานดิจิทัลอื่น ๆ ส่งผลให้โอกาสทางเศรษฐกิจดิจิทัลกระจุกตัวอยู่ในเพียงบางประเทศหรือบางภูมิภาค  

อีกทั้งประเทศหรือภูมิภาคที่ประสบปัญหาไฟฟ้าดับบ่อย หรือ มีระบบไฟฟ้าไม่เสถียร การดำเนินงานของศูนย์ข้อมูลย่อมมีความเสี่ยงและต้นทุนสูงขึ้น ทำให้ภาคธุรกิจอาจเลือกใช้บริการโฮสต์ข้อมูลในต่างประเทศแทน ซึ่งยิ่งตอกย้ำความเหลื่อมล้ำด้านโครงสร้างพื้นฐานในระยะยาว

และประเด็นสุดท้าย ภาระต่อระบบไฟฟ้าโดยรวม

ศูนย์ข้อมูลขนาดใหญ่สามารถใช้ไฟฟ้าในระดับใกล้เคียงกับเมืองขนาดเล็ก และศูนย์ข้อมูลที่ออกแบบมาเพื่อรองรับงาน AI โดยเฉพาะ มีการใช้ไฟฟ้าใกล้เคียงกับโรงงานอุตสาหกรรมที่ใช้พลังงานสูง เช่น โรงถลุงอะลูมิเนียม แต่ศูนย์ข้อมูลแตกต่างจากโรงงานทั่วไปตรงที่มักกระจุกตัวอยู่ในบางพื้นที่ 

เช่น ในสหรัฐอเมริกา เกือบครึ่งหนึ่งของกำลังการให้บริการของศูนย์ข้อมูลทั้งหมด กระจุกตัวอยู่ในเพียง 5 พื้นที่หลัก ส่งผลให้บางพื้นที่มีสัดส่วนการใช้ไฟฟ้าจากศูนย์ข้อมูลสูงมาก เช่น ในไอร์แลนด์ ศูนย์ข้อมูลใช้ไฟฟ้าประมาณร้อยละ 20 ของไฟฟ้าที่จ่ายเข้าสู่ระบบทั้งหมด

ขณะที่ในสหรัฐอเมริกา มี 6 รัฐที่ศูนย์ข้อมูลใช้ไฟฟ้ามากกว่าร้อยละ 10 ของการใช้ไฟฟ้าทั้งรัฐ โดยรัฐเวอร์จิเนียมีสัดส่วนสูงที่สุด อยู่ที่ประมาณร้อยละ 25

การกระจุกตัวเช่นนี้ ย่อมทำให้โครงข่ายไฟฟ้าในระดับท้องถิ่น ต้องเผชิญกับความท้าทายอย่างมีนัยสำคัญ จากภาระการใช้ไฟฟ้าจำนวนมากของศูนย์ข้อมูลเหล่านี้ หากขาดการวางแผนล่วงหน้า ทั้งด้านกำลังการผลิตไฟฟ้า การบริหารจัดการโหลด และการลงทุนโครงสร้างพื้นฐานเพิ่มเติม การเติบโตของ AI อาจสร้างแรงกดดันต่อโครงข่ายไฟฟ้า ทำให้ต้นทุนสูงขึ้น และเพิ่มความเสี่ยงต่อเสถียรภาพของระบบไฟฟ้า

ดังนั้น ความท้าทายจึงไม่ใช่เพียงการพัฒนา AI ให้ก้าวหน้า แต่คือการทำให้การเติบโตนั้นสอดคล้องกับศักยภาพของระบบพลังงาน เพื่อให้ AI เป็นพลังขับเคลื่อนเศรษฐกิจอย่างยั่งยืน ไม่ใช่ภาระในระยะยาว

บริบทประเทศไทย

ประเทศไทยกำลังเร่งพัฒนาโครงสร้างพื้นฐานดิจิทัลอย่างจริงจัง คณะกรรมการส่งเสริมการลงทุน (2569) หรือ บีโอไอ เปิดเผยว่า ได้มีการอนุมัติโครงการลงทุนศูนย์ข้อมูลจำนวน 7 โครงการ มูลค่ารวมกว่า 96,000 ล้านบาท ในเดือนมกราคมที่ผ่านมา 

นอกจากนี้ ในปี พ.ศ. 2568 มีคำขอรับการส่งเสริมการลงทุนในกิจการศูนย์ข้อมูลรวม 36 โครงการ คิดเป็นมูลค่ารวมกว่า 728,000 ล้านบาท พื้นที่ตั้งโครงการส่วนใหญ่กระจุกตัวในเขตอุตสาหกรรมและเขตเศรษฐกิจสำคัญของประเทศ ได้แก่ จังหวัดระยอง (ร้อยละ 33) ชลบุรี (ร้อยละ 32) และสมุทรปราการ (ร้อยละ 12) ส่วนที่เหลือกระจายอยู่ในปทุมธานี ฉะเชิงเทรา และกรุงเทพมหานคร  การลงทุนดังกล่าวมาจากทั้งผู้ประกอบการไทยและต่างชาติ อาทิ สหราชอาณาจักร สิงคโปร์ และญี่ปุ่น

คำถามสำคัญคือ ประเทศไทยจะได้รับประโยชน์เชิงเศรษฐกิจมากน้อยเพียงใดจากการลงทุนเหล่านี้ และในอีกด้านหนึ่ง การเติบโตของศูนย์ข้อมูลจะสร้างแรงกดดันต่อระบบไฟฟ้าและโครงสร้างพลังงานของไทยหรือไม่

โอกาส: มูลค่าเพิ่มทางเศรษฐกิจ

ในเชิงเศรษฐกิจ การลงทุนศูนย์ข้อมูลสามารถสร้างผลเชิงบวกได้ในหลายมิติ ไม่ว่าจะเป็นการจ้างงานด้านวิศวกรรมและเทคนิค การกระตุ้นการลงทุนในโครงสร้างพื้นฐานที่เกี่ยวข้อง เช่น ระบบไฟฟ้าและโครงข่ายสื่อสาร  รวมถึงการเพิ่มความสามารถในการดึงดูดอุตสาหกรรมที่ใช้ AI และคลาวด์ เป็นต้น

อย่างไรก็ตาม โอกาสเหล่านี้มาพร้อมกับต้นทุนและความท้าทายที่ต้องพิจารณาอย่างรอบคอบ

ความท้าทาย: ภาระต่อระบบพลังงานไฟฟ้า

ศูนย์ข้อมูลเป็นโครงสร้างพื้นฐานที่ใช้ไฟฟ้าสูงมาก และต้องการไฟฟ้าที่มีเสถียรภาพตลอด 24 ชั่วโมง แม้ประเทศไทยจะมีระบบโครงข่ายไฟฟ้าที่ค่อนข้างมั่นคง แต่โครงสร้างการผลิตไฟฟ้าในปัจจุบันยังพึ่งพาก๊าซธรรมชาติมากกว่าร้อยละ 50 ของกำลังผลิตทั้งหมด ขณะที่พลังงานหมุนเวียนมีสัดส่วนประมาณร้อยละ 20  

อย่างไรก็ตาม ร่างแผนพัฒนากำลังผลิตไฟฟ้าของประเทศไทย พ.ศ. 2567–2580 (PDP2024) ได้ปรับเพิ่มเป้าหมายสัดส่วนพลังงานสะอาด จากร้อยละ 36 เป็นร้อยละ 51 ภายในปี ค.ศ. 2037 แต่ขณะเดียวกัน ก็ปรับเพิ่มการนำเข้า LNG (ก๊าซธรรมชาติเหลว) ด้วย

เนื่องจากมีแผนก่อสร้างโรงไฟฟ้าก๊าซธรรมชาติเพิ่ม (TDRI, 2024) ประเด็นสำคัญคือ ราคา LNG มีความผันผวนสูงตามตลาดโลกและอ่อนไหวต่อสถานการณ์ภูมิรัฐศาสตร์  เมื่อเกิดความตึงเครียดทางการเมืองระหว่างประเทศหรือความไม่สงบในภูมิภาคผู้ผลิตพลังงาน ราคาก๊าซย่อมปรับตัวสูงขึ้น ซึ่งส่งผลให้ต้นทุนการผลิตไฟฟ้าของประเทศเพิ่มขึ้นตามไปด้วย

จากบริบทดังกล่าว การเติบโตของศูนย์ข้อมูลและ AI จึงไม่ได้เป็นเพียงประเด็นทางเทคโนโลยีเท่านั้น หากแต่เกี่ยวข้องโดยตรงกับโครงสร้างพลังงานของประเทศ ซึ่งมีประเด็นที่ควรพิจารณาอย่างน้อย 3 ประการ 

ประเด็นแรก ความเสี่ยงด้านต้นทุนไฟฟ้า

โครงสร้างการผลิตไฟฟ้าของไทยยังพึ่งพาก๊าซธรรมชาติในสัดส่วนสูง และมีแผนเพิ่มการนำเข้า LNG การพึ่งพาเชื้อเพลิงนำเข้าซึ่งมีความผันผวนตามตลาดโลกทำให้ต้นทุนค่าไฟฟ้าของประเทศมีความอ่อนไหวต่อปัจจัยภายนอก หากราคาก๊าซปรับสูงขึ้น ผลกระทบจะไม่จำกัดอยู่เพียงภาคดิจิทัลหรือศูนย์ข้อมูลเท่านั้น แต่จะส่งผ่านไปยังภาคอุตสาหกรรมอื่นและประชาชนโดยรวม ผ่านต้นทุนพลังงานที่เพิ่มขึ้น
ประเด็นที่สอง ความสามารถในการแข่งขันระยะยาว

การตัดสินใจลงทุนศูนย์ข้อมูลในระดับภูมิภาคย่อมพิจารณาทั้งต้นทุนไฟฟ้า ความมั่นคงของอุปทาน และสัดส่วนพลังงานสะอาด หากประเทศไทยยังมีการพึ่งพาเชื้อเพลิงฟอสซิลในสัดส่วนสูง หรือไม่สามารถควบคุมต้นทุนพลังงานให้อยู่ในระดับแข่งขันได้ อาจเสียเปรียบประเทศที่มีพลังงานหมุนเวียนในสัดส่วนสูงกว่าและมีความคาดการณ์ได้มากกว่าของต้นทุนพลังงานในระยะยาว

และประเด็นสุดท้าย ความสอดคล้องกับเป้าหมายด้านสภาพภูมิอากาศ
ประเทศไทยตั้งเป้าหมาย Carbon Neutrality และ Net Zero ในระยะยาว การขยายตัวของ AI และศูนย์ข้อมูลจึงควรสอดคล้องกับทิศทางดังกล่าว มิฉะนั้น การเติบโตของเศรษฐกิจดิจิทัลอาจขัดแย้งกับพันธกรณีด้านสภาพภูมิอากาศของประเทศ

โดยสรุป การเติบโตของ AI และศูนย์ข้อมูล เป็นทั้งโอกาสและบททดสอบเชิงโครงสร้างของระบบพลังงานไทย หากมีการวางแผนและกำหนดนโยบายอย่างบูรณาการ ไทยสามารถใช้โอกาสนี้ยกระดับเศรษฐกิจดิจิทัลได้อย่างมั่นคงและยั่งยืน

อย่างไรก็ตาม หากขาดความสอดคล้องระหว่างนโยบายดิจิทัล และนโยบายพลังงาน การเติบโตดังกล่าวอาจสร้างแรงกดดันต่อโครงข่ายไฟฟ้า เพิ่มต้นทุนพลังงาน และส่งผลกระทบต่อขีดความสามารถทางเศรษฐกิจในระยะยาว

สุดท้ายนี้ บทความนี้ไม่ได้มีเจตนาคัดค้านการใช้ AI หรือการลงทุนศูนย์ข้อมูล หากแต่ต้องการชวนให้ตระหนักว่า AI เป็นเทคโนโลยีที่ใช้พลังงานมากกว่าที่หลายคนคิด

เมื่อ AI กลายเป็นส่วนหนึ่งของชีวิต เศรษฐกิจ และสังคม คำถามสำคัญจึงไม่ใช่เพียงว่า “เราจะทำให้ AI ฉลาดขึ้นได้อย่างไร” แต่คือ “เราจะจัดการพลังงานเพื่อรองรับ AI อย่างไร” เพื่อให้มันเป็นพลังขับเคลื่อนประเทศ ไม่ใช่ภาระในอนาคต

อ้างอิง (References): 

International Energy Agency. (2025). Energy and AI: World Energy Outlook special report [PDF].

https://iea.blob.core.windows.net/assets/de9dea13-b07d-42c5-a398-d1b3ae17d866/EnergyandAI.pdf  

TDRI. (2024, กรกฎาคม 19). ทีดีอาร์ไอจัดสัมมนา “PDP 2024 เร่ง หรือ รั้ง พาไทยไปสู่เป้าพลังงานสะอาด” [Review of PDP 2024]. Thailand Development Research Institute. https://tdri.or.th/2024/07/review-pdp2024-news/ คณะกรรมการส่งเสริมการลงทุน. (2569). บอร์ดบีโอไออนุมัติโครงการลงทุนดาต้าเซ็นเตอร์ 7 โครงการ มูลค่ากว่า 96,000 ล้านบาท [ข่าวประชาสัมพันธ์]. https://www.boi.go.th/index.php?page=press_releases_detail&topic_id=138444&_module=news&from_page=press_releases2&language=th 

คอลัมน์เศรษฐเสวนา จุฬาฯ ทัศนะ โดย... ผศ.ดร.กรรณิการ์ ดวงเนตร คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย หนังสือพิมพ์ฐานเศรษฐกิจ ฉบับ 4181