กระแส AI Boom ส่งผลให้ความต้องการใช้งานพลังงานของ AI Data Center ทั่วโลกเพิ่มขึ้นอย่างก้าวกระโดด ข้อมูลจาก IEA ระบุว่าปริมาณการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกเติบโตถึง 17% ในปี 2025 ขณะที่ศูนย์ข้อมูลที่เน้น AI โดยเฉพาะเติบโตเร็วกว่านั้นถึง 50% ในปีเดียวกัน ดังนั้นการสร้างความสมดุลระหว่างความก้าวหน้าทางเทคโนโลยีและการดูแลสิ่งแวดล้อมจึงเป็นโจทย์เร่งด่วนของนักพัฒนาโครงสร้างพื้นฐานในวันนี้
ความต้องการพลังงานของระบบ AI เมื่อ Training และ Inference ไม่เท่ากัน
การประมวลผลของ AI แบ่งออกเป็นสองช่วงที่ใช้พลังงานต่างกันอย่างมีนัยสำคัญ
ช่วงการฝึกฝนโมเดล (Training) คือช่วงที่ใช้พลังงานเข้มข้นที่สุดในระยะเวลาหนึ่ง ตัวอย่างที่ชัดเจนคือ การฝึกโมเดลภาษาขนาดใหญ่หนึ่งตัวในปี 2023 ใช้พลังงานไปราว 50 กิกะวัตต์ชั่วโมง และสร้างคาร์บอนไดออกไซด์เทียบเท่าประมาณ 552 ตัน หรือใกล้เคียงกับคาร์บอนฟุตพรินต์รายปีของครัวเรือนสหรัฐฯ ราว 121 หลังคาเรือน
ในขณะที่ ช่วงการอินเฟอเรนซ์ (Inference) หรือการนำโมเดลไปให้บริการกับผู้ใช้จริง แม้ใช้พลังงานต่อครั้งน้อยกว่ามาก แต่เมื่อมีผู้ใช้งานพร้อมกันหลายล้านคนทั่วโลกตลอดเวลา สัดส่วนการประมวลผลของ AI ส่วนใหญ่ในระยะยาวกลับตกอยู่ที่ Inference มากกว่า Training ทำให้พลังงานสะสมในภาพรวมสูงกว่าที่หลายคนคาดคิด นี่คือเหตุผลที่การบริหารจัดการพลังงานสะอาดต้องมองทั้งสองช่วงควบคู่กัน ไม่ใช่แค่ตอนฝึกโมเดลเท่านั้น
พลังงานหมุนเวียน จากทางเลือกสู่มาตรฐานใหม่
เมื่อความต้องการไฟฟ้าเพิ่มขึ้น บริษัทเทคโนโลยีชั้นนำทั่วโลกจึงเปลี่ยนมาให้ความสำคัญกับ พลังงานหมุนเวียน อย่างจริงจัง ข้อมูลจาก IEA ระบุว่า ภาคเทคโนโลยีคิดเป็นสัดส่วนถึงราว 40% ของสัญญาซื้อขายไฟฟ้าพลังงานหมุนเวียนขององค์กร (Corporate PPA) ทั้งหมดที่เกิดขึ้นในปี 2025 สะท้อนว่าพลังงานสะอาดไม่ใช่แค่ทางเลือกเชิงภาพลักษณ์อีกต่อไป แต่เป็นเงื่อนไขจำเป็นในการดำเนินธุรกิจดาต้าเซ็นเตอร์ยุค AI
แนวโน้มนี้ไม่ได้จำกัดอยู่แค่บริษัทเทคโนโลยีระดับโลก บ้านปูภายใต้กลุ่มธุรกิจ Power+ นำ AI มาใช้บริหารจัดการพลังงานในธุรกิจซื้อขายไฟฟ้าที่ประเทศญี่ปุ่น ผ่านระบบพยากรณ์ราคาไฟฟ้าด้วยปัญญาประดิษฐ์ (AI-based Electricity Price Forecasting) เพื่อเพิ่มประสิทธิภาพและผลตอบแทนจากการซื้อขายไฟฟ้า สะท้อนความสัมพันธ์สองทางที่น่าสนใจ AI ไม่ได้เป็นเพียงตัวเพิ่มความต้องการไฟฟ้าเท่านั้น แต่ยังเป็นเครื่องมือสำคัญที่ช่วยบริหารจัดการพลังงานให้มีประสิทธิภาพมากขึ้นไปพร้อมกัน
เลือกทำเลให้ฉลาด กลยุทธ์ที่มองข้ามไม่ได้ของศูนย์ข้อมูล AI
นอกจากแหล่งพลังงานแล้ว การเลือกทำเลที่ตั้งคือกลยุทธ์ที่ส่งผลต่อประสิทธิภาพพลังงานไม่แพ้กัน ผู้พัฒนาศูนย์ข้อมูลยุคใหม่จึงหันมาพิจารณา 2 ปัจจัยหลักร่วมกัน
- ความใกล้ชิดกับแหล่งพลังงานสะอาด การตั้งศูนย์ข้อมูลในพื้นที่ที่กริดไฟฟ้ามีสัดส่วนพลังงานหมุนเวียนสูงอยู่แล้ว เป็นการลดต้นทุนการส่งไฟฟ้าทางไกลและการพึ่งพาโครงสร้างพื้นฐานเพิ่มเติม
- ภูมิอากาศเย็น จะช่วยลดภาระของระบบระบายความร้อนได้โดยตรง เมื่อผนวกกับ ระบบระบายความร้อนด้วยของเหลว (Liquid Cooling) ที่มีประสิทธิภาพเหนือกว่าระบบปรับอากาศทั่วไป จะยิ่งลดการใช้พลังงานได้มากขึ้นไปอีกขั้น
การตรวจสอบประสิทธิภาพพลังงานอย่างสม่ำเสมอควบคู่กับ 2 ปัจจัยนี้ ช่วยให้ผู้ประกอบการค้นหาจุดที่สามารถเพิ่มการใช้พลังงานให้มีประสิทธิภาพมากขึ้น และเป็นก้าวสำคัญของการพัฒนา Data Center ประหยัดพลังงาน อย่างยั่งยืนในระยะยาว
คำถามที่พบบ่อย
-
ทำไมศูนย์ข้อมูล AI ถึงใช้พลังงานมากกว่าศูนย์ข้อมูลทั่วไป?
- เนื่องจากการประมวลผลของ AI โดยเฉพาะการฝึกฝนโมเดลขนาดใหญ่ ต้องใช้ชิปประมวลผลกราฟิก (GPU) จำนวนมากซึ่งทำงานพร้อมกันตลอดเวลา ทั้งช่วง Training ที่ใช้พลังงานเข้มข้นระยะสั้น และช่วง Inference ที่ใช้พลังงานสะสมต่อเนื่องตลอดอายุการใช้งานโมเดล
-
Training กับ Inferenceอันไหนใช้พลังงานรวมมากกว่ากัน?
- แม้ Training จะใช้พลังงานเข้มข้นที่สุดต่อครั้ง แต่ Inference ที่เกิดขึ้นซ้ำๆ จากผู้ใช้งานหลายล้านคนทั่วโลกตลอดเวลา มักสะสมเป็นสัดส่วนพลังงานรวมที่มากกว่าในระยะยาว
-
การเลือกทำเลที่ตั้งช่วยประหยัดพลังงานได้จริงแค่ไหน?
- การตั้งศูนย์ข้อมูลในพื้นที่อากาศเย็นและใกล้แหล่งพลังงานสะอาด ช่วยลดทั้งภาระระบบทำความเย็นและต้นทุนพลังงานได้อย่างมีนัยสำคัญ เป็นปัจจัยที่ผู้พัฒนาศูนย์ข้อมูลระดับโลกให้ความสำคัญมากขึ้นเรื่อยๆ
การเติบโตของ AI ไม่จำเป็นต้องแลกมาด้วยภาระต่อโลก การเข้าใจพฤติกรรมการใช้พลังงานที่แท้จริงของ AI ทั้ง Training และ Inference ผนวกกับกลยุทธ์เลือกทำเลอย่างชาญฉลาด และพลังงานหมุนเวียน คือกุญแจสำคัญที่จะนำไปสู่ความยั่งยืนอย่างแท้จริง
บ้านปู คือ ผู้นำด้านพลังงานที่หลากหลาย ดำเนินธุรกิจหลัก 4 กลุ่มธุรกิจ ได้แก่ U.S. Closed-Loop Gas (ก๊าซธรรมชาติครบวงจรในสหรัฐฯ) Next-Gen Mining (เหมืองยุคใหม่) Power+ (ไฟฟ้าและธุรกิจที่เกี่ยวเนื่อง) Future Tech (เทคโนโลยีแห่งอนาคต) ในประเทศไทย อินโดนีเซีย จีน ออสเตรเลีย ลาว มองโกเลีย ญี่ปุ่น สหรัฐอเมริกา และเวียดนาม โดยมุ่งขยายขีดความสามารถด้านพลังงานของโลก ผ่านการสร้างสรรค์โซลูชันพลังงานที่มั่นคงและรับผิดชอบ เพื่อขับเคลื่อนโลกสู่อนาคตที่ดียิ่งกว่าเดิม
ติดตามเรื่องราวที่น่าสนใจเกี่ยวกับพลังงานและความยั่งยืนได้ที่นี่ และทางเพจเฟซบุ๊ก Banpu
References
- IEA — Energy and AI (Executive Summary): https://www.iea.org/reports/energy-and-ai/executive-summary
- IEA — Key Questions on Energy and AI: https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
- World Economic Forum — How data centres can avoid doubling their energy use by 2030: https://www.weforum.org/stories/2025/12/data-centres-and-energy-demand/
- Banpu — Q3/2025 Performance (AI-based Electricity Price Forecasting, Japan): https://www.banpu.com/wp-content/uploads/2025/11/Press-Release_Banpu-Reveals-Q32025-Performance.pdf