การเติบโตของ AI มาพร้อมกับ “ต้นทุนพลังงาน” ที่ถูกพูดถึงน้อยเกินไป และอาจกลายเป็นข้อจำกัดสำคัญก่อนที่โลกจะตั้งตัวทัน

ในช่วง 2–3 ปีที่ผ่านมา โลกได้เห็นการเติบโตของ AI อย่างก้าวกระโดด โดยเฉพาะการมาของ Large Language Models และระบบ AI ที่สามารถประมวลผลข้อมูลขนาดใหญ่ได้แบบเรียลไทม์ แต่สิ่งที่ถูกพูดถึงน้อยกว่ามาก คือ “ต้นทุนที่แท้จริง” ของ AI ซึ่งไม่ใช่แค่ค่าโมเดลหรือค่าแรงวิศวกร แต่คือ“พลังงาน”

งานวิจัยจาก International Energy Agency (IEA) ประเมินว่า ภายในปี 2026 Data Center ทั่วโลกจะใช้ไฟฟ้ารวมกันมากกว่า 1,000 เทราวัตต์-ชั่วโมงต่อปี หรือเทียบเท่ากับปริมาณการใช้ไฟฟ้าของญี่ปุ่นทั้งประเทศ การฝึกโมเดล AI ขนาดใหญ่เพียงหนึ่งโมเดลเช่น GPT-4 สามารถปล่อยคาร์บอนไดออกไซด์เทียบเท่ากับรถยนต์หลายร้อยคันในหนึ่งปี

ขณะที่การถาม AI เพียงหนึ่งครั้งใช้พลังงานมากกว่าการค้นหาผ่าน search engine ทั่วไปถึง 10 เท่า ยิ่ง AI ถูกใช้งานมากขึ้นในระดับองค์กรและระดับประเทศ ความต้องการพลังงานก็เพิ่มขึ้นแบบ“ทวีคูณ” ไม่ใช่แบบเส้นตรง นี่ทำให้ Data Center กลายเป็นโครงสร้างพื้นฐานที่สำคัญไม่ต่างจากถนนหรือไฟฟ้าในอดีต คำถามสำคัญจึงไม่ใช่แค่ว่า “AI จะฉลาดแค่ไหน” แต่คือ “เรามีพลังงานพอจะเลี้ยงมันหรือไม่”

โลกกำลังเผชิญ “Energy Bottleneck” โดยไม่รู้ตัว

ความต้องการพลังงานของ AI กำลังแซงหน้าความสามารถในการขยายโครงสร้างพื้นฐานด้านไฟฟ้า ส่งผลให้เกิด “คอขวดเชิงพลังงาน” ในหลายประเทศทั่วโลก

ปัจจุบัน บริษัทเทคโนโลยีขนาดใหญ่ เช่น Microsoft, Google และ Amazon กำลังเร่งลงทุนใน Data Center และ AI Infrastructure อย่างมหาศาล ตัวเลขจาก Goldman Sachs ระบุว่าการลงทุนด้านนี้ทั่วโลกจะแตะ1 ล้านล้านดอลลาร์สหรัฐ ในช่วงปี 2025–2030 แต่ในขณะเดียวกัน หลายโครงการกลับเริ่มชะลอหรือปรับแผน เนื่องจากต้นทุนพลังงานที่สูงขึ้น และข้อจำกัดของโครงข่ายไฟฟ้าในพื้นที่สำคัญอย่าง Northern Virginia และ Dublin ซึ่งเป็นศูนย์กลาง Data Center ของโลก

Data Center รุ่นใหม่ที่รองรับ AI ต้องใช้ไฟฟ้ามากกว่ารุ่นเดิมหลายเท่า ไม่ใช่แค่เพื่อประมวลผล แต่รวมถึงระบบระบายความร้อนที่ซับซ้อนมากขึ้น โดยเฉพาะการทำความเย็นสำหรับ GPU Cluster ความหนาแน่นสูงซึ่งบางระบบต้องใช้น้ำหรือสารทำความเย็นพิเศษแทนระบบลมเย็นแบบดั้งเดิม

ในบางประเทศ ความต้องการไฟฟ้าจาก Data Center เริ่มแย่งทรัพยากรกับภาคอุตสาหกรรมและภาคครัวเรือน ไอร์แลนด์เป็นตัวอย่างที่ชัดเจน เพราะรัฐบาลต้องออกมาตรการจำกัดการสร้าง Data Center ใหม่ในกรุงดับลิน หลังพบว่า Data Center บริโภคไฟฟ้าถึงกว่า 20% ของปริมาณการใช้ไฟฟ้าทั้งประเทศ

ขณะที่การพัฒนาโครงสร้างพื้นฐานด้านพลังงาน เช่น โรงไฟฟ้าหรือระบบส่งไฟฟ้ากลับใช้เวลาสร้างนานกว่าการพัฒนา AI Model หลายปี

สิ่งที่กำลังเกิดขึ้นคือ “คอขวดเชิงพลังงาน” (Energy Bottleneck) ซึ่งอาจกลายเป็นข้อจำกัดหลักของการเติบโตของ AI ในอนาคต ในอีกมุมหนึ่ง ประเทศที่สามารถผลิตพลังงานได้มากและมีเสถียรภาพ จะได้เปรียบเชิงยุทธศาสตร์ทันที ไม่ต่างจากประเทศที่เคยได้เปรียบจากน้ำมันในอดีต

เมื่อพลังงาน = อำนาจใหม่ของโลก AI

บริษัทเทคโนโลยีระดับโลกเริ่มลงทุนในพลังงานโดยตรง สะท้อนว่าพลังงานกำลังกลายเป็น“ทรัพยากรเชิงกลยุทธ์” ที่กำหนดผู้นำในยุค AI ไม่ต่างจากน้ำมันในอดีต

หากมองลึกลงไป ปรากฏการณ์นี้อาจกำลังเปลี่ยน “สมการอำนาจของโลก”อย่างเงียบๆ ในอดีตเทคโนโลยีถูกขับเคลื่อนโดยซอฟต์แวร์และนวัตกรรม แต่ในยุค AI สิ่งที่อยู่เบื้องหลังความก้าวหน้าทั้งหมดคือ“ฮาร์ดแวร์และพลังงาน”ทำให้ประเทศหรือองค์กรที่มีทั้งสองสิ่งนี้ กลายเป็นผู้กำหนดทิศทางของโลก

สิ่งที่น่าสนใจคือ บริษัทเทคโนโลยีเริ่มหันไปลงทุนในพลังงานโดยตรงมากขึ้น Microsoft ทำสัญญาซื้อไฟฟ้าจากโรงไฟฟ้านิวเคลียร์ Three Mile Island ในสหรัฐฯ ส่วน Google และ Amazon ก็เร่งลงทุนในพลังงานนิวเคลียร์ขนาดเล็ก (SMR) และพลังงานหมุนเวียน เพื่อประกันความมั่นคงของพลังงานสำหรับ Data Center ของตนเอง นี่คือสัญญาณที่ชัดเจนว่าพลังงานไม่ใช่แค่ “ปัจจัยสนับสนุน” อีกต่อไป แต่กำลังกลายเป็น“ทรัพยากรเชิงกลยุทธ์”ในตัวเอง

สำหรับประเทศไทย คำถามสำคัญจึงไม่ใช่แค่ว่า “เราจะใช้ AI อย่างไร”แต่คือ“เรามีโครงสร้างพื้นฐานด้านพลังงานรองรับหรือไม่”ท่ามกลางความทะเยอทะยานที่จะเป็น AI Hub ของภูมิภาค

ประเทศไทยมีข้อได้เปรียบด้านที่ตั้ง ต้นทุน และโครงสร้างพื้นฐาน แต่การจะก้าวขึ้นไปในระดับนั้นได้จริงต้องเริ่มจากการวางแผนพลังงานระยะยาวที่ตอบโจทย์ความต้องการของ AI โดยเฉพาะ

เพราะในโลกที่ AI กลายเป็นเครื่องมือหลักของเศรษฐกิจ พลังงานอาจไม่ใช่แค่ต้นทุนอีกต่อไป แต่จะกลายเป็น “ข้อจำกัด” หรือแม้กระทั่ง “อำนาจ”ที่กำหนดว่าใครจะเป็นผู้ชนะในยุคถัดไป

แล้วไทยเราพร้อมแค่ไหนกับสมการใหม่นี้?

ดร.กร พูนศิริวงศ์