AI โต ต้นทุนสิ่งแวดล้อมพุ่ง ไทยรับโอกาสลงทุน ต้องไม่แลกกับความยั่งยืน

การเติบโตอย่างรวดเร็วของปัญญาประดิษฐ์ (AI) กำลังสร้างโอกาสทางเศรษฐกิจครั้งสำคัญ ทั้งการพัฒนาเทคโนโลยี การลงทุนในโครงสร้างพื้นฐานดิจิทัล และการเพิ่มประสิทธิภาพให้กับภาคธุรกิจ แต่เบื้องหลังความก้าวหน้าเหล่านี้กลับมีต้นทุนด้านสิ่งแวดล้อมที่เพิ่มขึ้นตามมา โดยเฉพาะการใช้ไฟฟ้าและน้ำในศูนย์ข้อมูล (data center) ซึ่งเป็นโครงสร้างพื้นฐานสำคัญที่รองรับการประมวลผลของ AI

เมื่อความต้องการประมวลผลเพิ่มขึ้น การสร้าง data center จึงเกี่ยวข้องโดยตรงกับความมั่นคงทางพลังงาน การจัดการทรัพยากร และเป้าหมายด้านสิ่งแวดล้อมของแต่ละประเทศ

ประเทศไทยก็กำลังเป็นหนึ่งในจุดหมายของการลงทุน data center ที่ได้รับความสนใจจากบริษัทเทคโนโลยีระดับโลก แต่โอกาสทางเศรษฐกิจที่กำลังเข้ามาก็ทำให้ไทยต้องเตรียมความพร้อมด้านพลังงานและโครงข่ายไฟฟ้า ควบคู่ไปกับการกำหนดทิศทางการเติบโตที่ไม่สร้างภาระด้านสิ่งแวดล้อมในระยะยาว

ประเด็นเหล่านี้เป็นส่วนหนึ่งของการบรรยายหัวข้อ “AI for Sustainability & Green Data Center” โดย ดร. เอเตียน มุลเลอร์ (Etienne Mueller) ผู้ช่วยศาสตราจารย์จากมหาวิทยาลัยซีเอ็มเคแอล (CMKL University) บนเวที Talk Stage ในงาน Sustainability Expo 2026 (SX2026) เมื่อวันที่ 8 พฤศจิกายน 2569 ซึ่งชี้ให้เห็นทั้งต้นทุนสิ่งแวดล้อมจากการเติบโตของ AI แนวทางพัฒนา data center ให้เป็นมิตรต่อสิ่งแวดล้อม และโอกาสของประเทศไทยในเศรษฐกิจ AI

AI ใช้พลังงาน-ปล่อย CO2 สูง ต้นทุนสิ่งแวดล้อมซ่อนอยู่เบื้องหลัง

ดร.เอเตียนยกตัวเลขมาอธิบายว่า การพัฒนา AI ให้เก่งขึ้นส่งผลให้การใช้พลังงานของ AI ต่อหนึ่งคำถามมีประสิทธิภาพดีขึ้นมาก โดยหากเป็นการถามคำถามทั่วไปหนึ่งครั้ง การใช้ ChatGPT ในปัจจุบันใช้ปริมาณพลังงานใกล้เคียงกับการค้นหาข้อมูลผ่าน Google หนึ่งครั้ง ต่างจากเมื่อ 2 ปีก่อนที่การใช้พลังงานต่อหนึ่งคำถามของ ChatGPT สูงกว่าการค้นหาทั่วไปผ่าน Google ราว 10 เท่า

อย่างไรก็ตาม การใช้งาน AI ในปัจจุบันไม่ได้จำกัดอยู่แค่การตอบคำถามสั้น ๆ แต่ยังมีการค้นหาข้อมูลเพิ่มเติมและประมวลผลหลายขั้นตอน หรือที่เรียกว่า reasoning loop ทำให้ต้องใช้โทเคนและพลังประมวลผลเพิ่มขึ้น โดยการใช้งานลักษณะนี้อาจทำให้การใช้พลังงานกลับไปสูงกว่าการค้นหาแบบเดิมประมาณ 10 เท่า

นอกจากพลังงานแล้ว น้ำก็เป็นอีกหนึ่งทรัพยากรที่ data center ต้องใช้ โดยเฉพาะระบบระบายความร้อนของเครื่องประมวลผลที่ทำงานต่อเนื่องตลอดเวลา เอเตียนยกตัวเลขจาก OpenAI ที่ระบุว่า การใช้ ChatGPT ประมาณ 1,700 ครั้ง จะใช้น้ำ 500 มิลลิลิตร อย่างไรก็ตาม ตัวเลขนี้คำนวณเฉพาะน้ำที่เกี่ยวข้องกับกระบวนการประมวลผล ขณะที่นักวิจัยอิสระบางส่วนประเมินโดยนำปริมาณน้ำทั้งหมดที่ data center ใช้ รวมถึงการระบายความร้อนมาหารด้วยจำนวนคำถามที่ประมวลผลได้ จึงได้ตัวเลขการใช้น้ำที่สูงกว่า

อีกต้นทุนทางสิ่งแวดล้อมที่สำคัญ คือ การปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) จากการฝึกโมเดล AI ซึ่งต้องใช้พลังประมวลผลมหาศาลต่อเนื่องเป็นเวลาหลายเดือน

เอเตียนอธิบายว่า การฝึกโมเดล GPT-3 (ปี 2020) ใช้พลังงานจนก่อให้เกิดการปล่อย CO2 ประมาณ 200 ตัน เทียบเท่ากับการขับรถยนต์จากโลกไปยังดวงจันทร์และกลับมายังโลก ขณะที่โมเดล GPT-4 ใช้กำลังประมวลผลมากขึ้นประมาณ 50 เท่า ส่วนโมเดล Grok 4 (ปี 2025/26) ปล่อย CO2 ประมาณ 72,000 ตัน เทียบเท่ากับการขับรถไปมาระหว่าง โลกกับดวงอาทิตย์ 4 เที่ยว

ตัวเลขเหล่านี้สะท้อนว่า ต้นทุนสิ่งแวดล้อมของ AI เกิดขึ้นตอนที่ผู้ใช้พิมพ์คำถามเข้าไป แต่ยังเกิดขึ้นตั้งแต่กระบวนการฝึกโมเดล ซึ่งต้องใช้ทรัพยากรจำนวนมาก และบริษัทเทคโนโลยีไม่ได้เปิดเผยข้อมูลการใช้พลังงานและการปล่อยคาร์บอนอย่างละเอียดในทุกกรณี

ในภาพรวม เอเตียนยกตัวเลขมาให้เห็นว่า การใช้พลังงานของ data center ทั่วโลกเพิ่มขึ้นอย่างรวดเร็ว โดยในปี 2024 อยู่ที่ประมาณ 415 เทราวัตต์ชั่วโมง (TWh) และคาดว่าจะเพิ่มเป็น 565 TWh ในปี 2026 ก่อนขยับเข้าใกล้ 1,000 TWh ภายในปี 2030

ปัจจุบันเซิร์ฟเวอร์ AI คิดเป็นประมาณ 31% ของการใช้พลังงานใน data center เพิ่มขึ้นจากราว 20% เมื่อปีก่อนหน้า และการใช้พลังงานของ data center ที่เกี่ยวข้องกับ AI เพิ่มขึ้นถึง 84% ขณะที่การใช้พลังงานของ data center ประเภทอื่นเริ่มทรงตัว ทำให้ AI กลายเป็นแรงขับเคลื่อนหลักที่ทำให้ความต้องการไฟฟ้าเพิ่มขึ้น ทั้งนี้ สหรัฐฯ เป็นประเทศที่มี data center อยู่ถึง 36% ของกำลังไฟฟ้าที่ใช้ใน data center ทั่วโลก

สิ่งที่น่ากังวล คือ การก่อสร้าง data center เติบโตเร็วกว่าการเพิ่มกำลังผลิตไฟฟ้าจากพลังงานหมุนเวียน ทำให้บางพื้นที่ต้องพึ่งพาพลังงานจากเชื้อเพลิงฟอสซิล เช่น ก๊าซธรรมชาติ เพื่อเติมเต็มความต้องการไฟฟ้าที่เพิ่มขึ้น

Data Center กินไฟดุ ไทยต้องระวัง Green Squeeze

สำหรับประเทศไทย ดร.เอเตียนกล่าวว่า กระแสการลงทุน data center และ AI กำลังเติบโตอย่างรวดเร็ว โดยในช่วงครึ่งแรกของปี 2026 มีโครงการ data center และ AI ที่ได้รับอนุมัติแล้ว 88 โครงการ คิดเป็นมูลค่ารวมประมาณ 27,000 ล้านดอลลาร์สหรัฐ

ปัจจุบัน ไทยมีกำลังประมวลผลที่ติดตั้งแล้วประมาณ 216 เมกะวัตต์ (MW) และมีโครงการขนาดเกือบ 1 กิกะวัตต์ (GW) อยู่ระหว่างการก่อสร้าง ภายในสิ้นทศวรรษนี้ คาดว่าจะต้องการกำลังไฟฟ้าเพิ่มอีกประมาณ 3-5 กิกะวัตต์ เพื่อรองรับทั้งความต้องการภายในประเทศและผู้ที่เข้ามาใช้บริการประมวลผลในไทย เนื่องจาก data center สำหรับประมวลผล AI กินไฟมากกว่า data center ทั่วไปอย่างมาก

เอเตียนประเมินว่า หากการลงทุนและการใช้งาน AI ในไทยเติบโตตามที่คาดการณ์ ความต้องการใช้ไฟฟ้าของ data center อาจเพิ่มขึ้นเป็น 6 เทราวัตต์ชั่วโมง (TWh) ภายในปี 2030 หรือคิดเป็นประมาณ 2.5% ของการใช้ไฟฟ้าทั้งประเทศ

โจทย์ของไทยจึงมีทั้งการผลิตไฟฟ้าให้เพียงพอและการจัดสรรพลังงานให้เกิดความสมดุลระหว่างภาคธุรกิจกับประชาชนทั่วไปด้วย

เอเตียนบอกว่า ความเสี่ยงที่ต้องจับตาคือ green squeeze หรือภาวะที่การใช้พลังงานสะอาดของ data center ไปเบียดบังพลังงานสะอาดที่ควรมีไว้สำหรับประชาชน หากบริษัทเทคโนโลยีต้องการให้ data center ของตนมีภาพลักษณ์เป็นมิตรต่อสิ่งแวดล้อม ก็อาจทำสัญญาซื้อพลังงานหมุนเวียนมาใช้ในศูนย์ข้อมูลมากขึ้น แต่เมื่อพลังงานสะอาดมีจำกัด ประชาชนและภาคธุรกิจอื่นอาจต้องหันไปใช้ไฟฟ้าจากแหล่งพลังงานที่ไม่สะอาดแทน

อีกข้อจำกัดของไทยที่เอเตียนชี้คือ โครงข่ายไฟฟ้าของไทย ซึ่งยังไม่ได้ออกแบบมาเพื่อรองรับการกระจายไฟฟ้าไปยัง data center ที่อาจตั้งอยู่ในพื้นที่ห่างไกลจากแหล่งผลิตพลังงานและพื้นที่ที่มีผู้ใช้ไฟฟ้าหนาแน่น และ data center ต้องใช้ไฟฟ้าตลอด 24 ชั่วโมง แต่ระบบโครงข่ายไฟฟ้าเดิมไม่ได้ถูกวางแผนมาเพื่อรองรับความต้องการในลักษณะนี้ ดังนั้น จึงต้องพิจารณาทั้งกำลังผลิตไฟฟ้าและความพร้อมของระบบส่งไฟฟ้าไปพร้อมกัน

มองอีกด้าน AI ช่วยแก้ปัญหาสิ่งแวดล้อมได้ด้วย

แม้ AI จะสร้างความต้องการใช้พลังงานเพิ่มขึ้น แต่ ดร. เอเตียนชี้ให้เห็นอีกด้านตรงข้ามว่า AI มีศักยภาพในการช่วยจัดการปัญหาสิ่งแวดล้อมและเพิ่มประสิทธิภาพการใช้ทรัพยากรได้เช่นกัน

ดร.เอเตียนอธิบายว่า AI สามารถนำมาใช้บริหารจัดการโครงข่ายไฟฟ้า โดยช่วยวิเคราะห์และคาดการณ์ความต้องการใช้พลังงาน เพื่อจัดสรรไฟฟ้าไปยังพื้นที่ที่ต้องการได้อย่างเหมาะสม ช่วยลดความไม่สมดุลของการใช้ไฟฟ้าในแต่ละพื้นที่

นอกจากนี้ ยังสามารถนำมาใช้ติดตามการปล่อยก๊าซเรือนกระจกได้ละเอียดขึ้น ทั้งในระดับเมืองและระดับพื้นที่ ทำให้การตรวจสอบและประเมินสถานการณ์ด้านสิ่งแวดล้อมทำได้ครอบคลุมกว่าเดิม

อีกหนึ่งความก้าวหน้า คือ การใช้ AI ค้นหาวัสดุและแร่ชนิดใหม่ โดยเฉพาะแร่บางประเภทที่มีความซับซ้อนและยากต่อการคาดการณ์ด้วยวิธีการทางฟิสิกส์แบบเดิม AI จึงสามารถช่วยวิเคราะห์และลดระยะเวลาในการวิจัยได้

ขณะที่ภาคเกษตรกรรมสามารถใช้ AI ช่วยทำเกษตรแม่นยำ (precision agriculture) ทั้งการบริหารจัดการน้ำ การพยากรณ์สภาพอากาศ และการกำหนดช่วงเวลาทำกิจกรรมทางการเกษตรให้เหมาะสม ซึ่งอาจช่วยลดการใช้ทรัพยากรและมลพิษที่เกิดจากกระบวนการผลิตได้

ส่วนการติดตามสิ่งแวดล้อมผ่านภาพถ่ายดาวเทียมก็เป็นอีกด้านที่ AI เข้ามามีบทบาท ตั้งแต่การตรวจสอบก๊าซเรือนกระจก การติดตามการตัดไม้ทำลายป่า ไปจนถึงการเฝ้าระวังความหลากหลายทางชีวภาพและสัตว์ป่า

นอกจากนี้ AI ยังสามารถช่วยวิเคราะห์เสียงจากสัตว์ป่าเพื่อคาดการณ์ความเสี่ยงของการเกิดไฟป่า รวมถึงนำมาใช้คาดการณ์ภัยพิบัติที่เกี่ยวข้องกับสภาพภูมิอากาศได้ด้วย

กล่าวได้ว่า AI มีทั้งด้านที่สร้างภาระต่อสิ่งแวดล้อมจากการใช้พลังงานและทรัพยากร และด้านที่สามารถนำมาใช้เพิ่มประสิทธิภาพการบริหารจัดการทรัพยากรและติดตามปัญหาสิ่งแวดล้อมได้ ดังนั้นการพัฒนาเทคโนโลยีต้องทำควบคู่กับการลดต้นทุนด้านสิ่งแวดล้อมที่เกิดขึ้นจากตัวเทคโนโลยีเอง

Green Data Center ลดการใช้พลังงานและนำความร้อนกลับมาใช้

เอเตียนมองว่า แนวทางทำให้ AI และ data center ใช้พลังงานอย่างมีประสิทธิภาพขึ้น จำเป็นต้องดำเนินการหลายระดับ ตั้งแต่การพัฒนาซอฟต์แวร์ การออกแบบ data center ไปจนถึงการออกแบบระบบโครงสร้างพื้นฐาน

ในด้านซอฟต์แวร์ มีแนวทางลดขนาดข้อมูลที่โมเดลต้องใช้ประมวลผล หรือ quantization ซึ่งช่วยลดความละเอียดของตัวเลขที่เก็บอยู่ในโมเดล ทำให้คำนวณได้เร็วขึ้น อีกแนวทางคือ distillation ที่ใช้โมเดลขนาดใหญ่ฝึกโมเดลขนาดเล็กให้สามารถให้ผลลัพธ์ได้ใกล้เคียงกัน รวมถึงการพัฒนาโมเดลเฉพาะทางขนาดเล็กสำหรับงานแต่ละประเภท แทนการเรียกใช้โมเดลขนาดใหญ่ที่ทำงานได้หลากหลายทุกครั้ง

สำหรับ data center หนึ่งในเทคโนโลยีที่เริ่มถูกนำมาใช้มากขึ้นคือ liquid cooling หรือระบบระบายความร้อนด้วยของเหลว ซึ่งช่วยจัดการความร้อนจากเซิร์ฟเวอร์ที่มีความหนาแน่นในการประมวลผลสูงได้ดีขึ้น ปัจจุบันโครงการก่อสร้าง data center ใหม่ประมาณ 40% เริ่มใช้ระบบระบายความร้อนรูปแบบนี้ อย่างไรก็ตาม ระบบระบายความร้อนก็ยังเกี่ยวข้องกับการใช้น้ำ จึงต้องพิจารณาประสิทธิภาพการใช้ทรัพยากรควบคู่กันไป

อีกแนวทางหนึ่งคือการนำความร้อนที่เกิดจาก data center กลับมาใช้ประโยชน์แทนการปล่อยทิ้ง เช่น การนำไปใช้ในภาคเกษตรกรรมหรือกิจกรรมอื่นที่ต้องการความร้อน อย่างแนวทางในเยอรมนีที่มีข้อกำหนดให้ data center นำพลังงานที่ใช้แล้วบางส่วนกลับมาใช้ประโยชน์ในสัดส่วน 10%

ด้านประสิทธิภาพการใช้พลังงานของ data center ยังมีตัวชี้วัดอย่าง PUE (power usage effectiveness) ซึ่งใช้วัดพลังงานที่ data center ใช้ทั้งหมดเทียบกับพลังงานที่อุปกรณ์คอมพิวเตอร์ใช้ โดยค่าต่ำกว่า 1.2 ถือว่ามีประสิทธิภาพที่ดี

การลดผลกระทบยังทำได้ด้วยแนวทาง carbon shifting คือการปรับช่วงเวลาและพื้นที่ประมวลผล โดยบริษัทสามารถย้ายงานประมวลผลไปยังพื้นที่ที่มีพลังงานราคาถูกหรือมีพลังงานหมุนเวียนพร้อมใช้ เช่น พื้นที่ที่มีไฟฟ้าพลังน้ำมากกว่า รวมถึงปรับการประมวลผลระหว่างภูมิภาคเพื่อช่วยลดภาระของโครงข่ายไฟฟ้าในช่วงที่มีความต้องการใช้ไฟสูง

อีกแนวทางคือการประมวลผล AI บนอุปกรณ์ของผู้ใช้ หรือ on-device AI ซึ่งช่วยลดการพึ่งพาทรัพยากรจาก data center ได้บางส่วน อีกทั้งยังมีประโยชน์ด้านความเป็นส่วนตัว เพราะข้อมูลบางประเภทสามารถประมวลผลอยู่บนอุปกรณ์โดยไม่ต้องส่งขึ้นระบบออนไลน์

สำหรับเทคโนโลยีระยะยาว ยังมีการพัฒนาระบบประมวลผลที่ทำงานภายในหน่วยความจำ (in-memory computing) เพื่อลดการเคลื่อนย้ายข้อมูลระหว่างหน่วยความจำกับหน่วยประมวลผล ซึ่งเป็นข้อจำกัดของสถาปัตยกรรมคอมพิวเตอร์ในปัจจุบัน รวมถึงการพัฒนาฮาร์ดแวร์ที่เลียนแบบการทำงานของเซลล์ประสาทในสมองมนุษย์ เพื่อเพิ่มประสิทธิภาพการใช้พลังงาน

ส่วนแนวคิดการใช้เตาปฏิกรณ์นิวเคลียร์ขนาดเล็ก (MRs) เพื่อติดตั้งใกล้ data center ก็เป็นอีกหนึ่งทางเลือกที่มีการพูดถึง แต่เอเตียนมองว่ายังเป็นเทคโนโลยีที่ต้องใช้เวลาและน่าจะเห็นความคืบหน้าในช่วงปี 2030 เป็นต้นไป

ไทยมีโอกาสเป็นศูนย์กลาง AI เอเชีย แต่ต้องไม่สร้างภาระพลังงาน-สิ่งแวดล้อม

ท่ามกลางการแข่งขันด้าน AI ทั่วโลก ดร.เอเตียนมองว่า ประเทศไทยมีโอกาสดึงดูดการลงทุน data center และพัฒนาไปสู่การเป็นศูนย์กลาง AI ในภูมิภาคเอเชีย โดยมีจุดแข็งหลายด้าน ทั้งความเป็นกลางทางภูมิรัฐศาสตร์ที่ไม่ได้เลือกข้างสหรัฐฯ หรือจีน ทำให้สามารถทำงานและดึงดูดการลงทุนจากทั้งสองฝ่ายได้ รวมถึงมีเสถียรภาพด้านกฎระเบียบ และต้นทุนด้านการดำเนินงานในภาค AI ยังสามารถแข่งขันได้

อีกจุดแข็งที่เอเตียนมองคือ ความตื่นตัวของประชาชนไทยต่อเทคโนโลยี AI ซึ่งถือเป็นปัจจัยสำคัญในการสนับสนุนการพัฒนาและผลักดันนโยบายที่เกี่ยวข้อง

ในด้านความยั่งยืน เอเตียนกล่าวว่า ประเทศไทยเริ่มมีความเคลื่อนไหวเพื่อรองรับการเติบโตของ data center มากขึ้น ทั้งโครงการนำร่อง Direct PPA เพื่อส่งเสริมการจัดหาพลังงานไฟฟ้าสีเขียว การพัฒนา Utility Green Tariff (UGT) สำหรับการซื้อไฟฟ้าจากโรงไฟฟ้าที่ได้รับการรับรอง รวมถึงการตั้งคณะกรรมการ Data Center Committee และข้อเสนอให้ data center ที่เข้ามาลงทุนในไทยต้องใช้พลังงานหมุนเวียนตามข้อกำหนดที่กำลังพิจารณา

ดร.เอเตียนมองว่า ทิศทางดังกล่าวเป็นสัญญาณที่ดี แม้มองว่าประเทศไทยสามารถเร่งดำเนินการได้มากกว่านี้

อย่างไรก็ตาม โจทย์สำคัญของไทยคือ การทำให้การเติบโตของอุตสาหกรรม AI ไม่สร้างภาระด้านพลังงานและสิ่งแวดล้อมให้กับประชาชน เพราะหากการลงทุน data center เพิ่มขึ้นโดยไม่มีการวางแผนด้านพลังงานสะอาดและโครงข่ายไฟฟ้าที่เพียงพอ โอกาสทางเศรษฐกิจที่ได้รับก็อาจมาพร้อมต้นทุนที่สังคมต้องแบกรับในระยะยาว

ในตอนท้าย ดร.เอเตียนสรุปความเห็นว่า ความตื่นตัวของประชาชนเป็นสิ่งที่สร้างได้ยาก แต่สูญเสียได้ง่าย หากประเทศไทยสามารถรักษาความสนใจและแรงสนับสนุนของประชาชนต่อเทคโนโลยี AI ไว้ได้ พร้อมกับบริหารจัดการการลงทุนและพลังงานให้เดินหน้าไปด้วยกัน ไทยก็มีโอกาสก้าวขึ้นเป็นศูนย์กลาง AI ของเอเชียได้ในอนาคต