AI กับ พลังงานที่ต้องจ่าย

เบื้องหลังการปฏิวัติเทคโนโลยีคือวิกฤตพลังงาน น้ำ และต้นทุนที่สังคมอาจจะต้องใส่ใจ

เทคโนโลยีปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนโลกด้วยความเร็วที่ไม่เคยเกิดขึ้นมาก่อน มันขับเคลื่อนเศรษฐกิจ สร้างอุตสาหกรรมใหม่ และกำหนดทิศทางของยุคข้อมูล แต่เบื้องหลัง “สมองกลอัจฉริยะ” เหล่านี้ โลกกำลังแบกรับต้นทุนมหาศาล ทั้งในรูปของพลังงาน น้ำ เงินทุน และผลกระทบต่อสิ่งแวดล้อมที่ยังไม่ถูกนับรวมในสมการของความก้าวหน้า

การลงทุนที่ไม่มีเพดาน

อุตสาหกรรม AI กำลังขยายตัวในระดับที่เศรษฐกิจโลกไม่เคยเผชิญมาก่อน มีการประเมินว่าโครงสร้างพื้นฐานด้าน AI จะต้องใช้เงินลงทุนสูงถึง 5.2 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 การใช้จ่ายด้านศูนย์ข้อมูลและเครือข่าย AI จะเพิ่มจาก 375 พันล้านดอลลาร์ในปี 2025 เป็น 500 พันล้านดอลลาร์ในปี 2026 บริษัทยักษ์ใหญ่ของโลก Microsoft, Amazon, Meta และ Google กำลังแข่งขันกันทุ่มเงินสร้างโครงสร้างพื้นฐานเพื่อรองรับคลื่น AI ที่กำลังมา

Mark Zuckerberg แห่ง Meta ระบุว่าจะใช้เงินกว่า 600 พันล้านดอลลาร์ในสหรัฐฯ ภายในปี 2028 ขณะที่ Jensen Huang แห่ง Nvidia ประเมินว่าการลงทุนทั่วโลกในโครงสร้างพื้นฐาน AI อาจแตะ 3–4 ล้านล้านดอลลาร์ภายในสิ้นทศวรรษนี้ ความจริงนี้ตอกย้ำว่า AI ไม่ได้เป็นเพียงซอฟต์แวร์ แต่คืออุตสาหกรรมกายภาพขนาดมหึมาที่กำลังกลืนทรัพยากรโลกอย่างรวดเร็ว

พลังงานที่โลกต้องจ่าย

ความฉลาดของ AI กำลังแลกมาด้วยต้นทุนพลังงานที่ทวีคูณ BloombergNEF ประเมินว่าภายในปี 2035 ศูนย์ข้อมูลในสหรัฐฯ จะใช้ไฟฟ้าสูงถึง 78 กิกะวัตต์ เพิ่มจาก 35 กิกะวัตต์ในปี 2024 หรือมากกว่าปัจจุบันเท่าตัว ตัวเลขนี้เท่ากับ 8.6% ของความต้องการไฟฟ้าทั้งประเทศ สะท้อนให้เห็นว่าอุตสาหกรรม AI กำลังกลายเป็นผู้บริโภคพลังงานรายใหญ่ระดับโลก

นอกจากนี้ มีการเตือนว่าการประมวลผลของ AI เพียงอย่างเดียวอาจกินพลังงานมากถึง 40% ของศูนย์ข้อมูลทั่วโลกภายในปี 2030 ความต้องการไฟฟ้าที่เพิ่มขึ้นอย่างต่อเนื่องนี้กำลังส่งผลโดยตรงต่อราคาพลังงานของผู้บริโภค การศึกษาชี้ว่าพื้นที่ใกล้ศูนย์ข้อมูลขนาดใหญ่ในสหรัฐฯ มีราคาไฟฟ้าขายส่งพุ่งสูงขึ้นกว่า 267% ในช่วงห้าปีที่ผ่านมา การเพิ่มขึ้นที่สะท้อนแรงกดดันระหว่าง “ความก้าวหน้า” และ “ความสามารถในการอยู่รอดของระบบพลังงาน”

น้ำที่ระเหยไปกับข้อมูล

นอกจากไฟฟ้าแล้ว “น้ำ” กำลังกลายเป็นทรัพยากรสำคัญของโลกดิจิทัล ศูนย์ข้อมูล AI ต้องใช้น้ำปริมาณมหาศาลในการระบายความร้อน International Energy Agency (IEA) ระบุว่าศูนย์ข้อมูลขนาด 100 เมกะวัตต์ใช้น้ำเฉลี่ย 2 ล้านลิตรต่อวัน เทียบเท่ากับการใช้น้ำของครัวเรือนกว่า 6,500 หลัง

ในช่วงสามปีที่ผ่านมาพบว่ามีศูนย์ข้อมูลใหม่มากกว่า 160 แห่งเกิดขึ้นในสหรัฐฯ โดยจำนวนมากตั้งอยู่ในพื้นที่ที่ประสบปัญหาภัยแล้งอยู่แล้ว เช่น รัฐแอริโซนา ปริมาณการใช้น้ำของศูนย์ข้อมูลทั่วโลกคาดว่าจะเพิ่มจาก 560 พันล้านลิตรในปี 2024 เป็น 1.2 ล้านล้านลิตรภายในปี 2030 ที่น่ากังวลคือเกือบ 80% ของน้ำที่ใช้ในศูนย์ข้อมูล AI ในสหรัฐฯ มาจากแหล่งน้ำดื่ม ซึ่งเป็นตัวเลขที่ตั้งคำถามต่อความยั่งยืนของเทคโนโลยีที่กำลังขยายตัวอย่างไร้ขีดจำกัด

วิกฤตบุคลากรและชิป

เบื้องหลังการแข่งขันทางเทคโนโลยีคือการขาดแคลนทรัพยากรที่สำคัญที่สุด “คน” และ “ชิป” ปัจจุบัน ทั่วโลกมีตำแหน่งงานว่างด้าน AI กว่า 4.2 ล้านตำแหน่ง แต่มีผู้เชี่ยวชาญเพียง 320,000 คน ที่มีคุณสมบัติเหมาะสมผลคือบริษัทต่าง ๆ ต้องจ่ายค่าตอบแทนเฉลี่ยสูงกว่าตลาด 28% และบางตำแหน่งเชี่ยวชาญเฉพาะทางสูงกว่า 56%

ในด้านฮาร์ดแวร์ การผลิตชิปประมวลผลกำลังกลายเป็นสมรภูมิใหม่ ผู้เล่นรายใหญ่ ทิ้งคู่แข่งรายเล็กให้ขาดแคลนทรัพยากรที่จำเป็นต่อการพัฒนาโมเดล AI สถานการณ์นี้ชี้ให้เห็นว่าอุตสาหกรรม AI กำลังเข้าสู่ยุคที่ “ทรัพยากรจำกัดแต่ความทะเยอทะยานไร้ขอบเขต”

ทางรอดของโลกอัจฉริยะ เมื่อความยั่งยืนกลายเป็นเงื่อนไขการอยู่รอด

แม้ภาพรวมจะเต็มไปด้วยความท้าทาย แต่ความพยายามสร้าง “AI ที่ยั่งยืน” กำลังเกิดขึ้นทั่วโลก Google ประกาศแนวทาง “Power First” เพื่อสร้างศูนย์ข้อมูลที่ใช้พลังงานสะอาด Microsoft ตั้งเป้าจัดหาพลังงานหมุนเวียน 10.5 กิกะวัตต์ภายในปี 2030 ส่วน Amazon ใช้พลังงานหมุนเวียนมากกว่า 30 เทราวัตต์ชั่วโมง และตั้งเป้าใช้พลังงานสะอาด 100% ภายในปี 2025

ในเชิงเทคนิค นวัตกรรมอย่าง Model Pruning, Quantization และ Knowledge Distillation กำลังช่วยลดการใช้พลังงานโดยไม่ลดประสิทธิภาพการทำงาน ตัวอย่างจาก Google ที่ใช้ AI ควบคุมระบบทำความเย็นในศูนย์ข้อมูลจนสามารถลดการใช้พลังงานได้ถึง 40% แสดงให้เห็นว่าปัญญาประดิษฐ์สามารถเป็นทั้งผู้สร้างปัญหาและผู้แก้ปัญหาได้ในเวลาเดียวกัน

บทสรุป: ความฉลาดต้องมาพร้อมความรับผิดชอบ

AI กำลังเปลี่ยนโลกในทุกมิติ แต่การปฏิวัติครั้งนี้ไม่ได้มาฟรี ต้นทุนที่แท้จริงของมันกำลังถูกจ่ายด้วยพลังงาน น้ำ และทรัพยากรของโลกที่มีอยู่อย่างจำกัดหากไม่มีการบริหารจัดการอย่างรอบคอบ เทคโนโลยีที่ถูกสร้างขึ้นเพื่อยกระดับชีวิตมนุษย์อาจกลายเป็นตัวเร่งให้โลกเผชิญวิกฤตสิ่งแวดล้อมและเศรษฐกิจเร็วกว่าที่คิด

คำถามสำคัญจึงไม่ใช่ว่า “AI จะไปได้ไกลแค่ไหน” แต่คือ “มนุษย์จะจัดการกับราคาที่ต้องจ่ายเพื่อมันได้หรือไม่” เพราะสุดท้าย ความฉลาดของเครื่องจักรจะไม่มีความหมายเลย หากโลกที่มันอาศัยอยู่ไม่อาจดำรงอยู่ต่อไปได้

ที่มา: 

McKinsey, Deloitte, BloombergNEF, Bloomberg News, MIT, UBS, IEA, Bank of America, Lightcast, Microsoft, Meta, Amazon

McKinsey & Company. (2025, April 27). The cost of compute: A $7 trillion race to scale data centers. Retrieved from https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers

CNBC. (2025, October 17). Utilities are grappling with how much AI data center power demand. Retrieved from https://www.cnbc.com/2025/10/17/ai-data-center-openai-gas-nuclear-renewable-utility.html

Stansberry Research. (2025, October 1). The AI Infrastructure Boom Is Built on Steel and Concrete. Retrieved from https://stansberryresearch.com/stock-market-trends/ai-infrastructure-investment-the-hidden-boom-in-construction-materials

Vettafi. (2025, July 6). The boom of AI is built on infrastructure. Retrieved from https://www.vettafi.com/insights/indexing-article-the-boom-of-ai-is-built-on-infrastructure

TechCrunch. (2025, October 9). The billion-dollar infrastructure deals powering the AI boom. Retrieved from https://techcrunch.com/2025/10/10/the-billion-dollar-infrastructure-deals-powering-the-ai-boom/

Deloitte. (2025, March 4). Studiu Deloitte: Utilizarea inteligenţei artificiale generative va dubla consumul de energie electrică al centrelor de date la nivel global până în 2030. Retrieved from https://www.deloitte.com/ro/en/about/press-room/studiu-deloitte-utilizarea-inteligentei-artificiale-generative-va-dubla-consumul-de-energie-electrica-al-centrelor-de-date-la-nivel-global-pana-2030.html

Epoch AI. (2024, June 2). How much does it cost to train frontier AI models? Retrieved from https://epoch.ai/blog/how-much-does-it-cost-to-train-frontier-ai-models

Observer. (2025, October 2). The $300 Billion A.I. Infrastructure Crisis Hiding in Plain Sight. Retrieved from https://observer.com/2025/10/ai-infrastructure-crisis-300-billion/

Bloomberg NEF. (2025, July 20). Power for AI: Easier Said Than Built. Retrieved