‘AI’ กินไฟมหาศาล เตรียมรับมือ วิกฤติ! พลังงาน

จอร์จ โลเปซ รองประธานนักวิเคราะห์ การ์ทเนอร์ กล่าวว่า จากการคาดการณ์ของการ์ทเนอร์ในอีกสองปีข้างหน้าอุตสาหกรรมดาต้าเซนเตอร์อาจเติบโตสูงถึง 160% และการใช้ไฟฟ้าที่เพิ่มขึ้นอย่างรวดเร็วนี้อาจส่งผลกระทบต่อความพร้อมใช้งานของพลังงาน และนำไปสู่ภาวะขาดแคลนไฟฟ้า

การ์ทเนอร์คาดการณ์ว่า ภายในอีกสองปี 40% ของดาต้าเซนเตอร์ AI ที่มีอยู่จะถูกจำกัดการดำเนินงานด้วยปัญหาด้านพลังงาน ซึ่งจะสร้างความท้าทายอย่างมากสำหรับองค์กรที่วางแผนจะนำเทคโนโลยีเหล่านี้มาใช้

นอกจากนี้ยังส่งผลกระทบอย่างมีนัยสำคัญต่อกลยุทธ์ด้านคลาวด์ โดยราคาอาจเพิ่มขึ้น 10 ถึง 100 เท่าของราคาปัจจุบันเนื่องจากการใช้พลังงานจาก AI ที่เพิ่มขึ้น

ปัจจุบัน มีการวางแผนสร้างดาต้าเซนเตอร์ขนาดใหญ่ใหม่ๆ เพื่อรองรับข้อมูลจำนวนมหาศาลที่จำเป็นสำหรับฝึกฝน และใช้งาน Large Language Models (LLMs) ที่กำลังขยายตัวอย่างรวดเร็ว ซึ่งเป็นพื้นฐานของการพัฒนาแอปพลิเคชัน GenAI 

อย่างไรก็ตาม บางประเทศกำลังระงับการก่อสร้างดาต้าเซนเตอร์ การขออนุญาตสร้างดาต้าเซนเตอร์ในยุโรปถูกปฏิเสธเนื่องจากความต้องการพลังงานเกินกว่ากำลังการผลิตไฟฟ้าในท้องถิ่น บางพื้นที่ เช่น ไอร์แลนด์ และสิงคโปร์ จำกัดหรือหยุดการเติบโตของดาต้าเซนเตอร์อย่างสิ้นเชิง เนื่องจากข้อกังวลด้านพลังงาน

ต้องเตรียมพร้อมตั้งแต่ ‘วันนี้’

ไม่ว่ารูปการณ์จะเป็นอย่างไร การสร้างระบบส่งไฟฟ้า การจัดจำหน่าย และกำลังการผลิตใหม่อาจต้องใช้เวลาหลายปีกว่าจะเริ่มใช้งานได้ และไม่สามารถบรรเทาปัญหาในปัจจุบันจนกว่าจะมีทางออก องค์กรต่างๆ ต้องเตรียมพร้อมตั้งแต่วันนี้เพื่อลดความเสี่ยงดังกล่าว

การ์ทเนอร์ ระบุว่า องค์กรต้องคำนึงถึงผลกระทบเชิงลบที่อาจเกิดขึ้นจากการใช้พลังงานสำหรับการใช้งาน และติดตั้ง AI ทั้งในองค์กร และบนคลาวด์ สิ่งนี้จะช่วยลดความเสี่ยงจากการหยุดชะงักทางธุรกิจ และแม้แต่การปิดกิจการ เนื่องจากอุปสงค์ด้านพลังงานเกินกว่าอุปทานที่มี

 ศักยภาพในการเพิ่มประสิทธิภาพการใช้พลังงานจากความก้าวหน้าของเทคโนโลยีเซมิคอนดักเตอร์ และสถาปัตยกรรมองค์กรแบบใหม่ก็เป็นสิ่งที่ต้องคำนึงถึง

แม้การ์ทเนอร์คาดว่าจะมีการพัฒนาอย่างก้าวกระโดดในด้านเหล่านี้ แต่ในอีก 36 เดือนข้างหน้าจะเต็มไปด้วยความวุ่นวาย เนื่องจากทั้งผู้เล่นรายเดิมที่กำลังเติบโต และผู้เล่นรายใหม่ที่เข้ามาแข่งขันกันในตลาดต่างต้องการเป็นผู้นำตลาด

สิ่งสำคัญคือ องค์กรต้องพิจารณาหาทางเลือกใหม่ๆ ด้านการจัดหาพลังงาน เพื่อให้มีพลังงานเพียงพอใช้เพื่อตอบสนองความต้องการที่เพิ่มขึ้น และในอดีตแสดงให้เห็นแล้วว่าโรงไฟฟ้าสามารถอัปเกรดเมื่อเวลาผ่านไปเพื่อรองรับความต้องการที่เพิ่มขึ้นเมื่อถึงจุดที่ต้องทำ

สร้างรายได้จาก ‘ข้อมูล - บริการ AI’

อีกประเด็นที่น่ากังวลเพิ่มขึ้นคือ โครงสร้างพื้นฐานสายทองแดงของระบบไฟฟ้า ซึ่งมีการพัฒนาน้อยมากนับตั้งแต่ทศวรรษ 1960 หรือนับตั้งแต่ผลิตขึ้นครั้งแรก สิ่งนี้เป็นข้อจำกัดในการจ่ายไฟฟ้าที่สามารถแก้ไขได้ชั่วคราวโดยการวางดาต้าเซนเตอร์ไว้ใกล้โรงไฟฟ้านิวเคลียร์

ตัวอย่างเช่น Amazon Web Services (AWS) ที่เพิ่งดำเนินการไป โดยตั้งดาต้าเซนเตอร์ขนาด 750MW (เมกะวัตต์) ไว้ใกล้กับโรงไฟฟ้านิวเคลียร์ขนาด 2.3GW (กิกะวัตต์) ในรัฐเพนซิลเวเนีย เพื่อให้แน่ใจว่าจะสามารถสร้างการเติบโตในระยะยาวให้กับดาต้าเซนเตอร์ และจะไม่ประสบปัญหาการหยุดชะงักด้านพลังงาน

แน่นอนว่าตอนนี้ไม่ใช่ทางเลือกที่เป็นไปได้ในประเทศไทย เนื่องจากยังไม่มีโรงไฟฟ้านิวเคลียร์ อย่างไรก็ตามตอนนี้ประเทศไทยกำลังอยู่ในขั้นของการทบทวนร่างแผนพัฒนากำลังผลิตไฟฟ้าของประเทศ หรือ Power Development Plan 2024 (PDP) ที่จะมีการพัฒนาโรงไฟฟ้านิวเคลียร์ขนาดเล็ก หรือ Small Modular Nuclear Reactors (SMR) โดยมีกำลังผลิตสูงสุด 300 เมกะวัตต์ต่อหน่วย

สิ่งที่เป็นผลตามมาอย่างหลีกเลี่ยงไม่ได้เลยจากปัญหาการขาดแคลนพลังงานที่กำลังจะเกิดขึ้นก็คือ ราคาพลังงานที่เพิ่มขึ้นองค์กรควรพิจารณาชดเชยต้นทุนที่เพิ่มขึ้นจากการใช้พลังงานที่เพิ่มขึ้นสำหรับการติดตั้ง และนำ AI มาใช้งาน โดยสรรหาวิธีสร้างรายได้จากข้อมูล และบริการ AI

จับตา ‘ชิป’ ประหยัดพลังงาน

ในอนาคตจะไม่มีพลังงานกำลังประมวลผล และความจุหน่วยความจำบนอุปกรณ์เพียงพอในหลายแอปพลิเคชัน หรือในอุปกรณ์พกพา อุปกรณ์ทางการแพทย์ และอุปกรณ์รักษาความปลอดภัย

สำหรับองค์กรที่จะส่งมอบบริการ AI ในระดับที่ตลาดคาดหวัง การย้ายไปใช้ดาต้าเซนเตอร์ของตนเองหรือใช้ผู้ให้บริการคลาวด์ภายนอก อาจเป็นวิธีที่ดีในการสร้างรายได้จากวิสัยทัศน์ภาพรวม โดยไม่ถูกจำกัดด้วยขนาดของอุปกรณ์หรือแพลตฟอร์ม

นั่นหมายถึงแนวทางใหม่สำหรับโปรเซสเซอร์เซมิคอนดักเตอร์ที่เหมาะสมที่สุดสำหรับการเรียนรู้ และการอนุมาน และแนวทางใหม่สำหรับการบรรจุชิปเพื่อปรับปรุงความเร็วอินพุต/เอาต์พุต (I/O) และการระบายความร้อน

ปัจจุบัน ผู้ผลิตชิปรายใหญ่อื่นๆ กำลังพัฒนา และติดตั้งดาต้าเซนเตอร์ของตนเองเพื่อทำสิ่งที่คล้ายคลึงกัน การแข่งขันเพื่อลดการใช้พลังงาน และปรับปรุงประสิทธิภาพของ AI จะสร้างประโยชน์อย่างมากสำหรับคนรุ่นต่อไป

อย่างไรก็ตามความก้าวหน้าของเทคโนโลยีชิปเพียงอย่างเดียวไม่สามารถทดแทนความจำเป็นในการพัฒนาวิศวกรรมซอฟต์แวร์ AI และสถาปัตยกรรมองค์กรได้

‘แหล่งพลังงาน’ ต้องมาก่อน

อีกหนึ่งประเด็นที่ควรพิจารณา ต้องมั่นใจว่าผู้ให้บริการคลาวด์สามารถจัดหาพลังงานได้เพียงพอ ก่อนที่จะนำหรือใช้โครงสร้างพื้นฐานคลาวด์สำหรับแอปพลิเคชัน AI และ GenAI องค์กรควรตรวจสอบภาพรวมการใช้พลังงานของผู้ให้บริการคลาวด์ และดูเครื่องมือที่แสดงกำลังการผลิต ณ ปัจจุบัน และที่มีอยู่แบบเรียลไทม์

องค์กรจำเป็นต้องกำหนดแผนสำรองในกรณีที่พลังงานไม่เพียงพอ โดยเฉพาะอย่างยิ่งเมื่อรัฐบาลบางประเทศกำหนดมาตรการเชิงรุกระงับการก่อสร้างดาต้าเซนเตอร์เนื่องจากขาดแคลนพลังงานในท้องถิ่น ขณะเดียวกันยังต้องพิจารณาว่าการเปลี่ยนแปลงกำลังการผลิตต้องไม่ส่งผลกระทบต่อนโยบายด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) ของดาต้าเซนเตอร์

ก่อนหน้านี้แนวคิดเก่าที่เคยใช้คือ สร้างดาต้าเซนเตอร์ที่ไหนก็ได้แล้วค่อยต่อไฟเข้าไป แต่ขณะนี้ต้องคิดใหม่ทำใหม่ หาแหล่งพลังงานก่อน แล้วค่อยสร้างดาต้าเซนเตอร์บริเวณใกล้เคียง

ประเทศ รัฐ และเมืองต่างๆ ที่ต้องการรักษาความได้เปรียบสำหรับแข่งขันด้านดาต้าเซนเตอร์ จะต้องลงทุนในกำลังการผลิตไฟฟ้าใหม่ รวมถึงโครงสร้างพื้นฐานใหม่สำหรับการจัดจำหน่าย

 

 

พิสูจน์อักษร....สุรีย์  ศิลาวงษ์