เข้าใจง่าย ๆ AI ใช้ไฟจากไหน และทำไมกระทบพลังงานทั่วโลก

คำถามว่า AI กินไฟขนาดไหน อาจฟังดูเหมือนเรื่องไกลตัว แต่จริง ๆ แล้วมันเริ่มใกล้ชีวิตเรามากขึ้นเรื่อย ๆ เพราะทุกครั้งที่เราใช้แชตบอต สร้างรูปด้วย AI สั่งให้สรุปเอกสาร ค้นข้อมูล เขียนโค้ด หรือให้ระบบแนะนำวิดีโอ เบื้องหลังไม่ได้มีแค่ “โปรแกรมฉลาด ๆ” ทำงานอยู่เท่านั้น

แต่มีเครื่องเซิร์ฟเวอร์จำนวนมากกำลังประมวลผลอยู่ใน ดาต้าเซ็นเตอร์

คำตอบแบบสั้นคือ AI ใช้ไฟไม่น้อย โดยเฉพาะ AI ขนาดใหญ่ที่ต้องใช้ชิปประมวลผลเฉพาะทางจำนวนมาก แต่ก็ไม่ใช่ว่าเราพิมพ์คำถามหนึ่งครั้งแล้วโลกใช้ไฟเท่ากับเปิดแอร์ทั้งหมู่บ้านทันที

เรื่องนี้ต้องแยกให้ชัดระหว่าง การใช้ AI หนึ่งครั้ง กับ โครงสร้างพื้นฐานทั้งหมดของ AI ทั่วโลก

สิ่งที่ทำให้ประเด็นนี้ใหญ่ขึ้น ไม่ใช่แค่ไฟที่ใช้ต่อคำถามหนึ่งครั้ง แต่คือจำนวนผู้ใช้ที่มหาศาล การฝึกโมเดลขนาดใหญ่ การให้บริการตลอด 24 ชั่วโมง การสร้างภาพ วิดีโอ เสียง และการที่บริษัทเทคโนโลยีทั่วโลกกำลังสร้างดาต้าเซ็นเตอร์เพิ่มขึ้นอย่างรวดเร็ว

AI ไม่ได้กินไฟจากหน้าจอเรา แต่มาจากดาต้าเซ็นเตอร์

เวลาเราใช้ AI บนมือถือหรือคอมพิวเตอร์ เครื่องของเราใช้ไฟไม่มากนักเมื่อเทียบกับระบบทั้งหมด สิ่งที่ใช้ไฟจริงคือเครื่องเซิร์ฟเวอร์ในดาต้าเซ็นเตอร์ ซึ่งต้องรับคำสั่งจากผู้ใช้จำนวนมาก แล้วประมวลผลด้วยชิปประสิทธิภาพสูง

ดาต้าเซ็นเตอร์คืออาคารหรือกลุ่มอาคารที่เต็มไปด้วยตู้เซิร์ฟเวอร์ สายไฟ ระบบเครือข่าย ระบบสำรองไฟ และระบบระบายความร้อน

มันทำหน้าที่เหมือน “สมองหลังบ้าน” ของโลกดิจิทัล ทุกอย่างตั้งแต่คลาวด์ อีเมล วิดีโอสตรีมมิง เกมออนไลน์ ธนาคาร แอปส่งอาหาร ไปจนถึง AI ล้วนพึ่งพาดาต้าเซ็นเตอร์ทั้งนั้น

AI ทำให้ดาต้าเซ็นเตอร์ใช้ไฟมากขึ้น เพราะงาน AI จำนวนมากต้องใช้การคำนวณหนักกว่าเว็บทั่วไปมาก โดยเฉพาะงานที่ต้องสร้างข้อความยาว วิเคราะห์ข้อมูลจำนวนมาก สร้างภาพ หรือประมวลผลโมเดลขนาดใหญ่

ทำไม AI ถึงใช้ไฟมาก

AI ขนาดใหญ่ทำงานด้วยการคำนวณตัวเลขจำนวนมหาศาล ชิปในเซิร์ฟเวอร์ต้องคำนวณรูปแบบ ความสัมพันธ์ และความน่าจะเป็นของข้อมูลจำนวนมาก เพื่อสร้างคำตอบออกมาให้เราเห็นในไม่กี่วินาที

ถ้าเป็นการฝึกโมเดล AI ตั้งแต่แรก ยิ่งใช้พลังงานมากกว่า เพราะต้องป้อนข้อมูลมหาศาลให้ระบบเรียนรู้ซ้ำไปซ้ำมาเป็นเวลานาน อาจใช้เครื่องจำนวนมากทำงานพร้อมกันหลายวัน หลายสัปดาห์ หรือมากกว่านั้น ขึ้นอยู่กับขนาดของโมเดล

ส่วนการใช้งานหลังจากฝึกเสร็จแล้ว หรือที่เรียกง่าย ๆ ว่าการให้ AI ตอบผู้ใช้ ก็ใช้ไฟเช่นกัน

แม้อาจน้อยกว่าการฝึกโมเดลต่อครั้ง แต่เมื่อมีผู้ใช้จำนวนมหาศาลทั่วโลก การใช้ไฟรวมก็เพิ่มขึ้นมากได้เหมือนกัน

พูดง่าย ๆ คือ ถ้าใช้คนเดียวอาจดูไม่มาก แต่ถ้าคนจำนวนมหาศาลใช้พร้อมกันทุกวัน ตัวเลขรวมจะไม่ใช่เรื่องเล็กอีกต่อไป

ไม่ใช่แค่ชิป AI แต่ระบบทำความเย็นก็ใช้ไฟด้วย

หลายคนคิดว่าไฟทั้งหมดของ AI ไปอยู่ที่ชิปประมวลผล แต่ความจริงดาต้าเซ็นเตอร์ต้องใช้ไฟกับระบบอื่นด้วย โดยเฉพาะระบบระบายความร้อน

ชิปประสิทธิภาพสูงเมื่อทำงานหนักจะปล่อยความร้อนจำนวนมาก ถ้าระบายความร้อนไม่ดี เครื่องอาจทำงานช้าลง เสียหาย หรือหยุดทำงาน

ดาต้าเซ็นเตอร์จึงต้องมีระบบทำความเย็น ระบบไหลเวียนอากาศ ระบบน้ำเย็น หรือเทคโนโลยีระบายความร้อนแบบพิเศษในบางแห่ง

ดังนั้น AI ไม่ได้กินไฟเฉพาะตอน “คิดคำตอบ” แต่มันกินไฟทั้งระบบที่ทำให้เครื่องคิดคำตอบนั้นทำงานได้ต่อเนื่อง โดยไม่ร้อนจนพัง

ดาต้าเซ็นเตอร์ทั่วโลกใช้ไฟมากแค่ไหน

ในภาพรวม ดาต้าเซ็นเตอร์ทั่วโลกใช้ไฟในระดับหลายร้อยเทราวัตต์ชั่วโมงต่อปี หรือเทียบได้กับการใช้ไฟของประเทศขนาดกลางบางประเทศรวมกัน

ตัวเลขนี้ไม่ได้เป็นของ AI อย่างเดียว เพราะดาต้าเซ็นเตอร์ยังให้บริการอินเทอร์เน็ต คลาวด์ วิดีโอ เกม ระบบองค์กร และบริการดิจิทัลอีกมากมาย

แต่ AI กำลังกลายเป็นตัวเร่งสำคัญ เพราะความต้องการประมวลผลเพิ่มเร็วมาก

รายงานของ International Energy Agency ระบุว่า การใช้ไฟของดาต้าเซ็นเตอร์ทั่วโลกมีแนวโน้มเพิ่มขึ้นอย่างรวดเร็ว และในกรณีฐานอาจเพิ่มขึ้นจนแตะระดับราว 945 เทราวัตต์ชั่วโมงในปี 2030 หรือเกือบ 3% ของการใช้ไฟฟ้าทั่วโลกในปีนั้น

นี่คือเหตุผลที่หลายประเทศเริ่มพูดถึงดาต้าเซ็นเตอร์ในฐานะเรื่องพลังงาน ไม่ใช่แค่เรื่องเทคโนโลยี

เพราะเมื่ออาคารหนึ่งใช้ไฟระดับมหาศาล มันกระทบทั้งระบบไฟฟ้า การวางผังเมือง น้ำ ระบบสายส่ง และการผลิตไฟในอนาคต

ถาม AI หนึ่งครั้งใช้ไฟเท่าไร

คำถามนี้ตอบยาก เพราะขึ้นกับหลายปัจจัย เช่น

โมเดลที่ใช้
ความยาวของคำถาม
ความยาวของคำตอบ
จำนวนผู้ใช้ที่ระบบต้องรองรับ
ชนิดของชิป
ประสิทธิภาพของดาต้าเซ็นเตอร์
และวิธีจัดการโหลดของบริษัทนั้น ๆ

คำถามสั้น ๆ ที่ให้ตอบไม่ยาว อาจใช้พลังงานไม่มากเมื่อมองเป็นรายครั้ง

แต่ถ้าให้ AI วิเคราะห์เอกสารยาวมาก สร้างรูปหลายภาพ สร้างวิดีโอ หรือใช้โมเดลขนาดใหญ่ตอบซ้ำ ๆ พลังงานต่อการใช้งานก็สูงขึ้นได้

จุดสำคัญคือ อย่ามองแค่คำถามหนึ่งครั้งแบบโดด ๆ แต่ต้องมองจำนวนครั้งทั้งหมด

ถ้าคนหลายร้อยล้านคนใช้ AI ทุกวัน แม้แต่การใช้ไฟเล็กน้อยต่อครั้ง ก็กลายเป็นไฟฟ้าจำนวนมากเมื่อรวมกันทั่วโลก

สร้างภาพและวิดีโอด้วย AI มักใช้ไฟมากกว่าข้อความ

การให้ AI ตอบข้อความทั่วไปใช้การคำนวณแบบหนึ่ง แต่การสร้างภาพ วิดีโอ หรือเสียงที่ซับซ้อน มักต้องใช้การประมวลผลหนักกว่า เพราะระบบต้องสร้างข้อมูลใหม่จำนวนมาก ไม่ใช่แค่เรียงคำตอบเป็นประโยค

โดยเฉพาะวิดีโอ AI ที่ต้องสร้างหลายเฟรมต่อเนื่องกัน ยิ่งใช้ทรัพยากรมากกว่าการสร้างข้อความธรรมดาอย่างชัดเจน

ถ้าอนาคตคนใช้ AI สร้างคลิป วิดีโอ โฆษณา เกม หรือภาพเคลื่อนไหวจำนวนมาก การใช้ไฟก็อาจเพิ่มตามไปด้วย

นี่คือเหตุผลที่ยุค AI ไม่ได้กระทบพลังงานแค่จากแชตบอต แต่รวมถึงคอนเทนต์ภาพ เสียง วิดีโอ หุ่นยนต์ ระบบค้นหาอัจฉริยะ และบริการอัตโนมัติอีกจำนวนมาก

ทำไมบริษัทเทคโนโลยีถึงสร้างดาต้าเซ็นเตอร์เพิ่ม

เพราะ AI ต้องการเครื่องจำนวนมาก และความต้องการใช้งานยังเพิ่มเร็ว บริษัทเทคโนโลยีจึงต้องสร้างดาต้าเซ็นเตอร์ใหม่ ซื้อชิปเพิ่ม จองไฟเพิ่ม และหาพื้นที่ที่มีโครงสร้างพื้นฐานพร้อม

บางพื้นที่เริ่มเจอปัญหาว่าไฟไม่พอ สายส่งไม่พร้อม หรือชุมชนไม่อยากให้สร้างดาต้าเซ็นเตอร์ใกล้บ้าน เพราะกังวลเรื่องเสียง น้ำ การใช้ที่ดิน และแรงกดดันต่อระบบไฟฟ้า

กระทรวงพลังงานสหรัฐฯ ระบุว่า ดาต้าเซ็นเตอร์อาจใช้ไฟเพิ่มขึ้นอย่างมากในสหรัฐฯ ภายในปี 2030 โดยแรงขับสำคัญมาจากการขยายตัวของ AI และบริการดิจิทัลขนาดใหญ่

นี่ทำให้การแข่งขัน AI ไม่ได้วัดกันแค่ว่าใครมีโมเดลฉลาดกว่า แต่ยังวัดกันว่าใครหาไฟได้ ใครหาเครื่องได้ ใครสร้างดาต้าเซ็นเตอร์ได้เร็ว และใครทำให้ระบบเย็นลงได้อย่างมีประสิทธิภาพกว่า

AI กินไฟแล้วทำให้โลกร้อนขึ้นไหม

คำตอบคือ มีโอกาสกระทบแน่นอน ถ้าไฟที่ใช้มาจากเชื้อเพลิงฟอสซิล เช่น ถ่านหิน ก๊าซธรรมชาติ หรือน้ำมัน การใช้ไฟมากขึ้นก็ทำให้การปล่อยคาร์บอนเพิ่มขึ้นได้

แต่ถ้าใช้ไฟจากพลังงานสะอาดมากขึ้น ผลกระทบต่อคาร์บอนก็ลดลง

ปัญหาคือ การบอกว่าใช้พลังงานหมุนเวียนไม่ได้แปลว่าทุกอย่างจบง่าย ๆ เพราะดาต้าเซ็นเตอร์ต้องใช้ไฟต่อเนื่องตลอดเวลา ขณะที่พลังงานแสงอาทิตย์และลมมีความผันผวน

จึงต้องมีระบบกักเก็บพลังงาน สายส่ง และการบริหารโหลดที่ดีพอ

ดังนั้น AI จะเป็นภาระต่อสิ่งแวดล้อมมากหรือน้อย ขึ้นกับว่าพลังงานที่ใช้มาจากไหน ดาต้าเซ็นเตอร์มีประสิทธิภาพแค่ไหน และบริษัทกับประเทศต่าง ๆ วางแผนระบบไฟฟ้ารองรับดีหรือไม่

ทำไมบางคนบอกว่า AI อาจช่วยประหยัดไฟได้เหมือนกัน

ถึง AI จะใช้ไฟมาก แต่ก็มีอีกด้านหนึ่งคือ AI อาจช่วยเพิ่มประสิทธิภาพให้ระบบอื่นได้

เช่น ช่วยจัดการไฟฟ้าในอาคาร คาดการณ์ความต้องการพลังงาน ควบคุมเครื่องจักร ลดของเสีย วางเส้นทางขนส่ง หรือช่วยออกแบบวัสดุและระบบพลังงานใหม่

ถ้าใช้ AI เพื่อทำให้โรงงาน อาคาร ระบบขนส่ง หรือโครงข่ายไฟฟ้าทำงานฉลาดขึ้น ผลประหยัดพลังงานจากส่วนอื่นอาจชดเชยไฟที่ AI ใช้ได้บางส่วน

แต่คำว่า “อาจช่วยได้” ไม่ได้แปลว่าใช้ AI เท่าไรก็ไม่เป็นไร

สุดท้ายต้องดูผลรวมจริงว่าไฟที่ AI ใช้เพิ่มขึ้น มากหรือน้อยกว่าประโยชน์ที่มันช่วยประหยัดในระบบอื่น

ดาต้าเซ็นเตอร์ไม่ได้กระจายผลกระทบเท่ากันทุกที่

แม้การใช้ไฟของ AI เป็นเรื่องระดับโลก แต่ผลกระทบมักหนักในบางพื้นที่ที่มีดาต้าเซ็นเตอร์กระจุกตัว เช่น เมืองหรือรัฐที่มีไฟฟ้าถูก มีอินเทอร์เน็ตความเร็วสูง มีที่ดิน มีนโยบายสนับสนุน และอยู่ใกล้ลูกค้ารายใหญ่

พื้นที่เหล่านี้อาจเจอแรงกดดันต่อระบบไฟมากกว่าที่อื่น บางแห่งต้องสร้างสายส่งใหม่ เพิ่มโรงไฟฟ้า หรือชะลอการเชื่อมต่อดาต้าเซ็นเตอร์ เพราะระบบไฟรับไม่ทัน

นี่คือเหตุผลที่ตัวเลขไฟฟ้าระดับโลกอาจดูไม่ใหญ่มากเมื่อเทียบกับไฟฟ้าทั้งหมด แต่ในระดับท้องถิ่น ดาต้าเซ็นเตอร์อาจกลายเป็นผู้ใช้ไฟรายใหญ่มาก จนกระทบการวางแผนพลังงานของพื้นที่นั้นโดยตรง

AI กินน้ำด้วยหรือไม่

นอกจากไฟฟ้า ดาต้าเซ็นเตอร์บางแห่งยังใช้น้ำเพื่อช่วยระบายความร้อน โดยเฉพาะในระบบทำความเย็นบางประเภท

ปริมาณน้ำที่ใช้ขึ้นกับเทคโนโลยี สภาพอากาศ และการออกแบบของแต่ละศูนย์

ในพื้นที่ที่น้ำมีจำกัด ประเด็นนี้สำคัญมาก เพราะดาต้าเซ็นเตอร์อาจต้องแข่งขันกับภาคเกษตร ชุมชน หรืออุตสาหกรรมอื่นในการใช้น้ำ แม้บางแห่งจะใช้ระบบปิดหรือเทคโนโลยีที่ลดการใช้น้ำลงได้ก็ตาม

รายงานข่าวด้านพลังงานและเทคโนโลยีในช่วงหลังเริ่มชี้ว่า “น้ำ” กำลังกลายเป็นอีกประเด็นสำคัญคู่กับไฟฟ้า โดยเฉพาะเมื่อชุมชนท้องถิ่นกังวลเรื่องการใช้น้ำของดาต้าเซ็นเตอร์และความโปร่งใสของบริษัทเทคโนโลยี

ดังนั้นเวลาพูดว่า AI กินทรัพยากร เราไม่ได้พูดถึงไฟอย่างเดียว แต่ต้องคิดถึงน้ำ ที่ดิน สายส่ง อุปกรณ์อิเล็กทรอนิกส์ และของเสียจากฮาร์ดแวร์ในระยะยาวด้วย

ชิปใหม่ทำให้ AI ประหยัดไฟขึ้นไหม

ชิป AI รุ่นใหม่มักทำงานได้มีประสิทธิภาพขึ้น คือคำนวณได้มากขึ้นต่อไฟฟ้าหนึ่งหน่วย ฟังดูเหมือนปัญหาควรลดลง

แต่ความจริงมีปรากฏการณ์ที่เจอบ่อยในเทคโนโลยี คือเมื่อของมีประสิทธิภาพขึ้น คนก็ใช้มากขึ้น

ถ้า AI ตอบเร็วขึ้น ถูกลง และเก่งขึ้น คนก็จะเอาไปใช้ในงานมากกว่าเดิม จากที่เคยใช้ตอบข้อความ อาจใช้สร้างรูป วิเคราะห์วิดีโอ เขียนโปรแกรม คุมหุ่นยนต์ หรือทำงานองค์กรแบบต่อเนื่องทั้งวัน

ดังนั้นประสิทธิภาพที่ดีขึ้นช่วยลดไฟต่อหนึ่งงานได้จริง แต่ถ้าปริมาณงานเพิ่มเร็วกว่า ไฟรวมก็ยังเพิ่มขึ้นได้อยู่ดี

ผู้ใช้ทั่วไปควรกังวลเรื่อง AI กินไฟไหม

ควรกังวลแบบมีสติ ไม่ใช่กลัวจนคิดว่า AI คือหายนะทันที และไม่ใช่มองข้ามว่าเป็นเรื่องเล็กน้อย

เพราะตอนนี้ AI กำลังเปลี่ยนจากบริการดิจิทัลธรรมดา ไปเป็นโครงสร้างพื้นฐานขนาดใหญ่ที่ต้องใช้ไฟจริง ใช้น้ำจริง และต้องวางแผนจริง

ประเด็นไม่ใช่ว่าเราควรเลิกใช้ AI ทั้งหมด แต่คือควรถามว่า AI ถูกใช้กับเรื่องที่คุ้มค่าพอหรือไม่ ดาต้าเซ็นเตอร์ใช้พลังงานสะอาดแค่ไหน เปิดเผยข้อมูลการใช้ทรัพยากรหรือไม่ และรัฐบาลเตรียมระบบไฟฟ้ารองรับอย่างไร

ถ้าใช้ AI เพื่อแก้ปัญหายาก เพิ่มประสิทธิภาพงาน ลดความสูญเปล่า หรือช่วยงานที่มีคุณค่าจริง การใช้ไฟอาจสมเหตุสมผล

แต่ถ้าใช้เพื่อสร้างคอนเทนต์ขยะจำนวนมหาศาล หรือเปิดระบบหนัก ๆ เพื่อสิ่งที่แทบไม่มีประโยชน์ คำถามเรื่องความคุ้มค่าก็ยิ่งชัดขึ้น

ผู้ใช้ทั่วไปช่วยอะไรได้บ้าง

ผู้ใช้ทั่วไปอาจไม่ได้ควบคุมดาต้าเซ็นเตอร์ แต่ช่วยใช้ AI อย่างมีสติได้ เช่น ไม่สั่งสร้างภาพหรือวิดีโอซ้ำ ๆ โดยไม่จำเป็น ไม่ให้ AI ทำงานหนักเกินงานจริง ตั้งคำถามให้ชัดเพื่อลดการถามวน และเลือกใช้เครื่องมือให้เหมาะกับงาน

ถ้าแค่ต้องการคำตอบง่าย ๆ ไม่จำเป็นต้องใช้โมเดลใหญ่ที่สุดทุกครั้ง

ถ้าต้องการสรุปสั้น ๆ ก็ไม่ต้องสั่งให้เขียนยาวหลายพันคำโดยไม่จำเป็น

แนวคิดคล้ายกับการใช้ไฟในบ้าน เปิดเท่าที่ใช้ ปิดเท่าที่ไม่จำเป็น

แต่ความรับผิดชอบหลักยังอยู่ที่บริษัทเทคโนโลยีและผู้วางนโยบาย เพราะพวกเขาเป็นคนตัดสินใจเรื่องขนาดดาต้าเซ็นเตอร์ แหล่งพลังงาน ความโปร่งใส และการออกแบบระบบให้มีประสิทธิภาพ

สรุป

AI กินไฟไม่น้อย โดยเฉพาะเมื่อรวมทั้งการฝึกโมเดล การให้บริการผู้ใช้จำนวนมหาศาล การสร้างภาพ วิดีโอ และการขยายดาต้าเซ็นเตอร์ทั่วโลก

สิ่งที่ใช้ไฟไม่ใช่แค่ตัว AI แต่รวมถึงเซิร์ฟเวอร์ ชิปประมวลผล ระบบเครือข่าย ระบบสำรองไฟ และระบบระบายความร้อน

คำถามหนึ่งครั้งอาจไม่ได้ใช้ไฟมากจนน่าตกใจ แต่เมื่อมีคนใช้ AI จำนวนมหาศาลทุกวัน ไฟฟ้ารวมจึงกลายเป็นเรื่องใหญ่ และอาจกระทบระบบไฟฟ้า น้ำ การปล่อยคาร์บอน และการวางแผนพลังงานของหลายประเทศ

คำตอบที่ดีที่สุดไม่ใช่การเลิกใช้ AI แต่คือการใช้ให้คุ้มค่า ทำให้ดาต้าเซ็นเตอร์มีประสิทธิภาพ ใช้พลังงานสะอาดมากขึ้น เปิดเผยข้อมูลมากขึ้น และวางแผนระบบไฟฟ้าให้ทัน

เพราะ AI ไม่ได้ลอยอยู่ในก้อนเมฆจริง ๆ แต่มันอยู่ในอาคารขนาดใหญ่ที่เสียบปลั๊กกินไฟตลอดเวลา