การ์ทเนอร์คาดการณ์ ภายในสามปีปัญหาพลังงานไม่เพียงพอจะเป็นปัจจัยจำกัดขีดความสามารถ AI Data Center ถึง 40%

การ์ทเนอร์ระบุ AI และ Generative AI (GenAI) กำลังผลักดันการใช้พลังงานไฟฟ้าให้พุ่งสูงขึ้นอย่างรวดเร็ว โดยคาดการณ์ว่าในอีกสองปีข้างหน้าตลาดดาต้าเซ็นเตอร์อาจเติบโตสูงถึง 160% และในปี 2570 AI ดาต้าเซ็นเตอร์ถึง 40% จะประสบกับการถูกจำกัดประสิทธิภาพการดำเนินงานเนื่องจากขีดจำกัดด้านพลังงาน

     บ็อบ จอห์นสัน รองประธานนักวิเคราะห์ของการ์ทเนอร์ กล่าวว่าการเติบโตอย่างรวดเร็วของดาต้าเซ็นเตอร์ระดับไฮเปอร์สเกลใหม่ ๆ เพื่อรองรับ GenAI ทำให้เกิดความต้องการการใช้พลังงานอย่างไม่มีที่สิ้นสุดและนำไปสู่การถึงขีดจำกัดของความสามารถในการขยายกำลังการผลิตของผู้ให้บริการสาธารณูปโภค ส่งผลให้เกิดปัญหาพลังงานไม่เพียงพอและจำกัดการเติบโตของดาต้าเซ็นเตอร์ใหม่ ๆ ที่รองรับ GenAI รวมถึงการใช้งานอื่น ๆ ตั้งแต่ปี 2569″

     การ์ทเนอร์ประเมินว่า ในปี 2570 ปริมาณพลังงานที่ดาต้าเซ็นเตอร์ต้องใช้เพื่อขับเคลื่อนเซิร์ฟเวอร์ที่เพิ่มขึ้นและปรับแต่งสำหรับ AI จะทะยานไปถึง 500 เทราวัตต์ต่อชั่วโมง (TWh) ต่อปี ซึ่งมากกว่าปี 2566 ถึง 2.6 เท่า

รูปที่ 1: คาดการณ์ปริมาณการใช้พลังงานเพิ่มขึ้นใน AI Data Center ระหว่างปี 2565-2570

ที่มา: การ์ทเนอร์ (พฤศจิกายน 2567)

ดาต้าเซ็นเตอร์ขนาดใหญ่ใหม่ ๆ ออกแบบมาเพื่อรองรับปริมาณข้อมูลมหาศาลที่จำเป็นสำหรับการฝึกฝนและปรับใช้ของ Large Language Models (LLMs) อันเป็นพื้นฐานของแอปพลิเคชัน GenAI ที่กำลังขยายตัวรวดเร็ว อย่างไรก็ตามการขาดแคลนพลังงานในระยะสั้นมีแนวโน้มที่จะดำเนินต่อไปอีกหลายปี เนื่องจากการจัดส่งพลังงาน การจัดจำหน่ายและการผลิตพลังงานใหม่อาจใช้เวลาหลายปีกว่าจะเริ่มใช้งานได้ ซึ่งจะไม่สามารถบรรเทาปัญหาในปัจจุบันลงได้จอห์นสัน กล่าวเพิ่มเติม

     อนาคตอันใกล้จำนวนดาต้าเซ็นเตอร์แห่งใหม่และการเติบโตของ GenAI จะถูกควบคุมด้วยความพร้อมด้านพลังงาน การ์ทเนอร์แนะนำให้องค์กรต่าง ๆ ประเมินความเสี่ยงที่อาจเกิดจากการขาดแคลนพลังงานที่จะมีผลต่อผลิตภัณฑ์และบริการทั้งหมด

ราคาไฟฟ้าเพิ่มสูงขึ้น

      รายงานของการ์ทเนอร์ ยังระบุว่าราคาพลังงานที่เพิ่มขึ้นคือผลลัพธ์ที่หลีกเลี่ยงไม่ได้จากปัญหาการขาดแคลนพลังงานที่กำลังจะเกิดขึ้น ซึ่งจะเพิ่มต้นทุนการดำเนินการด้าน LLMs

     “ผู้บริโภคพลังงานรายใหญ่ ๆ กำลังทำงานร่วมกับผู้ผลิตพลังงานขนาดใหญ่เพื่อสร้างแหล่งพลังงานระยะยาวที่มีความเป็นอิสระจากความต้องการอื่น ๆ ของระบบไฟฟ้า ระหว่างนี้ ต้นทุนพลังงานสำหรับดำเนินการ Data Center จะเพิ่มขึ้นอย่างมีนัยสำคัญ เนื่องจากผู้ประกอบการใช้อำนาจต่อรองทางเศรษฐกิจเพื่อให้ได้พลังงานที่ต้องการ โดยค่าใช้จ่ายเหล่านี้จะถูกผลักภาระไปยังผู้ให้บริการผลิตภัณฑ์และบริการของ AI/GenAI อีกด้วย” 

     การ์ทเนอร์แนะนำให้องค์กรต่าง ๆ ประเมินแผนในอนาคต โดยคำนึงถึงต้นทุนพลังงานที่สูงขึ้น และเจรจาสัญญาระยะยาวสำหรับบริการ Data Center ในอัตราค่าพลังงานที่สมเหตุสมผล องค์กรควรคำนึงถึงการเพิ่มขึ้นของต้นทุนอย่างมีนัยสำคัญ เมื่อพัฒนาแผนผลิตภัณฑ์และบริการใหม่ พร้อมทั้งมองหาแนวทางหรือทางเลือกที่ใช้พลังงานน้อยลง

เป้าหมายความยั่งยืนจะได้รับผลกระทบ

     เป้าหมายความยั่งยืนในการลดคาร์บอนสุทธิเป็นศูนย์จะได้รับผลกระทบในทางลบจากการแก้ปัญหาระยะสั้นในการจัดหาพลังงานเพิ่มเติม เนื่องจากความต้องการที่เพิ่มขึ้นอย่างรวดเร็วกำลังบีบบังคับให้ผู้ผลิตต้องเพิ่มการผลิตด้วยทุกวิธีทางที่ทำได้ นั่นหมายถึงการปลดระวางการทำงานของโรงไฟฟ้าเชื้อเพลิงฟอสซิลที่ยังต้องยืดระยะการดำเนินงานต่อไปเกินจากที่กำหนดไว้

      “ความเป็นจริงคือการใช้ Data Center เพิ่มขึ้นนำไปสู่การปล่อยก๊าซคาร์บอนที่เพิ่มขึ้นตาม ส่งผลให้เกิดการผลิตพลังงานที่จำเป็นในระยะสั้น ทำให้ผู้ประกอบการ Data Center และลูกค้าของพวกเขาพบความยากลำบากมากขึ้นในการบรรลุเป้าหมายความยั่งยืนที่เข้มงวดด้านการปล่อยก๊าซคาร์บอน

     ตามรายงานของการ์ทเนอร์ ชี้ว่า Data Center ต้องการพลังงานที่พร้อมใช้งานตลอด 24/7 ซึ่งพลังงานหมุนเวียน อาทิ พลังงานลมหรือพลังงานแสงอาทิตย์ ไม่สามารถจัดหาให้ได้โดยไม่มีแหล่งพลังงานทางเลือกในช่วงที่ไม่สามารถผลิตพลังงานได้ การ์ทเนอร์ยังระบุว่าพลังงานที่เชื่อถือได้ตลอด 24/7 สามารถผลิตได้จากโรงไฟฟ้าพลังน้ำ เชื้อเพลิงฟอสซิล หรือนิวเคลียร์เท่านั้น ซึ่งในระยะยาว เทคโนโลยีใหม่สำหรับการกักเก็บพลังงานแบตเตอรี่ที่ดีขึ้น เช่น แบตเตอรี่โซเดียมไอออน หรือพลังงานสะอาด เช่น เครื่องปฏิกรณ์นิวเคลียร์ขนาดเล็ก จะพร้อมใช้งานและช่วยให้บรรลุเป้าหมายด้านความยั่งยืน

     การ์ทเนอร์แนะนำว่าในเร็ว ๆ นี้องค์กรต่าง ๆ ต้องประเมินเป้าหมายด้านความยั่งยืนที่เกี่ยวข้องกับการปล่อยก๊าซคาร์บอนใหม่ โดยพิจารณาถึงความต้องการของดาต้าเซ็นเตอร์และแหล่งพลังงานในอนาคตเมื่อพัฒนาแอปพลิเคชัน GenAI องค์กรควรมุ่งเน้นการใช้พลังงานการประมวลผลให้น้อยที่สุดและพิจารณาความเป็นไปได้ของทางเลือกอื่น ๆ เช่น Edge Computing และโมเดลภาษาขนาดเล็กกว่า

Follow Us

Lasted News

Scroll to Top