Google ยอมรับ AI Data Center ยังต้องพึ่งก๊าซธรรมชาติ เมื่อพลังงานหมุนเวียนและแบตเตอรี่ยังไม่เพียงพอ - บทเรียนสำคัญสำหรับประเทศไทย โดย อาจารย์ ดร.เมทังกร เสริมสุข (CIIM – KMITL) วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม (CIIM) สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง (สจล.)

 

ในช่วงหลายปีที่ผ่านมา บริษัทเทคโนโลยีระดับโลกต่างประกาศเป้าหมายการใช้พลังงานสะอาดและลดการปล่อยก๊าซเรือนกระจก โดยเฉพาะ Google, Microsoft, Amazon และ Meta ซึ่งกำลังลงทุนพัฒนา Data Center และ Artificial Intelligence หรือ AI Infrastructure ขนาดใหญ่ทั่วโลก แต่เมื่อความต้องการไฟฟ้าของ AI เพิ่มขึ้นอย่างรวดเร็ว บริษัทเหล่านี้กำลังเผชิญคำถามสำคัญว่า หากต้องการให้ Data Center ใช้ไฟฟ้าอย่างต่อเนื่องตลอด 24 ชั่วโมง พลังงานหมุนเวียนและระบบกักเก็บพลังงานที่มีอยู่ในปัจจุบันสามารถรองรับความต้องการดังกล่าวได้เพียงพอแล้วหรือไม่?

 

คำตอบที่น่าสนใจมาจาก Google ซึ่งเป็นหนึ่งในบริษัทเทคโนโลยีที่ให้ความสำคัญกับพลังงานสะอาดมาอย่างต่อเนื่อง

เมื่อวันที่ 13 ตุลาคม 2026 หนังสือพิมพ์ Australian Financial Review รายงานว่า Alexander Smith ผู้รับผิดชอบด้าน Global Infrastructure and Energy ของ Google ระบุว่า ก๊าซธรรมชาติยังมีบทบาทสำคัญในการจัดหาพลังงานสำหรับ AI Data Center ขนาดใหญ่ เนื่องจากเทคโนโลยีแบตเตอรี่ในปัจจุบันยังไม่สามารถรองรับความต้องการพลังงานสำรองที่มั่นคงได้ทั้งหมด

 

 

Smith กล่าวอย่างชัดเจนว่า “Gas has a role to play” หรือก๊าซธรรมชาติยังมีบทบาทที่ต้องทำหน้าที่ในระบบพลังงาน

คำกล่าวดังกล่าวเกิดขึ้นในช่วงที่ Google กำลังมองหาพื้นที่พัฒนา Data Center ในประเทศออสเตรเลีย ซึ่งมีศักยภาพด้านพลังงานหมุนเวียนสูง แต่ยังต้องเผชิญข้อจำกัดเรื่องความต่อเนื่องของการผลิตไฟฟ้าและความพร้อมของโครงข่าย

 

นี่ไม่ใช่การประกาศว่า Google จะเลิกใช้พลังงานสะอาด แต่สะท้อนความจริงทางวิศวกรรมที่สำคัญว่า การมีไฟฟ้าพลังงานหมุนเวียนจำนวนมาก ไม่ได้หมายความว่าจะสามารถจ่ายไฟฟ้าให้ AI Data Center ได้อย่างมั่นคงทุกชั่วโมงตลอดทั้งปี

 

ประเด็นนี้กำลังกลายเป็นหัวใจของการแข่งขัน AI Infrastructure และมีความเกี่ยวข้องโดยตรงกับประเทศไทยที่ต้องการพัฒนาเป็นศูนย์กลาง Data Center ของภูมิภาคอาเซียน

 

✅ AI Data Center กำลังเปลี่ยนจากธุรกิจเทคโนโลยีเป็นอุตสาหกรรมพลังงานขนาดใหญ่

 

ในอดีต Data Center ส่วนใหญ่ถูกออกแบบเพื่อรองรับ Website, Database, Cloud Storage และ Enterprise Applications แต่การเติบโตของ Generative AI และ Large Language Models ทำให้รูปแบบการใช้พลังงานเปลี่ยนแปลงไปอย่างมาก

 

AI Training ต้องใช้ GPU Cluster จำนวนมหาศาลเพื่อประมวลผลข้อมูลพร้อมกัน ขณะที่ AI Inference ซึ่งเป็นกระบวนการนำโมเดลที่ฝึกแล้วมาให้บริการผู้ใช้งาน ก็มีความต้องการ Computing Capacity เพิ่มขึ้นตามจำนวนผู้ใช้และความซับซ้อนของโมเดล

 

AI Data Center ขนาดใหญ่บางโครงการมีแผนพัฒนากำลังไฟฟ้าระดับ 200–1,000 MW หรือมากกว่านั้น

 

หาก Data Center มีความต้องการไฟฟ้ารวม 1,000 MW และเดินเครื่องเต็มกำลังตลอด 8,760 ชั่วโมงต่อปี จะใช้พลังงานไฟฟ้าประมาณ 8.76 TWh ต่อปี

ปริมาณดังกล่าวไม่ใช่ความต้องการไฟฟ้าขนาดเล็กที่ระบบไฟฟ้าสามารถรองรับได้โดยไม่ต้องวางแผน แต่เป็นภาระไฟฟ้าขนาดใหญ่ที่อาจต้องลงทุนเพิ่มเติมทั้งด้านโรงไฟฟ้า สายส่ง สถานีไฟฟ้า และระบบกักเก็บพลังงาน

 

รายงาน Energy and AI ของ International Energy Agency หรือ IEA ในปี 2025 ประเมินว่าความต้องการไฟฟ้าของ Data Center ทั่วโลกจะเพิ่มขึ้นจากประมาณ 415 TWh ในปี 2024 เป็นประมาณ 945 TWh ในปี 2030 โดย AI เป็นปัจจัยขับเคลื่อนสำคัญ

 

เมื่อความต้องการไฟฟ้าเพิ่มขึ้นอย่างรวดเร็ว ความพร้อมของพลังงานจึงกำลังกลายเป็นข้อจำกัดสำคัญของการพัฒนา AI Infrastructure ไม่แพ้ความพร้อมของ GPU และ Semiconductor

 

✅ ทำไม Solar และ Wind จึงยังไม่สามารถรองรับ AI Data Center ได้ทั้งหมด?

 

Solar Power และ Wind Power เป็นเทคโนโลยีพลังงานหมุนเวียนที่มีความสำคัญอย่างมากต่อการลดการปล่อยก๊าซเรือนกระจก แต่มีข้อจำกัดสำคัญคือกำลังผลิตไฟฟ้าเปลี่ยนแปลงตามสภาพอากาศ

Solar Power สามารถผลิตไฟฟ้าได้ในช่วงที่มีแสงแดด แต่ไม่สามารถผลิตไฟฟ้าในเวลากลางคืน ขณะที่ Wind Power ขึ้นอยู่กับความเร็วลม ซึ่งอาจเปลี่ยนแปลงได้ทั้งรายชั่วโมงและรายวัน

 

ในทางกลับกัน AI Data Center ต้องการไฟฟ้าที่มีความมั่นคงสูง และหลาย Workload ต้องทำงานอย่างต่อเนื่องตลอด 24 ชั่วโมง

 

ลองสมมติ Data Center ขนาด 200 MW ต้องการใช้ไฟฟ้าตลอดทั้งวัน หากใช้ Solar Power เป็นแหล่งพลังงานหลัก ระบบอาจผลิตไฟฟ้าได้มากในช่วงกลางวัน แต่ต้องหาแหล่งพลังงานอื่นมารองรับในช่วงกลางคืน

 

แม้จะติดตั้ง Solar Power ขนาดใหญ่เพียงพอให้ผลิตพลังงานรวมตลอดปีเท่ากับความต้องการของ Data Center ก็ไม่ได้หมายความว่าพลังงานจะพร้อมใช้งานตรงกับทุกชั่วโมงที่ต้องการ

นี่คือความแตกต่างระหว่าง Annual Energy Matching กับ 24/7 Carbon-Free Energy

 

Annual Energy Matching หมายถึงการจัดหาพลังงานสะอาดรวมตลอดปีให้เท่ากับปริมาณไฟฟ้าที่ใช้ แต่ 24/7 Carbon-Free Energy หมายถึงการพยายามจัดหาไฟฟ้าคาร์บอนต่ำให้ตรงกับความต้องการใช้ไฟฟ้าในทุกชั่วโมงและทุกพื้นที่ที่ดำเนินงาน

 

สำหรับ AI Data Center ขนาดใหญ่ ความแตกต่างนี้มีความสำคัญมาก เพราะการมีพลังงานสะอาดเพียงพอในภาพรวมรายปี ไม่สามารถทดแทนข้อกำหนดด้านความมั่นคงของระบบไฟฟ้าในแต่ละช่วงเวลาได้

 

✅ แบตเตอรี่ BESS ช่วยได้ แต่ทำไม Google จึงบอกว่ายังไม่เพียงพอ?

 

Battery Energy Storage System หรือ BESS เป็นเทคโนโลยีสำคัญที่ช่วยเพิ่มความยืดหยุ่นให้ระบบไฟฟ้า โดยสามารถกักเก็บพลังงานส่วนเกินจาก Solar หรือ Wind และนำกลับมาใช้ในช่วงที่พลังงานหมุนเวียนผลิตไฟฟ้าไม่เพียงพอ

 

BESS ยังสามารถช่วยควบคุมความถี่ของระบบไฟฟ้า รองรับการเปลี่ยนแปลงโหลดอย่างรวดเร็ว และช่วยรักษาเสถียรภาพของ Microgrid ได้

 

แต่ข้อจำกัดสำคัญคือระยะเวลาการกักเก็บพลังงาน

 

ตัวอย่างเช่น Data Center ที่มีความต้องการไฟฟ้า 200 MW หากต้องการใช้ BESS จ่ายไฟฟ้าทั้งหมดเป็นเวลา 4 ชั่วโมง จะต้องมีพลังงานกักเก็บที่จ่ายออกได้อย่างน้อย 800 MWh

 

หากต้องการสำรองไฟฟ้า 12 ชั่วโมง จะต้องมีพลังงานกักเก็บอย่างน้อย 2,400 MWh

และหากต้องการสำรองไฟฟ้า 24 ชั่วโมง จะต้องมีพลังงานกักเก็บอย่างน้อย 4,800 MWh

 

ตัวเลขดังกล่าวยังไม่รวมการสูญเสียพลังงาน ข้อจำกัดด้าน Depth of Discharge และการเผื่อกำลังสำรอง

หากขยายเป็น Data Center ขนาด 1,000 MW การสำรองไฟฟ้าเพียง 24 ชั่วโมงจะต้องใช้ BESS ที่สามารถจ่ายพลังงานได้ถึง 24 GWh

 

นี่เป็นระบบกักเก็บพลังงานขนาดใหญ่มาก และหากเกิดช่วงเวลาที่ Solar หรือ Wind ผลิตไฟฟ้าต่ำต่อเนื่องหลายวัน ความต้องการพลังงานกักเก็บก็จะเพิ่มขึ้นอีก

 

ดังนั้น BESS จึงมีความเหมาะสมอย่างมากสำหรับการรองรับความผันผวนระยะสั้น การปรับสมดุลรายชั่วโมง และการเพิ่มเสถียรภาพของระบบไฟฟ้า แต่การใช้ BESS เพียงอย่างเดียวเพื่อรองรับ Data Center ขนาดใหญ่ตลอดช่วงที่พลังงานหมุนเวียนผลิตไฟฟ้าต่ำเป็นเวลานาน อาจมีต้นทุนสูงมากภายใต้เทคโนโลยีและเงื่อนไขปัจจุบัน

 

นี่คือเหตุผลที่ Google มองว่าระบบไฟฟ้ายังต้องมีแหล่งผลิตพลังงานที่สามารถจ่ายไฟได้อย่างมั่นคง หรือ Firm Power เข้ามาทำหน้าที่เสริม

 

✅ Firm Power คือคำตอบสำคัญของ AI Data Center

 

Firm Power หมายถึงแหล่งพลังงานที่

 

สามารถจ่ายไฟฟ้าได้อย่างเชื่อถือได้ตามเงื่อนไขการเดินเครื่องและความพร้อมของเชื้อเพลิง ไม่ได้ขึ้นอยู่กับแสงแดดหรือลมในขณะนั้นโดยตรง

 

ตัวอย่างเช่น โรงไฟฟ้าก๊าซธรรมชาติ โรงไฟฟ้าพลังน้ำที่มีความสามารถในการควบคุมกำลังผลิต โรงไฟฟ้าพลังงานความร้อนใต้พิภพ และโรงไฟฟ้านิวเคลียร์

 

แต่ละเทคโนโลยีมีข้อดีและข้อจำกัดแตกต่างกัน

 

ก๊าซธรรมชาติสามารถใช้กับ Gas Turbine, Combined Cycle Gas Turbine และ Gas Engine ซึ่งสามารถออกแบบให้รองรับการผลิตไฟฟ้าอย่างต่อเนื่องหรือปรับกำลังผลิตตามความต้องการได้

 

Hydropower สามารถให้ความยืดหยุ่นสูงในระบบที่มีน้ำและอ่างเก็บน้ำเพียงพอ ขณะที่ Geothermal สามารถผลิตไฟฟ้าอย่างต่อเนื่องในพื้นที่ที่มีทรัพยากรเหมาะสม

 

ส่วน Nuclear Power สามารถผลิตไฟฟ้าคาร์บอนต่ำได้อย่างต่อเนื่อง แต่ต้องใช้เงินลงทุนสูงและมีข้อกำหนดด้านความปลอดภัยและการกำกับดูแลที่เข้มงวด

 

สำหรับประเทศที่ยังไม่มีพลังงานนิวเคลียร์หรือแหล่ง Geothermal ขนาดใหญ่ ก๊าซธรรมชาติจึงเป็นหนึ่งในทางเลือกที่สามารถพัฒนาเพื่อรองรับความต้องการ Firm Power ในระยะสั้นถึงระยะกลางได้

 

อย่างไรก็ตาม ก๊าซธรรมชาติยังเป็นเชื้อเพลิงฟอสซิล จึงต้องพิจารณาการปล่อย CO₂ และ Methane Leakage ควบคู่กับประโยชน์ด้านความมั่นคงของระบบไฟฟ้า

 

✅ Google ไม่ได้บอกว่าพลังงานหมุนเวียนใช้ไม่ได้ แต่กำลังพูดถึงข้อจำกัดของระบบไฟฟ้า

 

คำกล่าวของ Google ควรถูกตีความอย่างระมัดระวัง เพราะไม่ได้หมายความว่าบริษัทกำลังละทิ้งเป้าหมายด้านพลังงานสะอาด หรือมองว่าพลังงานหมุนเวียนไม่มีอนาคต

ในทางกลับกัน Google เป็นหนึ่งในบริษัทเทคโนโลยีที่ผลักดันแนวคิด 24/7 Carbon-Free Energy มาอย่างต่อเนื่อง โดยมีเป้าหมายใช้ไฟฟ้าคาร์บอนต่ำให้ตรงกับความต้องการในทุกชั่วโมงภายในปี 2030

 

สิ่งที่ผู้บริหาร Google กำลังสะท้อนคือ ในช่วงที่ความต้องการไฟฟ้าของ AI Data Center เพิ่มขึ้นอย่างรวดเร็ว ระบบไฟฟ้าอาจยังไม่สามารถพึ่งพา Solar, Wind และ Battery Storage เพียงอย่างเดียวได้ในทุกพื้นที่

 

โดยเฉพาะเมื่อมีข้อจำกัดด้าน Grid Connection, Transmission Capacity และความพร้อมของระบบกักเก็บพลังงานระยะยาว

 

ดังนั้นการพัฒนาระบบไฟฟ้าสำหรับ AI Data Center จึงต้องพิจารณาการผสมผสานแหล่งพลังงานหลายประเภท เพื่อให้สามารถรักษาความมั่นคงของระบบไฟฟ้าพร้อมกับลดการปล่อยคาร์บอนในระยะยาว

 

คำถามจึงไม่ใช่ว่าจะเลือก Renewable Energy หรือ Natural Gas แต่คือจะออกแบบระบบไฟฟ้าอย่างไรให้มีทั้ง Renewable Energy, Firm Power และ Energy Storage ในสัดส่วนที่เหมาะสม

 

✅ โมเดล Small-Scale LNG + SPP + Data Center อาจเป็นทางเลือกสำหรับประเทศไทย

 

สำหรับประเทศไทย แนวคิดการใช้ก๊าซธรรมชาติเพื่อรองรับ AI Data Center มีความน่าสนใจเป็นพิเศษ เนื่องจากประเทศมีโครงสร้างพื้นฐาน LNG Receiving Terminal, Gas Pipeline และโรงไฟฟ้าก๊าซธรรมชาติอยู่แล้ว โดยเฉพาะในพื้นที่ EEC

 

หนึ่งในโมเดลที่ควรศึกษาอย่างจริงจังคือ Small-Scale LNG + Small Power Producer (SPP) + LNG Cold Energy + Data Center

 

แนวคิดนี้คือการจัดหา LNG ผ่านโครงสร้างพื้นฐานขนาดเหมาะสม แล้วนำก๊าซธรรมชาติไปผลิตไฟฟ้าให้ Data Center โดยตรงหรือผ่านระบบไฟฟ้าที่ได้รับอนุญาต ขณะเดียวกันก็นำความเย็นจากกระบวนการ Regasification กลับมาใช้กับระบบ Cooling

 

ตัวอย่างเช่น Data Center ที่มีความต้องการไฟฟ้ารวม 200 MW อาจพิจารณาโรงไฟฟ้าก๊าซธรรมชาติประสิทธิภาพสูงร่วมกับ BESS และ Grid Connection เพื่อรักษาความต่อเนื่องของระบบ

 

หากโรงไฟฟ้าทำงานร่วมกับ LNG Regasification Facility ก็สามารถนำ LNG Cold Energy ไปใช้ลดภาระ Chiller ผ่าน Heat Exchanger และ District Cooling System ได้

 

โมเดลนี้จึงใช้ประโยชน์จาก LNG สองด้าน ได้แก่ Chemical Energy สำหรับผลิตไฟฟ้า และ Cryogenic Cold Energy สำหรับระบบทำความเย็น

 

อย่างไรก็ตาม SPP เป็นประเภทผู้ผลิตไฟฟ้าตามกรอบกำกับดูแลของประเทศไทย โรงไฟฟ้าที่สร้างเพื่อรองรับ Data Center ขนาดใหญ่จึงต้องพิจารณาขนาดกำลังผลิต รูปแบบใบอนุญาต และเงื่อนไขการจำหน่ายไฟฟ้าอย่างเหมาะสม ไม่ใช่โรงไฟฟ้าทุกขนาดจะจัดเป็น SPP ได้โดยอัตโนมัติ

 

✅ Data Center 1,000 MW ต้องใช้ LNG มากเพียงใด?

 

หาก Data Center มีความต้องการไฟฟ้ารวม 1,000 MW และใช้ไฟฟ้าเต็มกำลังตลอดปี จะมีความต้องการพลังงานไฟฟ้าเท่ากับ 8.76 TWh ต่อปี

 

สมมติว่าโรงไฟฟ้าก๊าซธรรมชาติมีประสิทธิภาพสุทธิ 55–60% และ LNG มีค่าความร้อนประมาณ 13.9 MWh ต่อตัน จะต้องใช้ LNG ประมาณ 1.05–1.15 ล้านตันต่อปี ตามสมมติฐานดังกล่าว ก่อนเผื่อข้อจำกัดการเดินเครื่องและการสูญเสียเพิ่มเติม

 

ดังนั้น Data Center ขนาด 1,000 MW ที่พึ่งพาไฟฟ้าจากก๊าซธรรมชาติเป็นหลักอาจต้องใช้ LNG ประมาณ 1.1–1.4 ล้านตันต่อปีในการวางแผนเบื้องต้น ขึ้นอยู่กับประสิทธิภาพจริงและรูปแบบการเดินเครื่อง

ตัวเลขนี้แสดงให้เห็นว่า AI Data Center ขนาดใหญ่สามารถสร้างความต้องการ LNG เพิ่มขึ้นอย่างมีนัยสำคัญ

 

แต่ในขณะเดียวกัน การใช้ LNG ก็ต้องพิจารณาความเสี่ยงด้านราคาเชื้อเพลิง ความมั่นคงในการจัดหา และการปล่อยก๊าซเรือนกระจกด้วย

 

เพราะหากประเทศไทยพึ่งพา LNG นำเข้าเพิ่มขึ้นโดยไม่มีแผนพลังงานสะอาดระยะยาว ต้นทุนไฟฟ้าของ Data Center ก็อาจผันผวนตามตลาดก๊าซธรรมชาติโลก

 

✅ LNG Cold Energy ช่วยลดค่า Cooling ได้อย่างไร?

 

LNG ถูกเก็บรักษาที่อุณหภูมิประมาณ −160°C และต้องผ่านกระบวนการ Regasification ก่อนนำก๊าซไปใช้ผลิตไฟฟ้า

 

กระบวนการดังกล่าวมีศักยภาพในการนำความเย็นกลับมาใช้ประโยชน์ แทนการถ่ายเทความเย็นออกสู่สิ่งแวดล้อมทั้งหมด

หากสมมติ LNG 1 ตันมีพลังงานความเย็นที่สามารถนำกลับมาใช้ประโยชน์ได้ประมาณ 250 kWhₜₕ ปริมาณ LNG 1 ล้านตันต่อปีจะมีศักยภาพความเย็นเฉลี่ยประมาณ 28.5 MWₜₕ หรือ 8,100 RT

 

หากระบบ Chiller แบบเดิมใช้ไฟฟ้า 0.6–0.8 kW/RT ศักยภาพดังกล่าวจะเทียบเท่าการลดภาระไฟฟ้าของ Chiller ประมาณ 4.9–6.5 MW ในกรณีที่สามารถนำความเย็นไปใช้ทดแทนได้เต็มศักยภาพ

เมื่อคิดเป็นพลังงานตลอดปี จะเท่ากับประมาณ 42.6–56.9 GWh

 

หากสมมติค่าไฟฟ้า 3.60 บาทต่อหน่วย จะมีมูลค่าการประหยัดไฟฟ้าเชิงทฤษฎีประมาณ 153–205 ล้านบาทต่อปี

อย่างไรก็ตาม ผลประหยัดจริงต้องพิจารณาการสูญเสียจาก Heat Exchanger, Pumping Energy, Pipeline, Temperature Profile และความผันผวนของ LNG Throughput

 

นอกจากนี้ Data Center ยังต้องมี Backup Cooling ที่สามารถรองรับการหยุดเดินเครื่องของ LNG Terminal หรือความเสียหายของระบบส่งความเย็นได้

นี่คือข้อได้เปรียบที่ประเทศไทยสามารถศึกษาเพิ่มเติม เพราะนอกจากการใช้ LNG ผลิตไฟฟ้าแล้ว ยังสามารถเพิ่มประสิทธิภาพพลังงานผ่านการนำความเย็นกลับมาใช้ประโยชน์ได้

 

✅ Bring Your Own Power: เมื่อ Data Center ต้องมีแผนผลิตไฟฟ้าของตนเอง

 

การเติบโตของ AI Data Center ขนาดหลายร้อย MW ทำให้เกิดแนวคิด Bring Your Own Power หรือ BYOP ซึ่งหมายถึงการให้ผู้พัฒนา Data Center มีส่วนรับผิดชอบในการจัดหาแหล่งผลิตไฟฟ้าสำหรับโครงการของตนเอง

 

แนวคิดนี้ไม่ได้หมายความว่า Data Center ต้องตัดขาดจาก Grid แต่เป็นการพิจารณาทางเลือกในการผลิตไฟฟ้าภายในพื้นที่หรือจัดหากำลังผลิตเฉพาะ เพื่อช่วยลดข้อจำกัดด้านการเชื่อมต่อระบบไฟฟ้า

ตัวอย่างเช่น Data Center ขนาด 500 MW อาจพัฒนาโรงไฟฟ้าก๊าซธรรมชาติร่วมกับ Solar Power, BESS และ Grid Connection โดยออกแบบให้ระบบสามารถรักษาการจ่ายไฟได้ตามข้อกำหนดด้าน Reliability

 

อย่างไรก็ตาม BYOP ไม่ได้หมายความว่าจะลดภาระโครงข่ายไฟฟ้าได้โดยอัตโนมัติ เพราะหาก Data Center ยังต้องการให้ Grid สำรองไฟฟ้าเต็มกำลังเมื่อโรงไฟฟ้าภายในพื้นที่หยุดทำงาน ก็อาจยังต้องลงทุนสายส่งและสถานีไฟฟ้าขนาดใหญ่เช่นเดิม

ดังนั้นการออกแบบ BYOP ต้องพิจารณาทั้งต้นทุนโรงไฟฟ้า ระบบสำรอง ค่าเชื่อมต่อ Grid และการจัดสรรต้นทุนที่เป็นธรรมต่อผู้ใช้ไฟฟ้ารายอื่น

 

สำหรับประเทศไทย การศึกษาทางเลือก BYOP สำหรับ Data Center ขนาดใหญ่ โดยเฉพาะโครงการที่มีความต้องการไฟฟ้ารวมตั้งแต่ 200 MW ขึ้นไป อาจช่วยให้สามารถวางแผนการลงทุนระบบพลังงานได้เหมาะสมขึ้น

 

ก๊าซธรรมชาติเป็นคำตอบระยะกลาง แต่ไม่ใช่คำตอบสุดท้ายของ Net Zero

แม้ก๊าซธรรมชาติจะช่วยเพิ่มความมั่นคงของระบบไฟฟ้าและรองรับการเติบโตของ AI Data Center ในระยะใกล้ได้ แต่ยังมีการปล่อย CO₂ จากการเผาไหม้ และมีความเสี่ยงด้าน Methane Leakage ตลอดห่วงโซ่อุปทาน

 

ดังนั้นการเพิ่มโรงไฟฟ้าก๊าซธรรมชาติเพื่อรองรับ Data Center ต้องมีแผนลดการปล่อยคาร์บอนในระยะยาวควบคู่กัน

IEA ประเมินว่า พลังงานหมุนเวียนจะเป็นแหล่งสำคัญในการรองรับความต้องการไฟฟ้าของ Data Center ที่เพิ่มขึ้น ขณะที่ก๊าซธรรมชาติยังมีบทบาทในระยะใกล้ และพลังงานนิวเคลียร์จะเริ่มมีบทบาทเพิ่มขึ้นหลังปี 2030 โดยเฉพาะเทคโนโลยี Small Modular Reactor หรือ SMR <Cite refs={[“turn710244search0”,“turn710244search1”]}/>

 

สำหรับประเทศไทย ผู้เขียนเสนอให้พิจารณาการเปลี่ยนผ่านจากระบบที่พึ่งพาก๊าซธรรมชาติเป็นหลัก ไปสู่ระบบที่มีพลังงานสะอาดมากขึ้น โดยอาจศึกษาฉากทัศน์พลังงานหมุนเวียนและพลังงานสะอาด 40% พลังงานนิวเคลียร์ SMR 20% และ LNG 40% เป็นเป้าหมายระหว่างทาง

สัดส่วนดังกล่าวเป็นข้อเสนอสำหรับการศึกษา ไม่ใช่ข้อกำหนดของ IEA และยังต้องประเมินความพร้อมของเทคโนโลยี ต้นทุน และการกำกับดูแลอย่างละเอียด

 

สำหรับเป้าหมาย Net Zero Emissions ในปี 2050 การใช้ LNG 40% โดยไม่มีมาตรการจัดการคาร์บอนเพิ่มเติมยังไม่เพียงพอ จึงต้องพิจารณาการลดสัดส่วนเชื้อเพลิงฟอสซิลเพิ่มเติม การใช้ Carbon Capture and Storage หรือ CCS และการเพิ่มแหล่งผลิตไฟฟ้าคาร์บอนต่ำในระยะยาว

 

✅ ประเทศไทยควรเรียนรู้อะไรจากคำกล่าวของ Google?

 

สิ่งที่ประเทศไทยควรเรียนรู้จากกรณี Google ไม่ใช่การสรุปว่าพลังงานหมุนเวียนไม่สามารถใช้กับ Data Center ได้ แต่คือการยอมรับว่าระบบพลังงานสำหรับ AI Infrastructure ต้องได้รับการออกแบบอย่างรอบด้าน

 

Data Center ต้องการทั้งไฟฟ้าที่มีความมั่นคงสูง ระบบ Cooling ที่มีประสิทธิภาพ และต้นทุนพลังงานที่แข่งขันได้

 

Solar Power และ Wind Power สามารถช่วยลดการใช้เชื้อเพลิงฟอสซิลได้ ขณะที่ BESS ช่วยเพิ่มความยืดหยุ่นและรองรับการเปลี่ยนแปลงโหลด แต่ระบบอาจยังต้องมี Firm Power จากก๊าซธรรมชาติ พลังน้ำ พลังงานความร้อนใต้พิภพ หรือนิวเคลียร์ตามความเหมาะสมของแต่ละประเทศ

 

สำหรับประเทศไทย จุดแข็งสำคัญคือ

โครงสร้างพื้นฐาน LNG และโรงไฟฟ้าก๊าซธรรมชาติที่มีอยู่แล้ว โดยเฉพาะในพื้นที่ EEC ซึ่งสามารถนำมาศึกษาการพัฒนา AI Data Center ร่วมกับระบบพลังงานได้

แต่การใช้ประโยชน์จากโครงสร้างพื้นฐานดังกล่าวต้องไม่ทำให้ประเทศไทยละเลยการเพิ่มสัดส่วนพลังงานสะอาด การลดการปล่อยคาร์บอน และการพัฒนาระบบไฟฟ้าให้มีประสิทธิภาพในระยะยาว

 

ดังนั้นแนวทางที่เหมาะสมคือการพัฒนา AI Data Center ควบคู่กับแผนพลังงานที่มีความยืดหยุ่น สามารถรองรับความต้องการไฟฟ้าที่เพิ่มขึ้น และสามารถปรับเปลี่ยนไปสู่เทคโนโลยีคาร์บอนต่ำเมื่อมีความพร้อม

 

✅ อนาคต AI Data Center ไม่ใช่การแข่งขันระหว่าง Gas กับ Renewable Energy

 

คำกล่าวของ Google ที่ว่า “Gas has a role to play” สะท้อนความจริงสำคัญของอุตสาหกรรมพลังงานในยุค AI ว่า การเปลี่ยนผ่านสู่พลังงานสะอาดไม่ได้เกิดขึ้นเพียงจากการติดตั้ง Solar Power และ Battery Storage ให้มากที่สุด แต่ต้องออกแบบระบบไฟฟ้าให้สามารถรักษาความมั่นคงได้ในทุกช่วงเวลา

 

ในระยะใกล้ ก๊าซธรรมชาติอาจยังมีบทบาทในการรองรับการเติบโตของ AI Data Center โดยเฉพาะในพื้นที่ที่ระบบไฟฟ้าและเทคโนโลยีกักเก็บพลังงานยังมีข้อจำกัด

แต่ในระยะยาว การเพิ่มพลังงานหมุนเวียน การพัฒนา Energy Storage ระยะยาว การนำเทคโนโลยีนิวเคลียร์และพลังงานคาร์บอนต่ำอื่น ๆ มาใช้ รวมถึงการเพิ่มประสิทธิภาพ Data Center จะมีความสำคัญมากขึ้น

 

สำหรับประเทศไทย โมเดล Small-Scale LNG + Power Plant + LNG Cold Energy + Data Center อาจเป็นทางเลือกหนึ่งในการใช้ประโยชน์จากโครงสร้างพื้นฐานพลังงานที่มีอยู่ แต่ต้องออกแบบควบคู่กับแผนลดการปล่อยคาร์บอนและการเพิ่มสัดส่วนพลังงานสะอาดอย่างต่อเนื่อง

 

เพราะในอนาคต ประเทศที่สามารถดึงดูด AI Data Center ได้อย่างยั่งยืน ไม่ใช่เพียงประเทศที่มีไฟฟ้าราคาถูกที่สุด แต่ต้องเป็นประเทศที่สามารถจัดหาไฟฟ้าได้อย่างมั่นคง มีต้นทุนแข่งขันได้ และลดการปล่อยก๊าซเรือนกระจกได้จริง

 

บทเรียนจาก Google จึงไม่ใช่ว่าโลกต้องเลือกระหว่างก๊าซธรรมชาติกับพลังงานหมุนเวียน แต่คือโลกจำเป็นต้องออกแบบระบบพลังงานที่ใช้ทั้งความมั่นคง ความยืดหยุ่น และความสะอาดทำงานร่วมกัน

 

และสำหรับประเทศไทย การแข่งขันในเศรษฐกิจ AI จะไม่ได้วัดกันเพียงว่าเราสามารถสร้าง Data Center ได้กี่เมกะวัตต์ แต่จะวัดกันว่าเราสามารถจัดหาพลังงานให้ Data Center เหล่านั้นได้อย่างมีประสิทธิภาพและยั่งยืนเพียงใด

 

ที่มา ฐานเศรษฐกิจ

วันที่ 22 ตุลาคม 2569