Data Center University

เหตุใดประเทศไทยต้องเตรียมพร้อมสำหรับศูนย์ข้อมูลควอนตัม (Quantum Data Centers)

ในปี 2568 ประเทศไทยสามารถดึงดูดการลงทุนในอุตสาหกรรม Data Center มูลค่ารวมกว่า 720,000 ล้านบาท ซึ่งสะท้อนให้เห็นถึงบทบาทใหม่ของประเทศไทยในฐานะหนึ่งในฐานการลงทุนด้าน Digital Infrastructure ของภูมิภาคอาเซียน อย่างไรก็ตาม หากพิจารณาในเชิงเศรษฐศาสตร์อุตสาหกรรมและโครงสร้าง value chain อย่างลึกซึ้ง การเติบโตดังกล่าวยังมีข้อจำกัดเชิงยุทธศาสตร์อย่างน้อย 2 ประการ
1. ประการแรก ประเทศไทยยัง capture value จากห่วงโซ่อุปทาน (supply chain capture) ได้ค่อนข้างจำกัด โมเดลการลงทุน Data Center ปัจจุบันส่วนใหญ่เป็นลักษณะ “นำเข้าเทคโนโลยี-ใช้ทรัพยากรในประเทศ” กล่าวคือ ประเทศไทยจัดหา ที่ดิน พลังงาน น้ำ และสิทธิประโยชน์ทางภาษี ขณะที่อุปกรณ์หลัก เช่น servers, GPUs, cooling systems, networking fabrics และ control electronics ส่วนใหญ่ยังเป็นการนำเข้าจากต่างประเทศ ส่งผลให้มูลค่าเพิ่มในประเทศ (domestic value-added) ต่ำ เมื่อเทียบกับอุตสาหกรรม S-Curve รุ่นก่อน เช่น อุตสาหกรรมยานยนต์ ซึ่งสามารถสร้าง local supply chain ได้ลึกตั้งแต่ tier-1 ถึง tier-3 suppliers
2. ประการที่สอง โลกกำลังก้าวเข้าสู่ยุค Next Generation Data Center หรือ “Quantum Data Center” ซึ่งไม่ใช่เพียงการนำ Quantum Computer มาวางในอาคาร Data Center แบบเดิม แต่เป็นการเปลี่ยนโครงสร้างของ Data Center ใหม่ทั้งหมด ตั้งแต่
· อาคารและ facility safety standards
· cryogenic infrastructure
· quantum control electronics
· photonic interconnects
· QPU-GPU orchestration fabrics
· high-end workforce และ quantum engineering ecosystem
ประเทศไทยยังไม่มี ecosystem รองรับโครงสร้างพื้นฐานลักษณะนี้

IBM Quantum Data Center ในเยอรมนี: บทเรียนที่ประเทศไทยต้องอ่านให้ขาด
เมื่อวันที่ 1 ตุลาคม 2024 IBM เปิด IBM Quantum Data Center Europe ที่เมือง Ehningen ประเทศเยอรมนี โดยถือเป็น Quantum Data Center แห่งแรกของ IBM นอกสหรัฐอเมริกา และเป็นแห่งที่สองของโลก เหตุการณ์นี้มีนัยสำคัญเชิงยุทธศาสตร์มากกว่าการเปิด data center ใหม่ เพราะเป็นสัญญาณว่า Quantum Computing กำลังเปลี่ยนจาก laboratory science ไปสู่ infrastructure industry แล้ว
สิ่งที่ IBM ทำ ไม่ใช่แค่ตั้ง Quantum Computer
Quantum Data Center ของ IBM ที่เยอรมนีไม่ได้เป็นเพียงการติดตั้ง QPU (Quantum Processing Unit) แต่เป็นการสร้าง Quantum Infrastructure Stack ที่ประกอบด้วย
quantum processors (Eagle / Heron generation)
cryogenic systems
quantum control electronics
classical compute orchestration
cloud access architecture
data sovereignty framework ภายใน EU
hybrid quantum-classical computing integration
กล่าวอีกนัยหนึ่ง IBM กำลังสร้าง Data Center รูปแบบใหม่ ที่ classical computing (CPU/GPU) และ quantum computing (QPU) ทำงานร่วมกันเป็นระบบเดียว
ทำไมต้องภายในปี 2030?
ช่วงปี 2030 ถูกมองว่าเป็น turning point ของอุตสาหกรรม quantum computing เนื่องจากบริษัทชั้นนำ เช่น IBM, Quantinuum, IonQ, Fujitsu และอีกหลายราย ได้วาง roadmap สำหรับ quantum systems ขนาดใหญ่และ fault-tolerant architectures ในช่วงปลายทศวรรษนี้ หลายประเทศ เช่น China, United States, Japan, South Korea, Singapore และหลายประเทศในยุโรป เริ่มลงทุนใน Quantum Data Center infrastructure ด้วยเป้าหมายหลัก 2 ประการ
1. ใช้ GPU เพื่อควบคุมและ stabilise QPU
Quantum Processing Units (QPU) ยังต้องอาศัย classical computing infrastructure โดยเฉพาะ GPU และ FPGA เพื่อทำ
control pulses
readout correction
error mitigation
quantum error correction decoding
ดังนั้น Quantum Data Center จะเป็น hybrid architecture ไม่ใช่ pure quantum facility
2. ใช้ QPU เพื่อแก้ปัญหาบางประเภทที่ classical GPU ใช้เวลามหาศาล
ปัญหาบางประเภท เช่น
molecular simulation
combinatorial optimization
cryptographic search
quantum chemistry
logistics routing
มีศักยภาพที่จะได้รับ quantum advantage ในอนาคต ซึ่งอาจลดเวลาประมวลผลจากระดับหลายปี เหลือเพียงชั่วโมงหรือวัน ใน use cases เฉพาะ
Quantum Data Center ไม่ใช่ GPU Data Center รุ่นต่อไป
ต่างจาก GPU ซึ่ง ecosystem ค่อนข้าง standardized แล้ว (เช่น semiconductor → foundry → packaging → hyperscale deployment)
QPU ไม่มี “single dominant architecture”
ปัจจุบันมีอย่างน้อย 3 แนวทางหลัก
1. Trapped Ion Systems
ใช้ laser optics กักอะตอมเดี่ยวเป็น qubits
ข้อดี:
coherence time สูง
gate fidelity ดี
ข้อจำกัด:
laser complexity สูง
scaling ยาก
2. Superconducting Circuits
ใช้ superconducting aluminum circuits ทำงานใน dilution refrigerator ที่ระดับ millikelvin
ข้อดี:
gate speed สูง
บริษัทใหญ่สนับสนุนมาก
ข้อจำกัด:
cryogenic complexity สูงมาก
thermal engineering ซับซ้อน
3. Photonic Quantum Computing
ใช้ photons เป็น qubits
ข้อดี:
room temperature potential
networking advantage
ข้อจำกัด:
fault tolerance ยังท้าทาย
มีความเป็นไปได้สูงว่า Quantum Data Center ในอนาคตจะเป็น heterogeneous infrastructure ที่รองรับหลาย QPU platforms พร้อมกัน คล้ายกับที่ data center ปัจจุบันมี CPU + GPU + DPU coexistence
ด้วยเหตุนี้ Jensen Huang และ NVIDIA เองก็ประกาศชัดเจนว่า NVIDIA ไม่ได้มุ่งสร้าง QPU โดยตรง แต่จะมุ่งสร้าง QPU-GPU interconnect and orchestration infrastructure
จุดอ่อนของไทยในวันนี้ คือ โอกาสของไทยในวันพรุ่งนี้
ทั่วโลกยัง ไม่มี best practice ที่ mature สำหรับ Quantum Data Center
ตัวอย่างเช่น
Superconducting quantum computers ต้องใช้
dilution refrigerators
cryogenic vacuum systems
helium handling systems
RF shielding
ultra-low-noise electronics
ซึ่งไม่สอดคล้องกับ conventional data center building standards หลายข้อ
เช่น:
hazardous gas management
cryogenic leak risk
oxygen displacement safety
electromagnetic isolation
vibration isolation
กล่าวอีกนัยหนึ่ง โลกยังอยู่ในช่วง “infrastructure experimentation”
นี่คือ strategic entry window ของประเทศไทย
หากไทยรอจน ecosystem mature แล้ว เราจะกลับไปอยู่ในบทบาท “ผู้ให้ที่ดินและไฟฟ้า” เช่นเดียวกับ hyperscale DC รุ่นแรก
แต่หากไทยเข้าไปตั้งแต่ช่วง infrastructure ยังไม่ lock-in เรามีโอกาส capture value ใน supply chain ได้มากกว่า
Supply Chain ใหม่ที่ไทยสามารถเข้าไปจับได้
Quantum Data Center เปิดห่วงโซ่อุตสาหกรรมใหม่ เช่น
cryogenic cabling
RF connectors
photonic packaging
vacuum engineering
helium management systems
precision control electronics
quantum shielding materials
low-vibration facility engineering
quantum-safe cybersecurity
quantum networking
แม้แต่ “สายสัญญาณ” สำหรับ superconducting systems ก็มีมูลค่าสูงมาก เพราะต้องเชื่อมจาก room temperature electronics ไปยัง cryogenic stage ในระดับ millikelvin โดยมีข้อกำหนดด้าน
thermal isolation
RF integrity
noise suppression
superconducting compatibility
หากประเทศไทยสามารถสร้าง supply chain ในส่วนนี้ได้ แม้เพียงบาง segment ก็สามารถสร้างมูลค่าเพิ่มได้สูงกว่าการเป็น location provider แบบเดิม
ประเทศไทยได้เปรียบอะไร?
ประเทศไทยมีข้อได้เปรียบเชิง comparative advantage บางด้าน
1. Energy and Water Availability
เมื่อเทียบกับ Singapore ไทยยังมีพื้นที่ น้ำ และกำลังผลิตไฟฟ้าสำรองมากกว่า แม้ยังมีข้อจำกัดด้าน transmission infrastructure
2. Geopolitical Neutrality
ในยุค technology fragmentation ประเทศไทยมี positioning ที่เป็นกลางกว่าหลายประเทศในภูมิภาค
3. Human Capital Base
ประเทศไทยมีฐานการพัฒนาด้าน quantum science จาก Quantum Flagship initiatives ที่เริ่มต้นมาแล้ว แม้ยังไม่ใหญ่ แต่มี foundation ดีกว่าหลายประเทศใน ASEAN
4. Existing Data Center Momentum
การมี hyperscale data center ecosystem อยู่แล้ว ทำให้ transition ไป hybrid quantum-classical facilities มีฐานเริ่มต้นที่ดีกว่าเริ่มจากศูนย์
ประเทศไทยควรเริ่มอย่างไร?
1. จัดทำ National Quantum Data Center Strategy 2030
เป็นยุทธศาสตร์ข้ามกระทรวง
DE
อว.
BOI
พลังงาน
กลาโหม
EEC
2. ตั้ง Quantum Infrastructure Sandbox
เชิญบริษัท quantum จาก
US
Europe
Japan
China
เข้ามาทดสอบ infrastructure compatibility ในไทย
เพื่อ identify supply chain gaps
3. ลงทุนใน Quantum Engineering Workforce
ไม่ใช่แค่ quantum physicists แต่ต้องสร้างคนด้าน
cryogenic engineers
RF engineers
photonics engineers
quantum software developers
quantum-safe cybersecurity experts
4. ส่งเสริม Quantum Use Cases
ใช้โมเดล co-investment
รัฐสนับสนุน
เอกชนนำ use case
เช่น
logistics optimization
energy dispatch
materials science
defense simulation
aviation routing
5. ทำ G2G Quantum Collaboration
สร้าง use cases ข้ามประเทศใน
defense communications
shipping optimization
aerospace
smart grids
secure communications
บทสรุป
คำถามสำคัญไม่ใช่ว่า Quantum Data Center จะเกิดหรือไม่ แต่คือ เมื่อ Quantum Data Center กลายเป็นโครงสร้างพื้นฐานจริงในปี 2030 ประเทศไทยจะเป็นเพียง “สถานที่ตั้ง” หรือจะเป็น “เจ้าของ value chain” บทเรียนจาก EV, semiconductor และ hyperscale cloud ชี้ชัดว่า ประเทศที่เข้าไป “ก่อนมาตรฐานนิ่ง” มักเป็นประเทศที่ capture value ได้มากที่สุด ดังนั้น หากประเทศไทยต้องการก้าวจาก Digital Infrastructure Host → Digital Infrastructure Power การเริ่มวางยุทธศาสตร์ Quantum Data Center ตั้งแต่วันนี้ อาจเป็นหนึ่งใน strategic bets ที่สำคัญที่สุดของทศวรรษนี้.

First IBM Quantum Data Center in Europe Opens; Will Include IBM's Most Performant Quantum Systems Expansion of IBM's utility-scale fleet of quantum computers in Ehningen, Germany is marked with ribbon-cutting by German Chancellor Olaf Scholz and industry leaders. New IBM quantum data center in...

Thucydides (ธูซิดีดิส): นักประวัติศาสตร์ผู้เปิดเผยธรรมชาติของอำนาจและสงคราม

ในประวัติศาสตร์ความคิดทางการเมืองของโลก ชื่อของ Thucydides หรือ “ธูซิดีดิส” (c. 460–400 BCE) ได้รับการยกย่องอย่างกว้างขวางว่าเป็นหนึ่งในนักประวัติศาสตร์และนักคิดการเมืองที่ทรงอิทธิพลที่สุดในโลกตะวันตก เขาไม่เพียงเป็นผู้บันทึกเหตุการณ์สงครามเพโลพอนนีเซียน (Peloponnesian War) ระหว่างนครรัฐเอเธนส์และสปาร์ตา หากยังเป็นผู้วางรากฐานของการศึกษาประวัติศาสตร์เชิงวิพากษ์ (critical history) และแนวคิดสัจนิยมทางการเมือง (political realism) ซึ่งยังคงมีอิทธิพลต่อการวิเคราะห์ความสัมพันธ์ระหว่างประเทศในโลกปัจจุบันอย่างลึกซึ้ง

ผลงานสำคัญของธูซิดีดิสคือ History of the Peloponnesian War ซึ่งถือเป็นงานประวัติศาสตร์ที่มีลักษณะ “ทันสมัย” อย่างน่าทึ่งเมื่อเทียบกับยุคสมัยของเขา แตกต่างจากนักประวัติศาสตร์ร่วมยุค เช่น Herodotus ที่ยังคงใช้เรื่องเล่าเชิงตำนาน เทพเจ้า และคำอธิบายเหนือธรรมชาติ ธูซิดีดิสกลับเลือกใช้การสังเกต การวิเคราะห์เหตุและผล และการตรวจสอบพฤติกรรมของมนุษย์ในบริบทของอำนาจและสงคราม เขาพยายามอธิบายว่าเหตุการณ์ทางการเมืองมิได้ขับเคลื่อนด้วยโชคชะตาหรือเทพเจ้า หากแต่ขับเคลื่อนด้วย “ผลประโยชน์ ความกลัว และอำนาจ” ซึ่งเป็นปัจจัยพื้นฐานของพฤติกรรมมนุษย์และรัฐ (Thucydides, 1972)

แนวคิดดังกล่าวทำให้ธูซิดีดิสได้รับการยกย่องว่าเป็นต้นธารของ “Political Realism” หรือสัจนิยมทางการเมือง ซึ่งมองว่ารัฐและผู้นำทางการเมืองมิได้ตัดสินใจบนพื้นฐานของศีลธรรมเพียงอย่างเดียว แต่ตัดสินใจภายใต้ข้อจำกัดของผลประโยชน์แห่งชาติ ความมั่นคง และการรักษาสมดุลอำนาจ แนวคิดนี้ต่อมาได้รับการพัฒนาต่อโดยนักคิดสำคัญ เช่น Niccolò Machiavelli, Thomas Hobbes และ Hans Morgenthau ซึ่งต่างยอมรับว่าธูซิดีดิสคือผู้วางฐานทางปัญญาของการมองโลกการเมืองในฐานะ “เวทีแห่งการแข่งขันเพื่ออำนาจ” มากกว่าพื้นที่ของอุดมคติ (Morgenthau, 1948)

หนึ่งในแนวคิดที่ถูกนำกลับมาใช้ในยุคปัจจุบันอย่างแพร่หลายคือ “Thucydides Trap” ซึ่งอ้างอิงจากการวิเคราะห์ของธูซิดีดิสเกี่ยวกับสงครามระหว่างเอเธนส์และสปาร์ตา เขาเสนอว่า “การผงาดขึ้นของเอเธนส์และความหวาดกลัวที่สิ่งนั้นก่อให้เกิดแก่สปาร์ตา ทำให้สงครามกลายเป็นสิ่งแทบหลีกเลี่ยงไม่ได้” (Thucydides, 1972) แนวคิดนี้ได้รับการประยุกต์ใช้โดยนักรัฐศาสตร์ร่วมสมัยในการวิเคราะห์การแข่งขันระหว่างมหาอำนาจ เช่น United States และ China โดยมองว่าการเปลี่ยนผ่านของอำนาจในระบบโลกมักนำไปสู่ความตึงเครียดเชิงยุทธศาสตร์และความเสี่ยงต่อความขัดแย้ง (Allison, 2017)

ในระดับที่ลึกกว่าการบันทึกประวัติศาสตร์ ธูซิดีดิสเสนอข้อสังเกตที่เฉียบคมเกี่ยวกับ “ธรรมชาติของมนุษย์” ในภาวะวิกฤต เขาเชื่อว่าสงครามมิได้เพียงทำลายเมืองหรือรัฐ แต่ยังเปิดเผยด้านที่แท้จริงของมนุษย์—ด้านที่ถูกขับเคลื่อนด้วยความกลัว ความโลภ การเอาตัวรอด และการใช้อำนาจเหนือผู้อื่น ในมุมมองนี้ ธูซิดีดิสจึงมิใช่เพียงนักประวัติศาสตร์ หากเป็นนักปรัชญาแห่งอำนาจ (philosopher of power) ผู้ทำให้เราเข้าใจว่าการเมืองระหว่างรัฐเป็นภาพสะท้อนของธรรมชาติพื้นฐานของมนุษย์เอง

ดังนั้น แม้เวลาจะผ่านมากว่า 2,400 ปี ธูซิดีดิสยังคงเป็นนักคิดที่มีความร่วมสมัยอย่างน่าทึ่ง เพราะเขาสอนให้โลกเข้าใจว่าภายใต้เปลือกของอารยธรรม ความก้าวหน้า และถ้อยคำทางศีลธรรม การเมืองระหว่างประเทศยังคงถูกกำหนดด้วยแรงผลักพื้นฐานเดิม คือ “อำนาจ ความกลัว และผลประโยชน์” ซึ่งเป็นความจริงที่ยังสะท้อนอยู่ในภูมิรัฐศาสตร์ของศตวรรษที่ 21

References

Allison, G. (2017) Destined for War: Can America and China Escape Thucydides’s Trap? Boston: Houghton Mifflin Harcourt.

Morgenthau, H.J. (1948) Politics Among Nations: The Struggle for Power and Peace. New York: Alfred A. Knopf.

Thucydides (1972) History of the Peloponnesian War. Translated by R. Warner. London: Penguin Classics.

DASHub – Data Center, AI & Smart Energy Management Hub

ศูนย์กลางความร่วมมือด้าน Data Center, AI และ Smart Energy Management เพื่อพัฒนากำลังคน เทคโนโลยี และนวัตกรรมของประเทศไทยสู่ยุคดิจิทัลอย่างยั่งยืน

DASHub มุ่งสร้าง Ecosystem สำหรับการพัฒนาโครงสร้างพื้นฐานดิจิทัลแห่งอนาคต ครอบคลุมด้าน:
• Data Center & Cloud Infrastructure
• Artificial Intelligence (AI)
• Smart & Sustainable Energy
• Digital Workforce Development
• Research, Innovation & Industry Collaboration

แพลตฟอร์มนี้เปิดพื้นที่สำหรับนักวิจัย ภาคอุตสาหกรรม ภาครัฐ และสถาบันการศึกษา ในการสร้างเครือข่ายความร่วมมือ แลกเปลี่ยนองค์ความรู้ และผลักดันประเทศไทยสู่การเป็น Digital Infrastructure Hub ของภูมิภาค ASEAN

โครงการนี้ได้รับการสนับสนุนโดย
• สำนักงานการวิจัยแห่งชาติ (วช.)
• วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม (CIIM), สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง (KMITL)

เยี่ยมชมเว็บไซต์:

dashub.org

วช. และ สจล. จัดประชุมเปิดตัว HUB OF TALENT: DATA CENTER, AI, AND SMART ENERGY MANAGEMENT TECHNOLOGIES

วช.และสจล.จัดประชุมเปิดตัวHUB OF TALENT: DATA CENTER, AI, AND SMART ENERGY MANAGEMENT TECHNOLOGIES Enjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.

NVIDIA Ising: กรอบปัญญาประดิษฐ์เพื่อเร่งการพัฒนาคอมพิวเตอร์ควอนตัม

NVIDIA Ising เป็นชุดโมเดลปัญญาประดิษฐ์ (AI model family) และกรอบการพัฒนา (training framework) ที่ถูกออกแบบมาเพื่อสนับสนุนการพัฒนาและการดำเนินงานของระบบคอมพิวเตอร์ควอนตัม โดยมุ่งเน้นแก้ปัญหาคอขวดหลัก ได้แก่ การปรับเทียบระบบ (quantum calibration) และการแก้ไขข้อผิดพลาดควอนตัม (quantum error correction) ซึ่งเป็นอุปสรรคสำคัญต่อการพัฒนา quantum computing ให้สามารถใช้งานได้จริงในระดับอุตสาหกรรม

แนวคิดหลักของ NVIDIA Ising คือการนำ AI เข้ามาเป็น “control plane” หรือชั้นควบคุมของระบบควอนตัม เพื่อเพิ่มประสิทธิภาพ ความแม่นยำ และความสามารถในการขยายตัวของระบบควอนตัมในอนาคต

1. บทนำ (Introduction)
แม้คอมพิวเตอร์ควอนตัมจะมีศักยภาพสูงในเชิงทฤษฎี แต่ในทางปฏิบัติยังเผชิญกับปัญหาสำคัญ ได้แก่
• ความไม่เสถียรของ qubit
• การเกิด noise และ error สูง
• ความจำเป็นในการปรับเทียบระบบอย่างต่อเนื่อง
• ความซับซ้อนของ error correction แบบ real-time
ปัญหาเหล่านี้ทำให้ “classical computing layer” กลายเป็นองค์ประกอบสำคัญที่กำหนดความสามารถใช้งานจริงของ quantum systems
NVIDIA Ising จึงถูกพัฒนาเพื่อทำหน้าที่เป็น AI layer ที่ช่วยเสริมความสามารถของ classical control system ให้รองรับ quantum hardware ได้อย่างมีประสิทธิภาพ
2. สถาปัตยกรรมของ NVIDIA Ising (System Architecture)
NVIDIA Ising ประกอบด้วย 2 องค์ประกอบหลัก ได้แก่:
2.1 Ising Calibration Model
เป็น Vision-Language Model (VLM) ที่ใช้ในการตีความข้อมูลจาก quantum processor และแนะนำการปรับค่าพารามิเตอร์ของระบบ
• วิเคราะห์ measurement data จาก QPU
• แนะนำการ tuning แบบอัตโนมัติ
• รองรับ agent-based workflow
โมเดลนี้ช่วยลดเวลาการ calibration จากระดับ “วัน” เหลือ “ชั่วโมง” โดยใช้ AI agent ในการตัดสินใจแทนมนุษย์
2.2 Ising Decoding Model
เป็นโมเดลแบบ 3D Convolutional Neural Network (3D CNN) สำหรับการทำ quantum error correction
• รองรับการประมวลผลแบบ real-time
• มี 2 โหมด:
o Fast (Latency ต่ำ)
o Accurate (ความแม่นยำสูง)
ผลลัพธ์ที่รายงาน:
• เร็วขึ้น ~2.5 เท่า
• แม่นยำขึ้น ~3 เท่า เมื่อเทียบกับ PyMatching
3. Training Framework และ Ecosystem
NVIDIA Ising ไม่ได้เป็นเพียงโมเดล แต่เป็น ecosystem แบบครบวงจร ประกอบด้วย:
• Training framework (PyTorch + cuQuantum)
• Benchmark datasets (เช่น QCalEval)
• Deployment tools (NVIDIA NIM, CUDA-Q)
• Fine-tuning pipeline
ระบบนี้ช่วยให้ผู้พัฒนา quantum hardware สามารถ:
• ปรับโมเดลให้เหมาะกับ noise profile ของตนเอง
• Train decoder เฉพาะ QPU
• Deploy แบบ real-time
4. บทบาทของ AI ใน Quantum Computing
NVIDIA เสนอแนวคิดสำคัญว่า:
AI จะไม่ใช่เพียงเครื่องมือเสริม แต่จะกลายเป็น “Operating Layer” ของ Quantum Computing
โดย AI จะเข้ามาควบคุม:
• Calibration loop
• Error correction pipeline
• System optimization
ซึ่งเปลี่ยน paradigm จาก
“quantum + classical support” → “AI-driven quantum control system”
5. การประเมินประสิทธิภาพ (Performance & Benchmarking)
NVIDIA Ising ถูกประเมินโดยใช้ benchmark เฉพาะทาง เช่น:
• QCalEval (สำหรับ calibration)
• Logical Error Rate (LER)
• Latency (สำหรับ decoding)
ผลลัพธ์แสดงให้เห็นว่า:
• Calibration model outperform โมเดล AI อื่น
• Decoding model ลด latency และ error rate อย่างมีนัยสำคัญ
6. ความสำคัญเชิงวิศวกรรม (Engineering Significance)
NVIDIA Ising มีความสำคัญใน 3 มิติหลัก:
6.1 Scalability
ช่วยให้ระบบควอนตัมสามารถ scale ไปสู่ fault-tolerant quantum computing
6.2 Automation
ลดการพึ่งพาผู้เชี่ยวชาญใน calibration
6.3 Integration
เชื่อมโยง AI เข้ากับ quantum stack เช่น:
• CUDA-Q
• cuQuantum
• NVQLink
7. ข้อจำกัด (Limitations)
แม้จะมีศักยภาพสูง แต่ยังมีข้อจำกัด ได้แก่:
• ใช้งานเฉพาะทาง (ไม่ใช่ general AI)
• ประสิทธิภาพขึ้นกับ hardware และ noise model
• Quantum computing ยังอยู่ในระยะเริ่มต้น
8. บทสรุป (Conclusion)
NVIDIA Ising เป็นก้าวสำคัญของการบูรณาการ AI เข้ากับ quantum computing โดยเปลี่ยนบทบาทของ AI จากเครื่องมือทั่วไปไปสู่ “core infrastructure” ของระบบควอนตัม
การมุ่งเน้นไปที่ calibration และ error correction ซึ่งเป็น bottleneck สำคัญ ทำให้ Ising มีศักยภาพในการเร่งการพัฒนา quantum computing ไปสู่ระดับการใช้งานจริง
ในภาพรวม NVIDIA Ising แสดงให้เห็นแนวโน้มสำคัญของอนาคต:
AI จะเป็นตัวกลางหลักในการควบคุมและทำให้ quantum computing ใช้งานได้จริงในระดับอุตสาหกรรม

https://developer.nvidia.com/ising?size=n_6_n

NVIDIA Ising — AI for Quantum Computing AI models & framework scaling quantum computing to fault tolerance.

🎓🚀 เปิดรับสมัครแล้ว! ปริญญาโท หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชานวัตกรรมเทคโนโลยีเพื่ออุตสาหกรรม

(เพื่อพัฒนาบุคลากรด้าน Data Center Engineering)
📍 CIIM – KMITL

✨ เพื่อพัฒนาบุคลากรด้าน Data Center Engineering แห่งแรกในประเทศไทย

🌍 โลกกำลังก้าวเข้าสู่ยุค
AI • Cloud • Data Center มูลค่าหลายแสนล้านบาท

วันนี้คุณจะเป็นเพียง “ผู้ใช้งาน”
หรือก้าวสู่การเป็น “ผู้ออกแบบระบบของโลกอนาคต”

🔥 อย่าพลาดโอกาสก้าวสู่สายงานที่เติบโตเร็วที่สุดในโลก
💼 Career Path: Data Center Engineer / Cloud Engineer / AI Infrastructure
💰 เงินเดือนสายนี้ 50,000 – 200,000+ บาท

🎓 Master of Science Program in

Innovation Technology for Industry

(เพื่อพัฒนาบุคลากรด้าน Data Center Engineering)

🎯 หลักสูตรนี้เหมาะสำหรับ

ผู้ที่ต้องการพัฒนาสู่การเป็นผู้เชี่ยวชาญด้าน
Digital Infrastructure • AI Data Center • Cloud Systems

🤝 ความร่วมมือระดับอุตสาหกรรม

พัฒนาหลักสูตรร่วมกับ
Amazon Data Services (Thailand) Limited
และสอดคล้องตามมาตรฐานของวิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ (วสท.)

🔬 เนื้อหาหลักสูตรครอบคลุม

⚡ วิศวกรรมพลังงาน ระบบไฟฟ้า และระบบทำความเย็น
🌐 Network และ Cloud Infrastructure
🧠 AI Data Center และ CFD Simulation
🌱 Green Data Center และ Energy Efficiency

🔥 จุดเด่นของหลักสูตร

✅ เพื่อพัฒนาบุคลากรด้าน Data Center Engineering โดยตรง (แห่งแรกในไทย)
✅ บูรณาการ Engineering + Science + Management
✅ เรียนกับผู้เชี่ยวชาญจากภาคอุตสาหกรรมจริง
✅ รองรับงานวิจัยและนวัตกรรมระดับ TRL 4+
✅ เรียนเฉพาะวันเสาร์–อาทิตย์ (เหมาะสำหรับผู้ทำงาน)

📚 รูปแบบการเรียน (Study Tracks)

• แผน 1.1 Research (วิจัย)
• แผน 1.2 Coursework + Thesis
• แผน 2 Coursework + Independent Study (IS)

⏳ รายละเอียดหลักสูตร

📅 เปิดรับสมัคร: วันนี้ – 15 พฤษภาคม 2569
⏳ ระยะเวลาเรียน: 2 ปี
💰 ค่าเล่าเรียน: ประมาณ 200,000 บาท ตลอดหลักสูตร

📞 สอบถามข้อมูลเพิ่มเติม

อ.ดร.เมทังกร เสริมสุข
📱 064-298-7915
📧 [email protected]

🌐 Develop the Future of AI-Driven Infrastructure
ร่วมเป็นส่วนหนึ่งในการสร้างโครงสร้างพื้นฐานดิจิทัลของโลกอนาคต

📝 ขั้นตอนการสมัคร (2 ขั้นตอน)
🔵 1. สมัครเบื้องต้น (แนะนำ)

👉 https://docs.google.com/forms/d/e/1FAIpQLSdMA6MdFsbVYT6U-kdc0J1N-9OvU2GHx1sdmcCQKmCxhvep3w/viewform?usp=publish-editor

📌 ใช้เวลาเพียง 1–2 นาที
📌 ทีมงานติดต่อกลับและให้คำแนะนำ

🟣 2. สมัครผ่านระบบมหาวิทยาลัย (Official)

👉 https://admission.reg.kmitl.ac.th/ #/master/explore

📌 สำหรับการสมัครอย่างเป็นทางการ

#️⃣

🎓🚀 เปิดรับสมัครแล้ว! ปริญญาโท Data Center Engineering
ที่เดียวในไทย!

🌍 โลกกำลังเข้าสู่ยุค
AI • Cloud • Data Center ระดับแสนล้านบาท
คุณจะ “เป็นแค่ผู้ใช้งาน”
หรือ “เป็นผู้ออกแบบระบบในอนาคต”?

🎓 Master of Science Program in Data Center Engineering

📍 College of Innovation and Industrial Management (CIIM), KMITL

เหมาะสำหรับผู้ที่ต้องการก้าวสู่การเป็นผู้เชี่ยวชาญด้าน Digital Infrastructure, AI Data Center และ Cloud Systems

หลักสูตรที่รวม:
⚡ วิศวกรรมพลังงาน + ไฟฟ้า + ระบบทำความเย็น
🌐 Network + Cloud Infrastructure
🧠 AI Data Center + Simulation (CFD)
🌱 Green Data Center & Energy Efficiency

🔥 จุดเด่นที่ไม่เหมือนใคร
✅ หลักสูตร Data Center Engineering โดยตรง (แห่งแรกในไทย)
บูรณาการ Engineering + Science + Management
✅ เรียนกับตัวจริงจากอุตสาหกรรม
✅ ทำ Research / Tech Innovation ระดับ TRL 4+
✅ เรียนเสาร์–อาทิตย์ (เหมาะกับคนทำงาน)
• เปิดรับทั้งนักศึกษาไทยและนานาชาติ

📚 Study Tracks
• Research (1.1)
• Coursework + Thesis (1.2)
• Coursework + IS (2)

📅 รับสมัคร: วันนี้ – 15 พฤษภาคม 2569
⏳ ระยะเวลา: 2 ปี
💰 ค่าเล่าเรียน~ 200,000 บาท ตลอดหลักสูตร

📞 สอบถามเพิ่มเติม
อ.ดร.เมทังกร เสริมสุข
โทร: 064-298-7915
Email: [email protected]

🌐 Develop the Future of AI-Driven Infrastructure

มาตรฐานศูนย์ข้อมูลแบบโมดูลาร์และการประกอบสำเร็จรูป
(Modular / Prefabricated Data Center Standards)

ภูมิทัศน์ของมาตรฐานสากลสำหรับศูนย์ข้อมูลแบบตู้คอนเทนเนอร์หรือแบบโมดูลาร์ (การประกอบสำเร็จรูป) ไม่ได้ถูกกำหนดโดยมาตรฐานเดียวแบบเฉพาะเจาะจง แต่เป็นการบูรณาการของมาตรฐานหลายด้านร่วมกัน ได้แก่
มาตรฐานด้านศูนย์ข้อมูล ระบบไฟฟ้า งานก่อสร้าง และความปลอดภัย ซึ่งถูกนำมาประยุกต์ใช้กับระบบที่ผลิตแบบสำเร็จรูป (Prefabricated Systems) ดังนั้น แนวทางมาตรฐานที่ใช้ในระดับสากลจึงเป็นลักษณะ Multi-Standard Framework ซึ่งถูกนำไปใช้งานจริงโดย
• ผู้ให้บริการ Hyperscale Data Center
• บริษัท EPC (Engineering, Procurement, Construction)
• หน่วยงานรับรอง (Certification Bodies | DTEC/NECTEC) ในประเทศไทย โดยอ้างเอิงตามมาตรฐาน EIT & ISO/IEC 22237
โดยสามารถจัดโครงสร้างมาตรฐานได้อย่างเป็นระบบ (Structured, Standards-Aligned View) ตามแนวปฏิบัติที่ใช้ทั่วโลก (ISO/IEC 22237) ดังต่อไปนี้
🔹 Definition (คำจำกัดความ)
1. Modular Data Center คือศูนย์ข้อมูลที่ถูกออกแบบในรูปแบบ “สำเร็จรูป (prefabricated)”
➡️ ศูนย์ข้อมูลแบบ Modular คือโครงสร้างที่ผลิตล่วงหน้าในโรงงานก่อนนำไปติดตั้งหน้างาน
2. โดยใช้โครงสร้างและระบบต่าง ๆ ที่ถูกประกอบเป็นโมดูลแยกส่วน
➡️ ระบบต่าง ๆ เช่น IT, Power และ Cooling ถูกออกแบบเป็นหน่วย (modules) ที่แยกจากกันได้
3. โมดูลเหล่านี้สามารถนำมาประกอบรวมกันเป็นระบบศูนย์ข้อมูลที่สมบูรณ์
➡️ แต่ละโมดูลทำงานร่วมกันเพื่อสร้าง Data Center ที่ใช้งานได้จริง
4. แนวคิดนี้ช่วยให้สามารถติดตั้งได้รวดเร็วและขยายระบบได้ง่าย
➡️ เป็นแนวทางที่เน้น “Speed + Scalability” มากกว่าการก่อสร้างแบบดั้งเดิม
🔹 Components (องค์ประกอบ)
5. องค์ประกอบของ Modular Data Center ประกอบด้วยระบบหลักที่จำเป็นทั้งหมด
➡️ เช่นเดียวกับ Data Center ปกติ จะมี IT, Power, Cooling และ Network
6. โมดูลเหล่านี้ถูกออกแบบและผลิตในโรงงานก่อนส่งไปติดตั้ง
➡️ การผลิตแบบ Off-site ช่วยเพิ่มคุณภาพและลดเวลาหน้างาน
7. โดยแต่ละโมดูลจะถูกออกแบบให้ทำงานได้อย่างมีประสิทธิภาพและทนทาน
➡️ รองรับการใช้งานในสภาพแวดล้อมที่หลากหลาย
8. โมดูลสามารถรวมถึงเซิร์ฟเวอร์ ระบบจัดเก็บข้อมูล และอุปกรณ์เครือข่าย
➡️ ซึ่งเป็นแกนหลักของการประมวลผลข้อมูล
9. รวมถึงระบบจ่ายไฟ เช่น UPS และระบบสำรองพลังงาน
➡️ เพื่อให้ระบบทำงานต่อเนื่องแม้ไฟฟ้าขัดข้อง
10. และระบบทำความเย็นเพื่อควบคุมอุณหภูมิของอุปกรณ์
➡️ เป็นองค์ประกอบสำคัญสำหรับ reliability ของ Data Center
11. นอกจากนี้ยังรวมถึงระบบรักษาความปลอดภัยและระบบตรวจสอบ (monitoring)
➡️ เพื่อควบคุมการเข้าถึงและติดตามสถานะระบบ
🔹 Key Characteristics (คุณลักษณะสำคัญ)
12. Modular Data Center สามารถติดตั้งได้ในหลายพื้นที่ แม้ในพื้นที่ที่มีข้อจำกัด
➡️ เช่น Edge location, Remote site หรือพื้นที่อุตสาหกรรม
13. สามารถขยายระบบได้โดยการเพิ่มโมดูลใหม่เข้าไป
➡️ ทำให้รองรับการเติบโตของ workload ได้แบบ incremental
14. ลดระยะเวลาในการก่อสร้างเมื่อเทียบกับ Data Center แบบดั้งเดิม
➡️ จาก “ปี” เหลือ “เดือน”
15. ช่วยเพิ่มความยืดหยุ่นในการออกแบบและการใช้งาน
➡️ สามารถปรับเปลี่ยน configuration ได้ตามความต้องการธุรกิจ

🧠 สรุปเชิงวิชาการ
Modular Data Center คือ โครงสร้างศูนย์ข้อมูลแบบสำเร็จรูป (prefabricated infrastructure) ที่ประกอบด้วยโมดูลมาตรฐาน เช่น IT, Power, Cooling และ Network ซึ่งถูกผลิตจากโรงงานและนำมาติดตั้งหน้างานเพื่อให้สามารถใช้งานได้อย่างรวดเร็ว มีความยืดหยุ่นสูง และสามารถขยายระบบได้อย่างมีประสิทธิภาพ โดยยังคงรักษามาตรฐานด้าน reliability และ performance เทียบเท่าศูนย์ข้อมูลแบบดั้งเดิม

Supermicro NVIDIA GB300 NVL72

Liquid Cooled Rack-Scale Solution with 72 NVIDIA B300 GPUs and 36 Grace CPUs
Key Applications
• AI/Deep Learning Training and Inference
Key Features
1. Rack-scale solution with NVIDIA GB300 Grace™ Blackwell Superchip providing 72 NVIDIA B300 GPUs and 36 Grace CPUs per rack
2. NVIDIA Blackwell Ultra with 288GB HBM3e per GPU
3. Direct Liquid-Cooling for up to 40% reduction in electricity cost for the data center
4. Comprehensive Service from consultation to full-scale deployment, providing all necessary parts, networking solutions, and onsite installation services
5. Up to 800Gb/s NVIDIA Quantum-2 InfiniBand or Spectrum-X Ethernet with integrated NVIDIA ConnectX®-8 SuperNICs

Rack Configuration
Nodes • 18x 1U ARS-121GL-NB3
Networking • 9x NVLink Switch, 4-ports per compute tray connecting 72 GPUs to provide 1.8TB/s GPU-to-GPU interconnect
Power • 8x 1U 33kW (6x 5.5kW PSUs), total power 132kW
Liquid Cooling • 1x in-rack Supermicro 250kW capacity CDU with redundant PSU and dual hot-swap pumps
Rack Configuration
Nodes • 18x 1U ARS-121GL-NB3
Networking • 9x NVLink Switch, 4-ports per compute tray connecting 72 GPUs to provide 1.8TB/s GPU-to-GPU interconnect
Power • 8x 1U 33kW (6x 5.5kW PSUs), total power 132kW
Liquid Cooling • 1x in-rack Supermicro 250kW capacity CDU with redundant PSU and dual hot-swap pumps

Rack Configuration
Nodes • 18x 1U ARS-121GL-NB3
Networking • 9x NVLink Switch, 4-ports per compute tray connecting 72 GPUs to provide 1.8TB/s GPU-to-GPU interconnect
Power • 8x 1U 33kW (6x 5.5kW PSUs), total power 132kW
Liquid Cooling • 1x in-rack Supermicro 250kW capacity CDU with redundant PSU and dual hot-swap pumps

การใช้ Diesel Generator ขนาดใหญ่ใน Data Center หรือ Critical Infrastructure มักมีปัญหาสำคัญคือ การสำรองน้ำมันดีเซล (Diesel Fuel Storage) เนื่องจากต้องรองรับการทำงานต่อเนื่องหลายชั่วโมงหรือหลายวันในกรณีไฟฟ้าดับ (Extended Outage) ปัญหาที่พบ ได้แก่ พื้นที่เก็บน้ำมันไม่พอ ความเสี่ยงด้านความปลอดภัย กฎหมายสิ่งแวดล้อม และการเสื่อมสภาพของน้ำมัน
แนวทางแก้ไขมีหลายรูปแบบ ดังนี้

1. ระบบ Bulk Fuel Storage Tank ขนาดใหญ่
เป็นวิธีพื้นฐานที่สุด โดยติดตั้งถังเก็บน้ำมันขนาดใหญ่ในพื้นที่
ลักษณะระบบ
• Underground Storage Tank (UST)
• Above Ground Storage Tank (AST)
• Double-Wall Tank พร้อม Leak Detection
ตัวอย่างการออกแบบใน Data Center
• สำรองเชื้อเพลิง 24–72 ชั่วโมง
• ถังขนาด 100,000 – 1,000,000 ลิตร
• ระบบ Fuel Polishing System เพื่อป้องกันน้ำมันเสื่อมคุณภาพ
ข้อดี
• ความพร้อมสูง
• ไม่ต้องพึ่งระบบภายนอก
ข้อจำกัด
• ใช้พื้นที่มาก
• ต้องผ่านกฎหมายสิ่งแวดล้อมและความปลอดภัย
• CAPEX สูง
2. ระบบ Fuel Supply Contract (Just-in-Time Fuel)
ใช้สัญญากับบริษัทน้ำมันให้ส่งเชื้อเพลิงฉุกเฉิน
รูปแบบ
• Emergency Fuel Supply Agreement
• Priority Delivery Contract
ตัวอย่าง
• Data Center ระดับ Hyperscale มักทำสัญญากับ
o Shell
o Chevron
o TotalEnergies
แนวคิด
เก็บน้ำมันเพียง 8–24 ชั่วโมง แล้วเติมเพิ่มเมื่อเกิดเหตุ
ข้อดี
• ลดขนาดถังเก็บ
• ลดความเสี่ยงสิ่งแวดล้อม
ข้อจำกัด
• หากเกิดภัยพิบัติใหญ่ การส่งเชื้อเพลิงอาจล่าช้า
3. ระบบ Fuel Pipeline Connection
ในบางพื้นที่อุตสาหกรรมสามารถเชื่อมต่อ ท่อส่งเชื้อเพลิงตรง
ตัวอย่างที่พบ
• Data Center ใกล้ refinery
• Military base
• Airport infrastructure
ข้อดี
• ไม่ต้องเก็บน้ำมันจำนวนมาก
ข้อจำกัด
• ใช้ได้เฉพาะบางพื้นที่
4. เปลี่ยนไปใช้ Natural Gas Generator
ปัจจุบัน Data Center จำนวนมากกำลังเปลี่ยนจาก Diesel เป็น Gas Generator
เชื้อเพลิงมาจาก
• Natural Gas Pipeline
• LNG storage
• CNG storage
ข้อดี
• ไม่ต้องเก็บน้ำมันจำนวนมหาศาล
• ลด CO₂ และ PM
ตัวอย่าง
• Google
• Microsoft
• Meta
เริ่มใช้ Gas Engine (Jenbacher / Wärtsilä) เป็น prime power
5. ใช้ Hybrid Energy System
แนวโน้มใหม่คือใช้ระบบผสม
Architecture
Grid
↓
Battery Energy Storage (BESS)
↓
Gas Generator / Diesel Generator
ผลลัพธ์
• Diesel ใช้งานเฉพาะฉุกเฉิน
• ลดการเก็บน้ำมัน
6. ใช้ Microgrid + Renewable + Storage
แนวทางใหม่ของ Green Data Center
พลังงานมาจาก
• Solar
• Wind
• Battery
• Hydrogen
• Gas Generator
Diesel จะกลายเป็น Last Resort Backup
7. ระบบ Mobile Fuel Farm
สำหรับ Data Center ขนาดใหญ่
ติดตั้ง
• Modular Fuel Tank
• Mobile Fuel Container
คล้ายระบบที่ใช้ใน
• Military
• Oil & Gas
• Mining
8. การจัดการคุณภาพน้ำมัน (Fuel Management)
ปัญหาที่พบบ่อยคือ diesel degradation
วิธีแก้
• Fuel polishing
• Water separation
• Biocide treatment
• Fuel rotation
มาตรฐานที่ใช้
• NFPA 110
• Uptime Institute
• TIA-942
แนวโน้มใหม่ของ Data Center (สำคัญมาก)
ปัจจุบัน Hyperscale Data Center เริ่ม ลดการใช้ Diesel
แนวโน้มคือ
1️⃣ Natural Gas Prime Power
2️⃣ SMR Nuclear
3️⃣ Hydrogen Generator
4️⃣ Battery + Grid
เหตุผลคือ
• AI Data Center ต้องใช้ไฟ 100–500 MW
• Diesel storage จะต้องเก็บ หลายล้านลิตร
ซึ่งไม่ practical
ตัวอย่างขนาดจริง
Data Center 100 MW
หากใช้ Diesel Generator
ต้องใช้เชื้อเพลิงประมาณ
20,000 – 30,000 ลิตรต่อชั่วโมง
ถ้าสำรอง 48 ชั่วโมง
ต้องมีน้ำมัน
1,000,000 – 1,500,000 ลิตร
จึงเป็นเหตุผลที่หลายบริษัทกำลัง เปลี่ยนไปใช้ Gas Generator

บริษัทเทคโนโลยียักษ์ใหญ่อย่าง Google ได้ลงนามข้อตกลงในการซื้อพลังงานนิวเคลียร์จาก เครื่องปฏิกรณ์นิวเคลียร์ขนาดเล็กแบบโมดูลาร์ (Small Modular Reactors: SMR) หลายหน่วย เพื่อใช้จ่ายไฟฟ้าให้กับศูนย์ข้อมูล (Data Centers) และสำนักงานของบริษัททั่วโลก

Google ได้สั่งให้มีการก่อสร้างเครื่องปฏิกรณ์นิวเคลียร์แบบ SMR หลายเครื่องเพื่อรองรับความต้องการพลังงานมหาศาลของศูนย์ข้อมูลและการดำเนินงานทั่วโลก นับเป็น ข้อตกลงครั้งแรกของโลกที่บริษัทเทคโนโลยีเป็นผู้ว่าจ้างให้มีการสร้างโรงไฟฟ้านิวเคลียร์โดยตรง

บริษัท Kairos Power สตาร์ตอัปด้านพลังงานจากรัฐแคลิฟอร์เนีย ซึ่งได้รับมอบหมายให้สร้างเครื่องปฏิกรณ์เหล่านี้ คาดว่าจะสามารถนำเครื่องปฏิกรณ์เชิงพาณิชย์เครื่องแรกมาใช้งานได้ภายในปี 2030 และจะพัฒนาเครื่องปฏิกรณ์เพิ่มเติมไปจนถึงปี 2035 ตามข้อมูลที่ Google เปิดเผยเมื่อวันจันทร์ที่ผ่านมา

ข้อตกลงดังกล่าวยังต้องผ่านการอนุมัติด้านกฎระเบียบจากหน่วยงานที่เกี่ยวข้อง โดยโครงการนี้คาดว่าจะสามารถผลิตไฟฟ้าพลังงานสะอาดที่ปราศจากคาร์บอนได้สูงสุด 500 เมกะวัตต์ (MW) ซึ่ง Google จะนำไปใช้กับศูนย์ข้อมูลที่กำลังขยายตัวอย่างรวดเร็ว อย่างไรก็ตาม ยังไม่ชัดเจนว่าไฟฟ้าที่ผลิตได้จะถูกส่งเข้าสู่โครงข่ายไฟฟ้า (Grid) หรือจะถูกใช้โดยตรงกับศูนย์ข้อมูล

ในรายงานสิ่งแวดล้อมประจำปีที่เผยแพร่เมื่อเดือนกรกฎาคม Google ระบุว่า การปล่อยก๊าซเรือนกระจกของบริษัทเพิ่มขึ้น 13% ในปีที่ผ่านมาเมื่อเทียบกับปี 2022 สาเหตุหลักมาจากความต้องการพลังงานที่เพิ่มขึ้นจากเทคโนโลยีปัญญาประดิษฐ์ (AI)

ศูนย์ข้อมูลของ Google ใช้ไฟฟ้าประมาณ 7–10% ของการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลก ซึ่งตามข้อมูลของสำนักงานพลังงานระหว่างประเทศ (IEA) ศูนย์ข้อมูลทั้งหมดทั่วโลกใช้ไฟฟ้าประมาณ 1–1.3% ของความต้องการไฟฟ้าทั่วโลก

จากการขยายตัวของบริการ AI ทำให้การใช้ไฟฟ้าของศูนย์ข้อมูล Google ในปีที่ผ่านมา เพิ่มขึ้น 17% เมื่อเทียบกับปี 2022 และบริษัทคาดว่าแนวโน้มดังกล่าวจะยังคงเพิ่มขึ้นต่อไปในอนาคต

Michael Terrell ผู้อำนวยการอาวุโสฝ่ายพลังงานและสภาพภูมิอากาศของ Google กล่าวว่า
“เราเชื่อว่าพลังงานนิวเคลียร์สามารถมีบทบาทสำคัญในการช่วยตอบสนองความต้องการพลังงานของเราได้ ทั้งยังช่วยให้เราสามารถตอบสนองความต้องการนั้นได้อย่างสะอาดและต่อเนื่องตลอด 24 ชั่วโมง”

เขาเรียกข้อตกลงนี้ว่าเป็น “หมุดหมายสำคัญของ Google ในเส้นทางพลังงานสะอาดที่ดำเนินมากว่า 15 ปี”

Google ซึ่งมีมูลค่าบริษัทประมาณ 754 พันล้านดอลลาร์สหรัฐ ตั้งเป้าหมายที่จะบรรลุ Net-Zero Emissions ภายในปี 2030 ครอบคลุมทั้งการดำเนินงานและห่วงโซ่คุณค่าทั้งหมดของบริษัท

ในช่วงไม่กี่ปีที่ผ่านมา ความซับซ้อนของชุดข้อมูลและโมเดล AI เพิ่มขึ้นอย่างมาก ส่งผลให้พลังงานที่ใช้ในการฝึกและรันโมเดล AI เพิ่มขึ้นอย่างรวดเร็ว ซึ่งทำให้การปล่อยก๊าซเรือนกระจกเพิ่มขึ้นตามไปด้วย

นักวิจัยจาก OpenAI ระบุว่า ตั้งแต่ปี 2012 เป็นต้นมา ปริมาณกำลังคอมพิวติ้งที่ใช้ในการฝึกโมเดล AI ระดับแนวหน้าจะเพิ่มขึ้นเป็นสองเท่าทุก ๆ 3.4 เดือน

คาดการณ์ว่า ภายในปี 2040 การปล่อยก๊าซเรือนกระจกจากอุตสาหกรรม เทคโนโลยีสารสนเทศและการสื่อสาร (ICT) อาจสูงถึง 14% ของการปล่อยก๊าซทั่วโลก โดยศูนย์ข้อมูลและเครือข่ายการสื่อสารจะเป็นแหล่งปล่อยที่สำคัญที่สุด

ด้วยเหตุนี้ บริษัทเทคโนโลยีจำนวนมากจึงเริ่มหันไปพิจารณา พลังงานนิวเคลียร์และพลังงานสะอาดรูปแบบอื่น เพื่อรองรับความต้องการพลังงานของศูนย์ข้อมูล

เมื่อเดือนที่ผ่านมา Microsoft ก็ได้ประกาศข้อตกลงระยะเวลา 20 ปี ในการซื้อพลังงานนิวเคลียร์จากโรงไฟฟ้านิวเคลียร์ Three Mile Island ในรัฐเพนซิลเวเนียของสหรัฐอเมริกา ซึ่งบริษัทพลังงาน Constellation ได้ให้คำมั่นว่าจะฟื้นฟูโรงไฟฟ้านี้ขึ้นมาอีกครั้ง

โรงไฟฟ้าแห่งนี้เป็นสถานที่เกิดอุบัติเหตุนิวเคลียร์ในปี 1979 และถูกปิดตัวลงในปี 2019 เนื่องจากปัญหาทางเศรษฐกิจ แต่คาดว่าจะสามารถกลับมาเปิดดำเนินการได้อีกครั้งภายในปี 2028

Google Turns to Nuclear to Power Energy-Hungry Data Centers Google signed a deal to purchase nuclear energy from multiple small modular reactors that will power its global data centers and offices.