ดาต้าเซ็นเตอร์โคจรรอบโลก พลังงานแสงอาทิตย์ กับอนาคต AI พลังงานไทย

ดาต้าเซ็นเตอร์ลอยฟ้าไม่ใช่นิยายวิทยาศาสตร์อีกต่อไป

รายงานปี 2024 ประเมินว่าดาต้าเซ็นเตอร์ทั่วโลกใช้ไฟฟ้าราว 2–3% ของการใช้ไฟทั้งหมด และแนวโน้มเพิ่มขึ้นเร็วเพราะ AI และคลาวด์คอมพิวติ้ง โดยเฉพาะงานอย่าง training โมเดล AI และประมวลผลเรียลไทม์ด้านพลังงาน

นี่คือเหตุผลที่แนวคิด ดาต้าเซ็นเตอร์พลังงานแสงอาทิตย์ในอวกาศ (space solar + orbiting data center) เริ่มถูกพูดถึงจริงจัง สตาร์ทอัพอย่าง Aetherflux ในสหรัฐกำลังพัฒนาโซลูชันที่เอาโซลาร์เซลล์ไปอยู่ในอวกาศ แล้วใช้พลังงานนั้นเลี้ยงดาต้าเซ็นเตอร์ที่โคจรรอบโลก ลดปัญหาพื้นที่บนดิน เสถียรภาพไฟ และการปล่อยคาร์บอน

สำหรับซีรีส์ “AI ในภาคพลังงานไทย: การเปลี่ยนผ่านสู่พลังงานสะอาด” หัวข้อนี้สำคัญมาก เพราะทุกครั้งที่เราพูดถึง AI ช่วยบริหารโครงข่ายไฟฟ้าไทย พยากรณ์พลังงานหมุนเวียน หรือบำรุงรักษาเชิงคาดการณ์ เรากำลังเพิ่มภาระให้ดาต้าเซ็นเตอร์โดยตรง ถ้าเราไม่คิดเรื่องพลังงานสะอาดให้ระบบดิจิทัลเอง การเปลี่ยนผ่านพลังงานสะอาดก็จะกลายเป็นแค่ย้ายมลพิษจากปลายปลั๊ก ไปซ่อนอยู่ในคลาวด์

บทความนี้จะชวนมองให้ไกลกว่า RSS ข่าวสั้น ๆ จาก CleanTechnica โดยใช้กรณี ดาต้าเซ็นเตอร์โคจรรอบโลก เป็นจุดตั้งต้น แล้วเชื่อมกลับมาที่โอกาสของไทย: จะออกแบบ AI + ดิจิทัลโครงสร้างพื้นฐานด้านพลังงาน ให้โตแบบ “เขียวจริง” ได้อย่างไร

---

ดาต้าเซ็นเตอร์ในอวกาศคืออะไร และเกี่ยวอะไรกับ AI พลังงาน

คำตอบสั้น ๆ คือ ดาต้าเซ็นเตอร์ในอวกาศ คือการย้ายส่วนหนึ่งของงานประมวลผลจากบนดินขึ้นไปบนวงโคจร แล้วให้พลังงานจาก โซลาร์เซลล์ในอวกาศ (space-based solar power) เป็นแหล่งจ่ายหลัก

ทำไมต้องเอาโซลาร์ไปอยู่ในอวกาศ

บนโลก แผงโซลาร์มีข้อจำกัดสำคัญ:

• มีกลางวัน–กลางคืน แผงผลิตไฟได้ราว 4–6 ชั่วโมงเต็ม ๆ ต่อวัน (ขึ้นกับพื้นที่)
• มีเมฆ ฝุ่น มลพิษ บังแสง ทำให้ประสิทธิภาพแกว่ง
• ต้องใช้ที่ดินกว้าง ๆ และมีข้อจำกัดการใช้ประโยชน์ที่ดิน

ในอวกาศ โดยเฉพาะวงโคจรที่ออกแบบมาเฉพาะ แผงโซลาร์สามารถรับแสงอาทิตย์ได้ใกล้เคียง 24 ชั่วโมงต่อวัน ไม่มีเมฆ ไม่มีฝุ่น ทำให้ factor การผลิตไฟสูงกว่าโซลาร์บนพื้นดินหลายเท่า พูดง่าย ๆ คือถ้าลงทุนแผงเท่ากัน ไฟที่ผลิตได้ต่อปีมากกว่าเยอะ

นี่คือเสน่ห์ของอุตสาหกรรม space solar power ที่กำลัง "gathering steam" และเป็นเหตุผลที่สตาร์ทอัพอย่าง Aetherflux โผล่ขึ้นมาในช่วงไม่กี่ปีนี้

ทำไมดาต้าเซ็นเตอร์ถึงเป็น use case แรก ๆ

ดาต้าเซ็นเตอร์เหมาะกับ space solar ด้วยเหตุผลตรงไปตรงมา:

1. ต้องการไฟฟ้ามหาศาลและคงที่ 24/7
2. มีมูลค่าทางเศรษฐกิจต่อหน่วยไฟสูง (1 kWh ที่ใช้ประมวล AI มูลค่ามากกว่า 1 kWh ที่ใช้หลอดไฟทั่วไปหลายเท่า)
3. งานหลายประเภทไม่จำเป็นต้องอยู่ใกล้ผู้ใช้มากนัก เช่น batch processing, model training, การประมวลผลข้อมูลวิจัย

สำหรับภาคพลังงานไทย การใช้ AI เพื่อ:

• พยากรณ์กำลังผลิตไฟฟ้าจากโซลาร์และลม
• วางแผนเดินเครื่องโรงไฟฟ้า
• วิเคราะห์ข้อมูลบำรุงรักษาเชิงคาดการณ์ของโรงไฟฟ้าและสายส่ง

ทั้งหมดนี้ใช้กำลังประมวลผลสูง และมักจะรันอยู่ในคลาวด์ดาต้าเซ็นเตอร์ ยิ่งไทยผลักดัน Smart Grid, Smart Meter, EV, Battery Storage มากขึ้น ปริมาณข้อมูลก็จะพุ่งขึ้นแบบทวีคูณ ถ้าดาต้าเซ็นเตอร์เหล่านี้อิงไฟจากฟอสซิลเป็นหลัก เราก็จะติดกับดัก "AI พลังงานสะอาดที่สร้างคาร์บอนฝั่งไอที" ไปอีกนาน

---

ข้อดี–ข้อเสียของดาต้าเซ็นเตอร์โคจรรอบโลก เมื่อเทียบกับบนดิน

ข้อดีที่มองเห็นชัด

1. พลังงานสะอาดคงที่เกือบ 24/7
แหล่งจ่ายไฟจาก space solar มีความเสถียรสูง ไม่ต้องลงทุนแบตเตอรี่สำรองเท่าบนดิน ลดทั้งต้นทุนและความซับซ้อนของระบบกักเก็บพลังงาน

2. ไม่แย่งพื้นที่ใช้สอยบนโลก
ในไทย ปัญหาที่ดินสำหรับโครงการพลังงานหมุนเวียนเริ่มชัด ทั้งเรื่องการเกษตร ที่อยู่อาศัย และสิ่งแวดล้อม ดาต้าเซ็นเตอร์ในอวกาศเลี่ยงประเด็นนี้ทั้งหมด

3. ลดความเสี่ยงด้านสภาพภูมิอากาศและภัยพิบัติ
น้ำท่วม ไฟไหม้ พายุ ฯลฯ กระทบดาต้าเซ็นเตอร์บนดินได้เต็ม ๆ แต่อวกาศไม่เจอปัญหาแบบเดียวกัน แม้จะมีความเสี่ยงด้านรังสีและเศษขยะอวกาศ แต่เป็นอีกชุดความเสี่ยงที่จัดการด้วยวิธีต่างออกไป

4. ช่วยให้โครงข่ายไฟฟ้าบนโลกเบาลง
การย้ายภาระ load ไฟฟ้าของดาต้าเซ็นเตอร์บางส่วนไปอยู่นอกโลก ช่วยให้กริดไฟฟ้าในประเทศไม่ต้องแบกรับ demand พุ่งขึ้นรวดเร็ว ลดแรงกดดันการสร้างโรงไฟฟ้าใหม่บนดิน

ข้อเสียและข้อท้าทายที่เลี่ยงไม่ได้

1. ต้นทุนและเทคโนโลยีการส่งพลังงานกลับโลก
ถ้าต้องการส่งไฟจาก space solar กลับมาใช้งานบนโลก ต้องใช้เทคโนโลยีอย่าง microwave beaming หรือ laser transmission ซึ่งยังอยู่ในช่วงวิจัย–ทดลอง และมีคำถามเรื่องความปลอดภัย กฎระเบียบ และประสิทธิภาพ

ในกรณีดาต้าเซ็นเตอร์โคจร อาจเลี่ยงปัญหานี้ได้บางส่วน เพราะใช้ไฟในอวกาศเลย ไม่ต้องส่งไฟกลับโลก แต่ก็ต้องลงทุนด้านระบบระบายความร้อน การเชื่อมต่อสัญญาณ และการบำรุงรักษาที่ซับซ้อนกว่าบนดิน

2. Latency และการเชื่อมต่อเครือข่าย
งานหลายอย่างของ AI ภาคพลังงาน เช่น real-time grid control ต้องการ latency ต่ำมาก การส่งข้อมูลขึ้น–ลงวงโคจรอาจยังไม่ตอบโจทย์ ต้องแบ่งให้ดาต้าเซ็นเตอร์บนอวกาศทำงานที่ไม่ต้องตอบสนองแบบวินาทีต่อวินาที เช่น การ train โมเดลขนาดใหญ่ การ run simulation ระยะยาว

3. กฎระเบียบระหว่างประเทศและความมั่นคง
ใครเป็นเจ้าของดาต้าเซ็นเตอร์ในอวกาศ? อยู่ใต้กฎหมายของประเทศไหน? ถ้าไทยใช้บริการ space data center ของบริษัทต่างชาติ ข้อมูลโครงข่ายไฟฟ้าระดับชาติถือเป็น "โครงสร้างพื้นฐานวิกฤต" จะควบคุมและป้องกันความเสี่ยงด้านไซเบอร์อย่างไร เรื่องนี้หน่วยงานอย่าง กกพ. กระทรวงพลังงาน กสทช. รวมถึงดีอีเอสต้องวางกรอบร่วมกันแต่เนิ่น ๆ

4. ความยั่งยืนด้าน "ขยะอวกาศ"
ดาต้าเซ็นเตอร์ในอวกาศหมายถึงดาวเทียมและโครงสร้างจำนวนมากขึ้น ถ้าไม่มีมาตรการจัดการปลายทาง (end-of-life) ที่ดี เราอาจกำลังย้ายปัญหาขยะจากพื้นดินขึ้นไปกองในวงโคจรแทน

---

เชื่อมภาพใหญ่: ดาต้าเซ็นเตอร์อวกาศ + AI กริดไฟฟ้าไทย

หัวใจของซีรีส์นี้คือ "AI ในภาคพลังงานไทย" ไม่ใช่อวกาศ แต่ดาต้าเซ็นเตอร์ในอวกาศทำให้เราเห็นภาพชัดว่า ถ้าเราจะจริงจังกับ พลังงานสะอาด + ดิจิทัล + AI เราต้องคิดทั้งระบบตั้งแต่ต้นน้ำถึงปลายน้ำ

วันนี้ AI ภาคพลังงานไทยพึ่งดาต้าเซ็นเตอร์แบบไหน

ตอนนี้โปรเจกต์ AI ด้านพลังงานของไทยจำนวนมากรันอยู่บน:

• คลาวด์สาธารณะ (hyperscaler รายใหญ่)
• ดาต้าเซ็นเตอร์ในประเทศของ utility, การไฟฟ้า, หรือเอกชนด้านพลังงาน

คำถามที่ผู้บริหารหลายคนยังตอบไม่ชัดคือ:

"งาน AI พลังงานที่เราทำวันนี้ ใช้ไฟจากแหล่งไหน และปล่อยคาร์บอนเท่าไรต่อ 1 โมเดล?"

ผมมักจะเห็นองค์กรเริ่มคำนวณ carbon footprint ของโรงไฟฟ้า แต่ยังไม่แตะ digital footprint ของระบบ AI เอง ทั้งที่ในอีก 3–5 ปีข้างหน้า ภาระไฟฟ้าจากดาต้าเซ็นเตอร์และฐานชาร์จ EV จะเป็นแรงขับ demand ฝั่งโหลดใหญ่ของประเทศ

บทบาทของดาต้าเซ็นเตอร์ (บนดินหรือบนฟ้า) ต่อ AI กริดไทย

ถ้าดูจากประสบการณ์ต่างประเทศ มี 4 งานหลักที่ "หากไม่มีดาต้าเซ็นเตอร์ที่เสถียรและเขียว" จะทำได้ยาก:

1. AI พยากรณ์พลังงานหมุนเวียน:

   • รับข้อมูลจากโซลาร์ฟาร์มและกังหันลม
   • ใช้โมเดล deep learning พยากรณ์กำลังผลิตระยะสั้น–กลาง
   • ต้องประมวลผลข้อมูลจำนวนมากตลอดเวลา

2. AI สำหรับการปรับสมดุลกริด (grid balancing):

   • ตัดสินใจระดับวินาที–นาที ว่าจะจ่ายไฟจากแหล่งไหน
   • ใช้ข้อมูลจาก SCADA, smart meter, battery storage

3. บำรุงรักษาเชิงคาดการณ์ (predictive maintenance):

   • วิเคราะห์ vibration, temperature, partial discharge ของอุปกรณ์
   • ลด downtime โรงไฟฟ้าและหม้อแปลงสำคัญ

4. การจัดการพลังงานฝั่งผู้ใช้ (demand response & EMS):

   • วิเคราะห์พฤติกรรมการใช้ไฟของโรงงานและอาคาร
   • เสนอแผนปรับโหลดให้เข้ากับกริดและราคาตลาด

ทั้งหมดนี้คืองานที่กิน compute หนัก ถ้าวันหนึ่งไทยเลือกใช้บริการ ดาต้าเซ็นเตอร์พลังงานแสงอาทิตย์ในอวกาศ สำหรับงานบางส่วน เช่น model training หรือ simulation ความได้เปรียบคือ:

• ลดคาร์บอนฟุตพรินต์ของ AI พลังงาน
• กระจายความเสี่ยงด้านโครงสร้างพื้นฐาน (ไม่ผูกกับดาต้าเซ็นเตอร์ในพื้นที่เสี่ยงน้ำท่วม/ไฟฟ้าดับ)
• เปิดโอกาสให้ผู้ประกอบการไทยพัฒนาโซลูชันซอฟต์แวร์พลังงานที่ "เกิดมาเพื่อ work บน space data center" เช่น ระบบวิเคราะห์พลังงานระดับภูมิภาคอาเซียนแบบข้ามพรมแดน

---

4 แนวทางที่ผู้เล่นพลังงานไทยเริ่มทำได้ตั้งแต่วันนี้

ไม่จำเป็นต้องรอให้ Aetherflux หรือใครเอาดาต้าเซ็นเตอร์ขึ้นวงโคจร ไทยก็เริ่มขยับเพื่อให้ AI พลังงานสะอาดมากขึ้นได้ทันที ผมสรุปเป็น 4 ขั้นตอนที่ใช้งานได้จริง

1) ทำ “Digital Energy Footprint” ให้เห็นตัวเลขจริง

เริ่มจากการ วัด ก่อนว่าจะจัดการอะไร:

• แยกโหลดไฟฟ้าของดาต้าเซ็นเตอร์ / ห้องเซิร์ฟเวอร์ / คลาวด์ ที่ใช้กับงาน AI พลังงาน
• คำนวณคาร์บอนฟุตพรินต์ต่อปี ตาม factor การปล่อยของการไฟฟ้า
• ระบุว่า workload ไหน critical ที่ต้องออนไลน์ 24/7 และ workload ไหนสามารถย้ายไปอยู่ดาต้าเซ็นเตอร์ที่เขียวกว่าหรือมีต้นทุนต่ำกว่าได้

องค์กรที่ทำขั้นนี้ละเอียด มักจะเจอ “quick win” เช่น ย้ายบางงานไปวิ่งช่วงกลางวันในโซลาร์ฟาร์มของตนเอง หรือปรับการตั้งค่าโมเดล AI ให้ประหยัด compute ลงแต่ผลลัพธ์แทบไม่ต่าง

2) ผูก AI พลังงานกับ RE100 / เป้าหมายพลังงานหมุนเวียนขององค์กร

หลายองค์กรไทยประกาศเป้าหมายใช้พลังงานหมุนเวียน 100% (RE100) หรือมีแผน Net Zero อยู่แล้ว แต่ระบบ AI และดาต้าเซ็นเตอร์มักถูกมองเป็น “ค่าใช้จ่ายไอที” แยกออกจากกลยุทธ์พลังงาน

วิธีที่ดีกว่าคือ:

• กำหนดให้ workload AI พลังงานทุกตัว ต้องระบุแหล่งไฟ ที่ใช้ เช่น 50% โซลาร์ฟาร์ม, 30% ก๊าซ, 20% ซื้อ RE Attribute
• ตั้ง KPI ให้ทีมดิจิทัลและทีมพลังงานร่วมกัน ผลักดันให้ % พลังงานหมุนเวียนของ workload เหล่านี้เพิ่มขึ้นทุกปี
• ถ้าคลาวด์โปรไวเดอร์มี region ที่ใช้พลังงานหมุนเวียนสูง ให้กำหนด policy ว่าบริการ AI พลังงานต้องวิ่งใน region นั้นเป็นค่าเริ่มต้น

3) เตรียมสัญญาและกรอบกฎหมายสำหรับดาต้าเซ็นเตอร์ข้ามแดน–ข้ามอวกาศ

แม้ดาต้าเซ็นเตอร์ในอวกาศจะยังไม่พร้อมใช้เชิงพาณิชย์เต็มรูปแบบในปี 2025 แต่ สัญญาและกฎระเบียบใช้เวลานานกว่าจะลงตัว ใครเริ่มก่อนได้เปรียบแน่นอน

ไอเดียที่ไทยควรเริ่มศึกษาตั้งแต่ตอนนี้:

• รูปแบบสัญญาซื้อบริการประมวลผล (compute-as-a-service) ที่ระบุชัดเจนถึงแหล่งพลังงานสะอาด (เช่น space solar, offshore wind ฯลฯ)
• มาตรฐานความปลอดภัยไซเบอร์สำหรับโครงข่ายไฟฟ้า เมื่อข้อมูลไหลผ่านดาต้าเซ็นเตอร์ต่างประเทศหรือวงโคจร
• กรอบการกำกับดูแลของหน่วยงานไทย เมื่อมีการใช้บริการดาต้าเซ็นเตอร์นอกอาณาเขต เช่น ต้องรายงานเหตุการณ์อย่างไร ใครมีสิทธิ์ audit

4) ลงทุน R&D และพาร์ทเนอร์ด้าน AI พลังงาน ตั้งแต่วันนี้

การจะไปถึงวันที่ไทยใช้ดาต้าเซ็นเตอร์ในอวกาศจริงจัง เราต้องเริ่มจากพื้นฐานก่อน นั่นคือ:

• พัฒนา ทีม ที่เข้าใจทั้งพลังงาน ไฟฟ้า และ AI ในองค์กร
• ทดลองใช้ AI กับกรณีใช้งานที่จับต้องได้: พยากรณ์โหลด, วิเคราะห์โซลาร์ rooftop, บำรุงรักษาหม้อแปลง
• สร้างความร่วมมือกับมหาวิทยาลัย สตาร์ทอัพ และผู้ให้บริการคลาวด์ ที่มีแผนด้านพลังงานหมุนเวียนชัดเจน

คนที่เริ่มก่อนจะพร้อมที่สุดเมื่อเทคโนโลยีอย่าง space solar + orbiting data center กลายเป็นบริการเชิงพาณิชย์เต็มรูปแบบ เพราะตอนนั้นโจทย์จะไม่ใช่ "เทคโนโลยีคืออะไร" แต่จะเป็น "เราจะย้าย workload ไหนขึ้นไปบนฟ้า เพื่อให้ทั้งธุรกิจและสิ่งแวดล้อมดีที่สุด" ต่างหาก

---

มองไปข้างหน้า: AI พลังงานไทยบนโลกที่ดาต้าเซ็นเตอร์ไม่ต้องอยู่บนดิน

ภาพดาต้าเซ็นเตอร์โคจรรอบโลกล้อมรอบด้วยแผงโซลาร์อาจดูไกลตัวสำหรับปี 2025 แต่ทิศทางชัดเจนว่า ภาคพลังงานกับภาคดิจิทัลกำลังผสานกันแน่นขึ้นทุกปี และดาต้าเซ็นเตอร์คือจุดตัดสำคัญที่คนพลังงานมักมองข้าม

สำหรับไทย ถ้าเราอยากให้การ "เปลี่ยนผ่านสู่พลังงานสะอาด" มีความหมายเต็ม ๆ การออกแบบ สถาปัตยกรรม AI + พลังงาน ต้องคิดถึง:

• แหล่งพลังงานของดาต้าเซ็นเตอร์ (บนดิน บนฟ้า หรือในอวกาศ)
• ความโปร่งใสเรื่องคาร์บอนฟุตพรินต์ของระบบ AI เอง
• ความพร้อมของกฎหมายและมาตรฐานเมื่อโครงสร้างพื้นฐานพลังงานโยงกับดาต้าเซ็นเตอร์นอกประเทศ

ผมเชื่อว่าภายใน 10–15 ปีข้างหน้า การพูดถึงการซื้อ "ไฟฟ้า" กับการซื้อ "การประมวลผล" จะเริ่มผสานกัน ผู้ใช้ไฟรายใหญ่ในไทยอาจเซ็นสัญญาแบบ AI + Renewable Energy Bundle ที่ระบุทั้งจำนวนหน่วยไฟฟ้าจากพลังงานหมุนเวียน และจำนวนชั่วโมงการประมวลผล AI จากดาต้าเซ็นเตอร์ที่ใช้พลังงานสะอาด (รวมถึงดาต้าเซ็นเตอร์ในอวกาศ)

คำถามที่น่าคิดสำหรับวันนี้คือ:

"องค์กรคุณมีแผนจะทำให้ AI ด้านพลังงานของตัวเองสะอาดพอ ๆ กับโซลาร์ฟาร์มและกังหันลมที่กำลังลงทุนอยู่หรือยัง?"

ถ้าคุณยังไม่มีคำตอบชัดเจน นี่คือเวลาที่เหมาะที่สุดในช่วงปลายปี 2025 ที่จะเริ่มต้นคุยเรื่อง กลยุทธ์ AI + ดาต้าเซ็นเตอร์ + พลังงานสะอาด ภายในองค์กร ก่อนที่เทคโนโลยีจะวิ่งแซงและทำให้คุณต้องวิ่งตามแทนที่จะเป็นคนกำหนดเกม