พลังงาน AI ไม่ใช่แค่ปัญหาการผลิตไฟฟ้า แต่คือปัญหาโครงสร้างระบบ

บทความชี้ว่าความท้าทายด้านไฟฟ้าของยุค AI ไม่ได้อยู่แค่การสร้างโรงไฟฟ้าเพิ่มหรือขยายสายส่งเท่านั้น แต่อยู่ที่ “สถาปัตยกรรม” ของระบบไฟฟ้าและศูนย์ข้อมูลที่ถูกออกแบบมารองรับโหลดแบบดั้งเดิมมากกว่า เมื่อ AI data center ขนาดใหญ่เริ่มใช้ไฟแบบแกว่งขึ้นลงรวดเร็วในระดับกิกะวัตต์ ระบบเดิมจึงเริ่มแสดงข้อจำกัดอย่างชัดเจน

ผู้เขียนยกกรณีไฟฟ้าดับในแอชเบิร์น รัฐเวอร์จิเนีย ซึ่งเป็นศูนย์รวมดาต้าเซ็นเตอร์ขนาดใหญ่ที่สุดแห่งหนึ่งของโลก โดยเหตุขัดข้องของสายส่งทำให้โหลดจำนวนมากหลุดออกจากกริดในเวลาไม่กี่วินาที และยังมีเหตุการณ์ก่อนหน้านั้นที่อุปกรณ์ป้องกันตัวเดียวล้มเหลวแล้วกระทบศูนย์ข้อมูลหลายสิบแห่งพร้อมกัน สิ่งเหล่านี้สะท้อนว่าเมื่อโหลดจำนวนมากมีพฤติกรรมคล้ายกันและตอบสนองต่อความผิดปกติแบบเดียวกัน ระบบไฟฟ้าเดิมจะรับมือได้ยาก

บทความอธิบายว่าโครงสร้างพลังงานในดาต้าเซ็นเตอร์ยุคเก่าถูกออกแบบให้รองรับโหลดที่ค่อนข้างคงที่ เช่น โรงงานเหล็กหรือบ้านเรือน ไม่ใช่เวิร์กโหลด AI ที่สามารถสวิงการใช้ไฟได้ถึงราว 70% ในระดับมิลลิวินาทีระหว่างการฝึกโมเดล และยังอาจตัดตัวเองออกจากระบบทันทีเมื่อพบความผิดปกติด้านไฟฟ้าเพื่อปกป้องชิปและทรัพย์สินมูลค่ามหาศาล สิ่งที่เหมาะสมเมื่อโหลดมีขนาดเล็กกลับกลายเป็นความเสี่ยงเมื่อรวมกันในระดับมหึมา

จุดอ่อนของสถาปัตยกรรมเดิมถูกแบ่งเป็นสามชั้นหลัก ได้แก่ การวาง UPS ไว้ลึกเข้าไปในอาคารซึ่งไม่ทันต่อการรับแรงกระชากขนาดใหญ่ การที่ UPS แบบเดิมทำงานในโหมดบายพาสบ่อยจนปล่อยให้ความผันผวนจากกริดและจากโหลดไหลผ่านได้โดยไม่มีตัวกรอง และระบบป้องกันที่ยังคิดว่า “โหลดขนาดใหญ่” หมายถึงระดับเก่า จึงตัดการเชื่อมต่อในจังหวะที่ควรจะช่วยพยุงระบบมากที่สุด

ทางออกที่เสนอคือการย้ายระบบพลังงานขึ้นไปใช้แรงดันระดับกลาง ย้ายอุปกรณ์สำคัญออกไปไว้ในโมดูลแยกใกล้สถานีไฟฟ้า และนำระบบสำรองเข้าไปอยู่ “ในทางเดินไฟ” แทนที่จะเป็นแบตเตอรี่ที่คอยรอรับเหตุขัดข้อง แนวคิดนี้ทำให้ทุกอิเล็กตรอนต้องผ่านระบบตลอดเวลา จึงช่วยทำให้โหลดของดาต้าเซ็นเตอร์เรียบขึ้น และเมื่อกริดมีปัญหา อุปกรณ์หลังระบบดังกล่าวก็แทบไม่รับรู้เหตุการณ์

ผลลัพธ์เชิงปฏิบัติคือผู้ให้บริการไฟฟ้าจะเห็นโหลดที่คาดเดาได้มากขึ้น ผู้ประกอบการสามารถลดความซับซ้อนของการเชื่อมต่อกริด ใช้เวลาขออนุญาตและศึกษาความเหมาะสมสั้นลง และภายในอาคารก็สามารถเปลี่ยนพื้นที่จากห้อง UPS ไปเป็นพื้นที่คำนวณหรือระบบทำความเย็นได้มากขึ้น นอกจากนี้อุปกรณ์ที่ออกแบบมาสำหรับแรงดันกลางยังมีโอกาสเข้าร่วมมาตรการด้านกริด เช่น peak shaving หรือ demand response จนกลายเป็นสินทรัพย์ที่สร้างรายได้ ไม่ใช่แค่ค่าใช้จ่ายสำรอง

บทความยังอ้างผลทดสอบในห้องแล็บของกระทรวงพลังงานสหรัฐฯ ที่สามารถจำลองทั้งโหลด AI จริงและความผิดปกติของกริดพร้อมกันได้ โดยระบบที่ใช้สถาปัตยกรรมแรงดันกลางสามารถผ่านข้อกำหนดการทนต่อแรงดันตกและเหตุขัดข้องของกริดได้อย่างสบาย ๆ ข้อสรุปคือ ปัญหาพลังงานของ AI ไม่ได้เป็นเพียงเรื่อง “ผลิตไฟฟ้าให้พอ” แต่เป็นเรื่องการออกแบบชั้นโครงสร้างให้ศูนย์ข้อมูลกลายเป็นภาระที่คาดเดาได้และอาจกลายเป็นทรัพยากรที่ช่วยเสถียรภาพของระบบไฟฟ้าได้ด้วย