ราคาเชิงนิเวศของ AI: การใช้พลังงานของเครือข่ายประสาท น้ำ และความเสี่ยงสำหรับนักลงทุน

ปัญญาประดิษฐ์กำลังกลายเป็นผู้บริโภคพลังงานและน้ำขนาดใหญ่ การเติบโตของเครือข่ายประสาทมีผลกระทบต่อสภาพภูมิอากาศอย่างไร และความเสี่ยงและโอกาสใดที่เกิดขึ้นสำหรับนักลงทุนและเศรษฐกิจทั่วโลก

การเติบโตอย่างรวดเร็วของ AI และความต้องการพลังงาน

ความต้องการพลังการคำนวณสำหรับ AI พุ่งสูงขึ้นในช่วงไม่กี่ปีที่ผ่านมา ตั้งแต่การเปิดตัวเครือข่ายประสาทสาธารณะ เช่น ChatGPT ในช่วงปลายปี 2022 ธุรกิจทั่วโลกได้เร่งนำโมเดลปัญญาประดิษฐ์ไปใช้ซึ่งต้องการการประมวลผลข้อมูลในปริมาณมาก ตามการประมาณการในอุตสาหกรรม คาดว่าในปี 2024 AI จะคิดเป็นประมาณ 15-20% ของการใช้พลังงานทั้งหมดในศูนย์ข้อมูลทั่วโลก กำลังไฟที่จำเป็นสำหรับการทำงานของระบบ AI อาจสูงถึง 23 กิกะวัตต์ในปี 2025 ซึ่งสามารถเปรียบเทียบได้กับการใช้พลังงานไฟฟ้าทั้งหมดของประเทศอย่างสหราชอาณาจักร หากเปรียบเทียบ ตัวเลขนี้สูงกว่าการใช้พลังงานทั้งหมดของเครือข่ายการขุด Bitcoin ซึ่งแสดงให้เห็นว่า AI กลายเป็นหนึ่งในประเภทการคำนวณที่ใช้พลังงานมากที่สุด

พลศาสตร์ที่เพิ่มขึ้นนี้เกิดจากการลงทุนขนาดใหญ่ของบริษัทเทคโนโลยีในโครงสร้างพื้นฐาน: แทบทุกสัปดาห์มีการเปิดศูนย์ข้อมูลใหม่ และทุกไม่กี่เดือนมีการเปิดการผลิตชิปพิเศษสำหรับการเรียนรู้ของเครื่อง การขยายตัวของโครงสร้างพื้นฐานนี้ส่งผลโดยตรงต่อการใช้ไฟฟ้าที่จำเป็นสำหรับการจ่ายไฟและการระบายความร้อนของเซิร์ฟเวอร์หลายพันเครื่องที่ให้บริการเครือข่ายประสาทสมัยใหม่

การปล่อยก๊าซในระดับมหานคร

การใช้พลังงานสูงเช่นนี้นำไปสู่การปล่อยก๊าซเรือนกระจกที่สำคัญ หากพลังงานส่วนหนึ่งได้มาจากเชื้อเพลิงฟอสซิล ตามการวิจัยเมื่อเร็วๆ นี้ AI อาจมีส่วนรับผิดชอบต่อการปล่อยก๊าซ CO2 ระหว่าง 32-80 ล้านเมตริกตันในแต่ละปีในปี 2025 ซึ่งถือเป็นการยกระดับ "รอยเท้าคาร์บอน" ของ AI ไปยังระดับของเมืองทั้งเมือง: ตัวอย่างเช่น การปล่อย CO2 ของนิวยอร์กในแต่ละปีอยู่ที่ประมาณ 50 ล้านตัน นี่เป็นครั้งแรกที่เทคโนโลยีซึ่งดูเหมือนจะเป็นดิจิทัลทั้งหมดแสดงให้เห็นถึงระดับการส่งผลกระทบต่อสภาพภูมิอากาศที่เทียบเท่ากับภาคอุตสาหกรรมขนาดใหญ่

สิ่งสำคัญที่ควรสังเกตคือตัวเลขเหล่านี้ถือเป็นการประเมินที่ระมัดระวัง โดยพวกเขาเน้นเฉพาะการปล่อยก๊าซจากการผลิตไฟฟ้าสำหรับการทำงานของเซิร์ฟเวอร์ ในขณะที่วงจรชีวิตทั้งหมดของ AI – ตั้งแต่การผลิตอุปกรณ์ (เซิร์ฟเวอร์ ชิป) ไปจนถึงการกำจัด – ทำนองเดียวกันสร้างรอยเท้าคาร์บอนเพิ่มเติม หากการระเบิดของ AI ยังคงดำเนินต่อไปตามจังหวะที่กำหนดไว้ ปริมาณการปล่อยที่เกี่ยวข้องจะเพิ่มขึ้นอย่างรวดเร็ว สิ่งนี้จะซับซ้อนความพยายามทั่วโลกในการลดก๊าซเรือนกระจกและสร้างความท้าทายให้กับบริษัทเทคโนโลยี – ว่าจะสามารถรวมการเติบโตที่รวดเร็วของ AI เข้ากับพันธะในการบรรลุความเป็นกลางคาร์บอนได้อย่างไร

รอยน้ำของเครือข่ายประสาท

อีกหนึ่งความต้องการทรัพยากรที่ซ่อนอยู่ของ AI คือ น้ำ ศูนย์ข้อมูลต้องใช้น้ำในปริมาณมากในการระบายความร้อนของเซิร์ฟเวอร์และอุปกรณ์: การทำความเย็นแบบระเหยและการตั้งอุณหภูมิไม่สามารถหลีกเลี่ยงการใช้น้ำได้ นอกเหนือจากการใช้โดยตรง ปริมาณน้ำจำนวนมากยังจำเป็นต้องใช้อย่างอ้อม ๆ – ที่โรงไฟฟ้าสำหรับการระบายความร้อนของกังหันและหม้อไอน้ำในการผลิตไฟฟ้าที่เซิร์ฟเวอร์ต้องการ โดยตรง ตามการคำนวณผู้เชี่ยวชาญ ระบบ AI เพียงอย่างเดียวในปี 2025 อาจใช้น้ำตั้งแต่ 312 ถึง 765 พันล้านลิตร ซึ่งเทียบเท่ากับปริมาณน้ำบรรจุขวดทั้งหมดที่มนุษย์ดื่มในหนึ่งปี ดังนั้น เครือข่ายประสาทจึงสร้างรอยน้ำที่ยิ่งใหญ่ ซึ่งเมื่อไม่นานมานี้แทบไม่เป็นที่รู้จักในหมู่สาธารณะ

การประเมินอย่างเป็นทางการมักจะไม่สะท้อนให้เห็นถึงความเป็นจริงทั้งหมด ตัวอย่างเช่น องค์การพลังงานระหว่างประเทศได้ระบุว่ามีการใช้น้ำประมาณ 560 พันล้านลิตรที่ศูนย์ข้อมูลทั่วโลกในปี 2023 แต่ข้อมูลนี้ไม่ได้รวมถึงน้ำที่ใช้ในโรงไฟฟ้า รอยน้ำที่แท้จริงของ AI อาจสูงกว่าการประเมินอย่างเป็นทางการหลายเท่า ผู้เล่นรายใหญ่ที่สุดในอุตสาหกรรมยังไม่รีบร้อนที่จะเปิดเผยรายละเอียด ในรายงานล่าสุดเกี่ยวกับระบบ AI ของบริษัท Google ได้ระบุชัดเจนว่าไม่ได้รวมการใช้น้ำที่โรงไฟฟ้าของภายนอกในมาตรวัด อย่างไรก็ตามแนวทางนี้ถูกวิจารณ์ว่าเพราะส่วนใหญ่ของน้ำถูกใช้เพื่อสนองความต้องการด้านไฟฟ้าของ AI

ขณะนี้ขนาดการใช้น้ำกำลังสร้างความกังวลในหลายภูมิภาค ในพื้นที่แห้งแล้งของสหรัฐอเมริกาและยุโรป ชุมชนต่าง ๆ ต่อต้านการก่อสร้างศูนย์ข้อมูลใหม่ เนื่องจากกลัวว่าศูนย์เหล่านี้จะทำให้น้ำในแหล่งน้ำท้องถิ่นลดลง นอกจากนี้ บริษัทเองก็ได้บันทึกถึงการเติบโตของ "ความกระหายน้ำ" ในฟาร์มเซิร์ฟเวอร์ของตน: ตัวอย่างเช่น Microsoft รายงานว่าการใช้น้ำทั่วโลกของศูนย์ข้อมูลของตนในปี 2022 เพิ่มขึ้น 34% (ถึง 6.4 พันล้านลิตร) ส่วนใหญ่เป็นผลมาจากการเพิ่มขึ้นของความเครียดที่เกี่ยวข้องกับการฝึกโมเดล AI ข้อเท็จจริงเหล่านี้ทำให้ชัดเจนว่าปัจจัยด้านน้ำนั้นกำลังเข้ามามีบทบาทสำคัญเมื่อประเมินความเสี่ยงทางนิเวศวิทยาของโครงสร้างพื้นฐานดิจิทัล

ความไม่โปร่งใสของยักษ์ใหญ่ด้านเทคโนโลยี

ฟังดูขัดแย้ง แต่ในระดับการกระทบโดยรวมที่ด้านการใช้พลังงานและน้ำของ AI ข้อมูลที่เปิดเผยต่อสาธารณะกลับมีน้อยมาก บริษัทเทคโนโลยีขนาดใหญ่ในรายงานความยั่งยืนของตนมักจะรายงานตัวเลขรวมของการปล่อยและการใช้ทรัพยากร แต่ไม่ได้แยกแยะส่วนที่เกี่ยวข้องกับ AI ข้อมูลรายละเอียดเกี่ยวกับการทำงานของศูนย์ข้อมูล – เช่น ปริมาณพลังงานหรือที่ใช้งานน้ำในการคำนวณสำหรับเครือข่ายประสาท – มักจะยังคงอยู่ภายในบริษัท ไม่มีข้อมูลเกี่ยวกับการบริโภค "ทางอ้อม" เช่น น้ำที่ใช้ในการผลิตไฟฟ้าสำหรับความต้องการของศูนย์ข้อมูล

ส่งผลให้ผู้วิจัยและนักวิเคราะห์ต้องทำงานเหมือนนักสืบ ซึ่งต้องสร้างภาพรวมจากข้อมูลที่กระจัดกระจาย: ฟรากเมนต์จากการนำเสนอของบริษัท การประเมินจำนวนชิปเซิร์ฟเวอร์ที่ขายสำหรับ AI ข้อมูลจากบริษัทพลังงานและตัวบ่งชี้อื่น ๆ ที่เกี่ยวข้อง การขาดโปร่งใสนี้ทำให้ยากต่อการเข้าใจขนาดที่แท้จริงของรอยทางนิเวศของ AI ผู้เชี่ยวชาญเรียกร้องให้มีการนำมาตรฐานการเปิดเผยข้อมูลที่เข้มงวดมาใช้: บริษัทจะต้องรายงานการใช้พลังงานและการใช้น้ำของศูนย์ข้อมูลของตน โดยแยกย่อยตามประเด็นหลักรวมถึง AI ความโปร่งใสลักษณะนี้จะช่วยให้สังคมและนักลงทุนประเมินผลกระทบของเทคโนโลยีใหม่ ๆ ได้อย่างรอบด้านและกระตุ้นให้ภาคอุตสาหกรรมค้นหาทางในการลดผลกระทบต่อสิ่งแวดล้อม

ความเสี่ยงทางนิเวศวิทยาที่คุกคาม

หากแนวโน้มปัจจุบันยังคงดำเนินต่อไป ความต้องการที่เพิ่มขึ้นของ AI อาจทำให้เกิดปัญหาทางนิเวศวิทยาที่มีอยู่รุนแรงยิ่งขึ้น การปล่อยก๊าซเรือนกระจกหลายสิบล้านตันในแต่ละปี จะยากต่อการบรรลุเป้าหมายของข้อตกลงปารีสด้านสภาพอากาศ การใช้น้ำจืดหลายร้อยพันล้านลิตรจะเกิดขึ้นท่ามกลางการขาดแคลนทรัพยากรน้ำทั่วโลก ซึ่งคาดว่าจะแย่ลงถึง 56% ภายในปี 2030 ในคำอื่นๆ โดยไม่มีมาตรการเพื่อความยั่งยืน การขยายตัวของ AI อาจเสี่ยงที่จะขัดแย้งกับข้อจำกัดด้านนิเวศวิทยาของโลก

หากไม่มีการเปลี่ยนแปลง แนวโน้มดังกล่าวอาจนำไปสู่ผลลัพธ์ที่ไม่พึงประสงค์ดังต่อไปนี้:

1. ความร้อนโลกรุนแรงเนื่องจากการเพิ่มขึ้นของการปล่อยก๊าซเรือนกระจก
2. การเพิ่มขึ้นของการขาดแคลนน้ำจืดในหลายภูมิภาคที่แห้งแล้งแล้ว
3. เพิ่มภาระบนระบบพลังงานและความขัดแย้งทางสังคมและนิเวศวิทยารอบๆ ทรัพยากรที่มีจำกัด

ขณะนี้ชุมชนท้องถิ่นและหน่วยงานของรัฐต่างเริ่มตอบสนองต่อความท้าทายเหล่านี้ ในบางประเทศมีการนำข้อจำกัดในการสร้างศูนย์ข้อมูลที่ "กระหายน้ำพลังงาน" เข้ามาใช้ ซึ่งต้องการให้ใช้ระบบการประหยัดน้ำหรือการซื้อพลังงานที่สามารถหมุนเวียนได้ ผู้เชี่ยวชาญบอกว่า หากไม่มีการเปลี่ยนแปลงที่เด็ดขาด อุตสาหกรรม AI จากการเป็นเพียงแค่ดิจิทัลอาจกลายเป็นแหล่งที่เกิดปัญหาทางนิเวศวิทยาที่เป็นรูปธรรม - ตั้งแต่ภัยแล้งไปจนถึงการล้มเหลวของแผนการด้านสภาพภูมิอากาศ

มุมมองของนักลงทุน: ปัจจัย ESG

แง่มุมด้านสิ่งแวดล้อมของการพัฒนา AI อย่างรวดเร็วกลายเป็นปัจจัยที่สำคัญขึ้นเรื่อย ๆ สำหรับนักลงทุน ในยุคที่หลักการ ESG (ปัจจัยด้านสิ่งแวดล้อม สังคม และการจัดการ) ให้ความสำคัญมากขึ้น รอยเท้าคาร์บอนและรอยน้ำของเทคโนโลยีส่งผลต่อการประเมินบริษัทโดยตรง นักลงทุนตั้งคำถามว่า การเปลี่ยนแปลงด้าน "สีเขียว" ของนโยบายจะเพิ่มค่าใช้จ่ายสำหรับบริษัทที่มุ่งมั่นใน AI หรือไม่ ตัวอย่างเช่น การเข้มงวดในการควบคุมคาร์บอนหรือการเรียกเก็บเงินสำหรับการใช้น้ำอาจเพิ่มค่าใช้จ่ายสำหรับบริษัทที่ให้บริการเครือข่ายประสาทที่ใช้พลังงานและน้ำมาก

ในทางกลับกัน บริษัทที่ลงทุนในการบรรเทาผลกระทบต่อสิ่งแวดล้อมของ AI อาจสร้างความได้เปรียบ การเปลี่ยนศูนย์ข้อมูลไปยังพลังงานที่สามารถหมุนเวียนได้ การปรับปรุงชิปและซอฟต์แวร์เพื่อเพิ่มประสิทธิภาพพลังงาน รวมถึงการนำระบบการใช้น้ำกลับมาใช้ใหม่ ลดความเสี่ยงและปรับปรุงชื่อเสียง ตลาดมีมูลค่าสูงต่อความก้าวหน้าในด้านความยั่งยืน: นักลงทุนทั่วโลกต่างนำเมตริกสิ่งแวดล้อมเข้าไปในแบบจำลองการประเมินธุรกิจของตนมากขึ้น ดังนั้น สำหรับผู้นำด้านเทคโนโลยี ประเด็นที่สำคัญคือจะดำเนินการเพิ่มพลังของ AI อย่างไร ในขณะเดียวกันต้องตอบสนองความคาดหวังของสังคมด้านความยั่งยืน? ผู้ที่สามารถหาสมดุลระหว่างนวัตกรรมและการดูแลกับธรรมชาติจะได้รับผลตอบแทนในระยะยาว - ทั้งในแง่ของภาพลักษณ์และมูลค่าของธุรกิจ

แนวทางสู่ AI ที่ยั่งยืน

แม้จะมีขนาดของปัญหา แต่ภาคอุตสาหกรรมยังมีโอกาสที่จะชี้นำการเติบโตของ AI ไปในทิศทางที่ยั่งยืน บริษัทเทคโนโลยีระดับโลกและนักวิจัยกำลังทำงานในแนวทางแก้ไขที่สามารถลดรอยเท้าทางนิเวศของ AI โดยไม่ทำให้การพัฒนาเทคโนโลยีชะลอตัว กลยุทธ์ที่สำคัญได้แก่:

• การเพิ่มประสิทธิภาพการใช้พลังงานของโมเดลและอุปกรณ์ การพัฒนาอัลกอริธึมที่เหมาะสมและชิปพิเศษ (ASIC, TPU ฯลฯ) ที่สามารถทำงานการเรียนรู้ของเครื่องได้ที่ใช้พลังงานน้อยลง
• การเปลี่ยนไปใช้แหล่งพลังงานสะอาด การใช้อินเตอร์เน็ตที่มาจากพลังงานหมุนเวียน (พลังงานแสงอาทิตย์ พลังงานลม พลังงานน้ำ และพลังงานนิวเคลียร์) เพื่อลดการปล่อยก๊าซคาร์บอนจากการทำงานของ AI บริษัทเทคโนโลยีหลายแห่งมีข้อตกลงด้าน "สีเขียว" โดยการซื้อพลังงานสะอาดสำหรับความต้องการของตน
• การลดและการใช้น้ำกลับมาใช้ใหม่ การนำระบบระบายความร้อนใหม่มาใช้ (การระบายความร้อนด้วยของเหลว การแช่) ที่ต้องใช้น้ำน้อยลงมาก รวมถึงการนำระบบน้ำใช้กลับมาใช้ใหม่ มูลค่าที่เว็บไซต์ต้องตั้งอยู่ตามปริมาณน้ำ: การเลือกพื้นที่ที่มีสภาพอากาศเย็นหรือทรัพยากรน้ำที่เพียงพอ การศึกษาแสดงว่าการเลือกพื้นที่และเทคโนโลยีการระบายความร้อนอย่างชาญฉลาดช่วยลดค่าใช้น้ำและรอยคาร์บอนของศูนย์ข้อมูลลง 70-85%
• ความโปร่งใสและการวัดผล การเปิดเผยข้อมูลเกี่ยวกับการใช้พลังงานและน้ำภายใต้โครงสร้างพื้นฐาน AI ต้องมีการตรวจสอบและเปิดเผยข้อมูลอย่างบังคับ การเปิดเผยข้อมูลแบบสาธารณะจะกระตุ้นให้บริษัทจัดการทรัพยากรได้อย่างมีประสิทธิภาพมากขึ้นและช่วยให้นักลงทุนติดตามความก้าวหน้าในการลดภาระต่อระบบนิเวศ
• การใช้ AI ในการจัดการทรัพยากร ตลกขบขัน อย่างไรก็ตามปัญญาประดิษฐ์เองสามารถช่วยแก้ปัญหานี้ได้ อัลกอริธึมการเรียนรู้ของเครื่องถูกนำมาใช้เพื่อเพิ่มประสิทธิภาพการระบายความร้อนในศูนย์ข้อมูล คาดการณ์ภาระงาน และแบ่งสรรงานเพื่อขจัดแรงกดดันและเพิ่มประสิทธิภาพการใช้เซิร์ฟเวอร์

ปีข้างหน้า จะเป็นปีที่สำคัญในการบูรณาการหลักการด้านความยั่งยืนเข้ากับแกนหลักของอุตสาหกรรม AI ที่มีการเติบโตอย่างรวดเร็ว ภาคคอยอยู่ที่ทางแยก: เราไปต่อโดยใช้การเคลื่อนที่ตามปกติ ขณะที่เสี่ยงที่จะเผชิญหน้ากับอุปสรรคด้านนิเวศ หรือเปลี่ยนปัญหาให้เป็นแรงจูงใจสำหรับเทคโนโลยีใหม่และรูปแบบธุรกิจ หากการโปร่งใส นวัตกรรม และความรับผิดชอบในการใช้ทรัพยากรกลายเป็นส่วนหนึ่งของกลยุทธ์ AI "อัจฉริยะดิจิทัล" จะสามารถเติบโตไปพร้อมกับการดูแลรักษาโลกได้ อย่างแน่นอนว่าการหาสมดุลนี้คือสิ่งที่นักลงทุนและสังคมทั้งปวงคาดหวังจากยุคเทคโนโลยีใหม่