กำแพงพลังงานของ AI: ทำไมการประมวลผลในวงโคจร (Orbital Compute) อาจกลายเป็นพรมแดนใหม่ของดาต้าเซ็นเตอร์

AI กำลังเผชิญกับปัญหาด้านพลังงาน

มันไม่ใช่ปัญหาเรื่องภาพลักษณ์แบรนด์ แต่มันคือปัญหาด้านโครงสร้างพื้นฐานทางกายภาพ

โมเดล AI, เครื่องมือสร้างรูปภาพ และผู้ช่วยเขียนโค้ดทุกตัวล้วนต้องพึ่งพาไฟฟ้า เมื่อ AI เข้ามามีบทบาทในทุกกระบวนการทำงานทั้งทางธุรกิจและวิทยาศาสตร์ แรงกดดันต่อดาต้าเซ็นเตอร์จึงเพิ่มสูงขึ้น

เป็นเวลาหลายปีที่การประมวลผลแบบคลาวด์ขยายตัวด้วยการเพิ่มเซิร์ฟเวอร์และสายไฟเบอร์ แต่ AI กำลังเปลี่ยนกฎเกณฑ์นี้ คลัสเตอร์ GPU ความหนาแน่นสูงต้องการพลังงานมหาศาล ระบบระบายความร้อนที่ทรงพลัง และการเชื่อมต่อกับโครงข่ายไฟฟ้าขนาดใหญ่ ในหลายพื้นที่ ข้อจำกัดไม่ใช่การซื้อ GPU อีกต่อไป แต่คือการหาไฟฟ้าให้เพียงพอต่อการใช้งานพวกมัน

นี่คือเหตุผลว่าทำไมการประมวลผลในวงโคจรจึงมีความสำคัญ

ในปัจจุบัน มันไม่ใช่สิ่งที่จะมาแทนที่ดาต้าเซ็นเตอร์บนโลก แต่มันคือสัญญาณว่าการแข่งขันด้าน AI กำลังก้าวข้ามขีดจำกัดของพื้นที่บนดินและโครงข่ายไฟฟ้า

ขนาดของความต้องการนั้นมหาศาล:

  • 2024: ดาต้าเซ็นเตอร์ใช้ไฟฟ้าไปประมาณ 415 TWh (1.5% ของไฟฟ้าทั่วโลก)
  • 2030: ความต้องการอาจพุ่งสูงถึง 945 TWh (เกือบ 3% ของไฟฟ้าทั่วโลก)
  • 2050: BloombergNEF คาดการณ์ว่าความต้องการจะสูงถึง 3,700 TWh (8.7% ของพลังงานทั่วโลก)

สิ่งนี้สร้างความตึงเครียดให้กับโครงข่ายไฟฟ้าในท้องถิ่น คลัสเตอร์ขนาดใหญ่เพียงแห่งเดียวอาจต้องการพลังงานเทียบเท่ากับเมืองขนาดเล็ก เมื่อพลังงานสะอาดไม่สามารถส่งมาได้เร็วพอ บริษัทต่างๆ อาจต้องหันไปใช้ก๊าซหรือถ่านหินแทน

การประมวลผลในวงโคจรเสนอเส้นทางที่แตกต่างออกไป

เมื่อไม่นานมานี้ Starcloud-1 ได้ถูกส่งขึ้นสู่วงโคจรพร้อมกับ NVIDIA H100 GPU ซึ่งพิสูจน์ให้เห็นว่าฮาร์ดแวร์ระดับดาต้าเซ็นเตอร์สามารถทำงานในอวกาศได้

ตรรกะของการประมวลผลในอวกาศนั้นเรียบง่าย:

  • AI ต้องการไฟฟ้า
  • อวกาศมีพลังงานแสงอาทิตย์ที่อุดมสมบูรณ์
  • โลกมีปัญหาความแออัดของโครงข่ายไฟฟ้า ข้อจำกัดด้านพื้นที่ และความล่าช้าในการขออนุญาต

ดาวเทียมในวงโคจรที่เหมาะสมสามารถเก็บเกี่ยวพลังงานแสงอาทิตย์ได้อย่างสม่ำเสมอกว่าฟาร์มโซลาร์เซลล์บนโลก อวกาศให้แสงแดดโดยไม่มีเมฆ สภาพอากาศ หรือการใช้น้ำเพื่อการระบายความร้อน

อย่างไรก็ตาม อวกาศไม่ใช่ทางออกที่ง่าย คุณไม่สามารถใช้พัดลมเพื่อระบายความร้อนให้ GPU ในสภาวะสุญญากาศได้ คุณต้องใช้แผงระบายความร้อน (radiators) เพื่อขับไล่ความร้อนออกไปผ่านพลังงานอินฟราเรด นอกจากนี้ยังต้องเผชิญกับความท้าทายด้านรังสี ความล่าช้าในการสื่อสาร และค่าใช้จ่ายในการปล่อยจรวดที่สูง

กรณีการใช้งานจริงกลุ่มแรกน่าจะเป็น:

  • การประมวลผล AI สำหรับดาวเทียมดวงอื่นๆ
  • การวิเคราะห์ข้อมูลจากการสังเกตการณ์โลก
  • ภาระงานด้านวิทยาศาสตร์
  • Batch inference

เป้าหมายคือการประมวลผลข้อมูล ณ จุดที่ข้อมูลถูกสร้างขึ้น แทนที่จะส่งไฟล์ดิบขนาดมหึมากลับมายังโลก ดาวเทียมสามารถประมวลผลข้อมูลในอวกาศและส่งกลับมาเพียงผลลัพธ์ขนาดเล็กที่มีประโยชน์เท่านั้น

การแข่งขันด้านโครงสร้างพื้นฐาน AI กำลังกลายเป็นการแข่งขันด้านพลังงาน สถานที่ที่มีมูลค่าสูงสุดในอนาคตจะเป็นที่ที่มีแหล่งพลังงานราคาถูกที่สุดและมีความเสถียรที่สุด

อนาคตของ AI จะไม่ได้ถูกกำหนดด้วยขนาดของโมเดลเพียงอย่างเดียว แต่จะถูกกำหนดด้วยพลังงาน ระบบระบายความร้อน และระบบเครือข่าย

ที่มา: https://dev.to/mike_anderson_d01f52129fb/ais-power-wall-why-orbital-compute-could-become-a-data-center-frontier-23ak

ชุมชนการเรียนรู้เพิ่มเติม: https://t.me/GyaanSetuAi