การเร่งรีบลงทุนใน Data Center รูปแบบเดิมมีความเสี่ยงสูงที่จะกลายเป็นสินทรัพย์ที่ล้าสมัยอย่างรวดเร็ว (Stranded Assets) คล้ายกับบทเรียนจากวิกฤตทีวีดิจิทัลในอดีต
- การมาถึงของเทคโนโลยี Local AI ที่ประมวลผลบนคอมพิวเตอร์ส่วนบุคคล กำลังลดความจำเป็นของ Data Center ขนาดใหญ่สำหรับงานทั่วไป และจะเปลี่ยนบทบาทไปเน้นงานระดับองค์กรที่ซับซ้อนมากขึ้น
- การเร่งรีบลงทุนใน Data Center รูปแบบเดิมมีความเสี่ยงสูงที่จะกลายเป็นสินทรัพย์ที่ล้าสมัยอย่างรวดเร็ว (Stranded Assets) คล้ายกับบทเรียนจากวิกฤติทีวีดิจิทัลในอดีต
- มูลค่าทางเศรษฐกิจและการจ้างงานที่แท้จริงไม่ได้อยู่ที่การสร้าง Data Center แต่อยู่ที่การลงทุนพัฒนาบุคลากร เช่น โปรแกรมเมอร์และนวัตกร เพื่อสร้างแอปพลิเคชันและบริการจากเทคโนโลยี AI
ในช่วงไม่กี่ปีที่ผ่านมา คำว่า Data Center กลายเป็นหนึ่งในคีย์เวิร์ดระดับชาติที่ถูกกล่าวถึงอย่างกว้างขวาง ทั้งในฝั่งภาคเอกชนและแนวนโยบายของภาครัฐ ภาพที่หลายคนมองเห็น Data Center คือ อาคารขนาดใหญ่ที่เต็มไปด้วยตู้เซิร์ฟเวอร์ ฮาร์ดดิสก์ และสายสัญญาณนับพันเส้น ซึ่งประมวลผลอยู่เงียบ ๆ โดยใช้ทรัพยากรอันมหาศาล ทั้งพลังงานไฟฟ้าเพื่อป้อนระบบ และน้ำเพื่อระบายความร้อน
มุมมองของสังคมต่อ Data Center เต็มไปด้วยคำถามและความกังขาว่าประเทศเรากำลังได้อะไรจากการตั้ง Data Center นอกจากเป็นแหล่งรับภาระการใช้ไฟฟ้าและทรัพยากรธรรมชาติ โดยที่การลงทุนเหล่านี้ ก่อให้เกิดการสร้างงานจริงหรือไม่
ขณะที่ มุมมองเชิงนโยบายจากภาครัฐ มองว่า Data Center มิใช่เพียงโครงสร้างพื้นฐานโดดเดี่ยว แต่เป็น จุดเริ่มต้นของห่วงโซ่คุณค่าในเศรษฐกิจยุคใหม่ ที่จะเชื่อมโยงไปสู่การพัฒนาอุตสาหกรรมอิเล็กทรอนิกส์ การพัฒนาซอฟต์แวร์ และการสร้างทักษะบุคลากรในประเทศ
ทว่า คำถามสำคัญในยุคที่เทคโนโลยีหมุนไปอย่างรวดเร็วชนิดเดือนต่อเดือน คือ เรามองภาพรวมของ Data Center ได้ ‘ขาด’ พอหรือยัง หากเรายังใช้วิธีคิดเดิม สมมติฐานเดิม หรือแนวทางการลงทุนแบบเดิม เราอาจกำลังนำพาประเทศและภาคธุรกิจไปสู่ความเสี่ยงเหมือนบทเรียนที่เคยเกิดขึ้นในอดีตหรือไม่
เศรษฐกิจยุคใหม่ไม่อาจหลีกเลี่ยงการมาถึงของ AI ได้ และทุกประเทศต่างพยายามผลักดันตัวเองให้เข้าไปอยู่ในห่วงโซ่คุณค่านึ้ ซึ่ง Data Center เป็นเพียงพื้นที่ติดตั้งอุปกรณ์ เป็นไซต์งานที่ต้องการผู้ดูแลเพียงจำนวนน้อยมาก เมื่อเทียบกับขนาดการลงทุน หากมองในแง่ของการจ้างงานโดยตรง (Direct Employment) ห่วงโซ่บุคลากรที่เกิดจากตัว Data Center เองนั้น “ไม่ได้มากอย่างที่คิด”
มูลค่าทางเศรษฐกิจและการจ้างงานที่แท้จริง มิได้ผูกติดอยู่กับตู้เซิร์ฟเวอร์ แต่นั่งอยู่ในฝั่งของผู้สร้างสรรค์ นวัตกร และนักพัฒนาซอฟต์แวร์ ผู้ซึ่งนำข้อมูลที่ถูกประมวลผลมาประยุกต์สร้างแอปพลิเคชันในรูปแบบต่าง ๆ
นั่นหมายความว่า ประเทศไทยไม่จำเป็นต้องกำหนดตัวเองว่า ต้องมี Data Center ขนาดใหญ่อยู่ในประเทศก่อน จึงจะสามารถพัฒนาบุคลากรหรือสร้างเศรษฐกิจ AI ได้ เราสามารถพัฒนาบุคลากรฝั่งซอฟต์แวร์ ดึงดูดแรงงานทักษะสูง และสร้างนวัตกรรมระดับแอปพลิเคชันได้ แม้ว่าสมองส่วนกลางจะตั้งอยู่ที่อื่นก็ตาม
และในอุตสาหกรรมฮาร์ดแวร์ที่เกี่ยวข้องกับ Data Center แม้ประเทศไทยมิได้เป็นผู้พัฒนาเทคโนโลยีต้นน้ำ (Frontier Tech) แต่โรงงานอิเล็กทรอนิกส์ในไทยจำนวนมากซึ่งอยู่ใน Tier 2 หรือ Tier 3 ก็มีการผลิตและส่งออกชิ้นส่วนให้กับอุตสาหกรรม AI ระดับโลกอยู่แล้ว โดยไม่จำเป็นต้องรอให้มี Data Center มาตั้งก่อนแต่อย่างใด
การเปลี่ยนผ่านทางเทคโนโลยี: ยุคสมัยของ Local AI Machine
สมมติฐานดั้งเดิมของ Data Center เกิดขึ้นจากความจำเป็นที่ว่า โมเดลปัญญาประดิษฐ์ขนาดใหญ่ (Frontier AI) มีความซับซ้อนเกินกว่าที่เครื่องคอมพิวเตอร์ตามบ้านหรือสำนักงานจะประมวลผลได้ ดังนั้น ไม่ว่าเราจะพิมพ์คำถามอะไร หรือต้องการคำตอบแบบไหน ข้อมูลทั้งหมด (Prompt & Transaction) จะต้องถูกส่งผ่านอินเทอร์เน็ตวิ่งตรงไปยัง สมองส่วนกลาง ที่อยู่ใน Data Center ขนาดใหญ่ยักษ์
ทว่า ทิศทางเทคโนโลยีล่าสุด โดยเฉพาะการเปิดตัวชิปประมวลผลรุ่นใหม่ เช่น สถาปัตยกรรมชิปตระกูล RTX Spark ของ Nvidia กำลังเข้ามาปฏิวัติวงการ โดยชิประดับสูงเหล่านี้ ถูกออกแบบมาเพื่อดึงเอาความฉลาดจากสมองส่วนกลาง ลงมาไว้ในเครื่องคอมพิวเตอร์ส่วนบุคคล
ในปีหน้า เราจะเริ่มเห็นคอมพิวเตอร์ทั้งโน้ตบุ๊ก แล็ปท็อป และเดสก์ท็อป วางจำหน่ายในฐานะ Local AI Machine อย่างแพร่หลาย ทำให้การประมวลผลจากเดิมที่เคยพึ่งพา Data Center ส่วนกลางแบบ 100% ข้อมูลจะถูกกระจายมาประมวลผลจบในระดับ Local Machine ในรูปแบบที่เป็น Open-Weight Models โดยเป็นโมเดลที่มีการเปิดให้ดาวน์โหลดส่วนประกอบของสมอง AI (Parameters นับ
พันล้านตัว) มารันบนเครื่องคอมพิวเตอร์ของตนเองได้ ทำให้ผู้ใช้งานทั่วไปสามารถหาคำตอบ ออกแบบภาพ หรือประมวลผลข้อมูลซ้ำ ๆ ได้ทันที โดยไม่ต้องส่งข้อมูลออกไปนอกเครื่อง
เมื่อ Local AI เข้ามาแทนที่ การประมวลผลสำหรับผู้บริโภคทั่วไป (Consumer Level) จะถูกผ่องถ่ายมาอยู่ที่ปลายทาง ภาระของ Data Center ส่วนกลางที่เคยถูกออกแบบมาเพื่อรับภารกิจ “ตอบคำถามคนนับล้านพร้อมกัน” ก็จะลดลง
ภูมิทัศน์ของ Data Center ในอีก 2–3 ปีข้างหน้ากำลังจะเปลี่ยนไป Data Center ในอนาคต จะมีหน้าที่ให้บริการสำหรับการใช้งานระดับองค์กรที่มีความซับซ้อนเป็นหลัก หรือ การคำนวณในระดับซูเปอร์คอมพิวเตอร์เฉพาะทาง เป็นต้น
ความเสี่ยงทางเศรษฐกิจ: ฟองสบู่ ค่าเสื่อมราคา และบทเรียนจาก “ทีวีดิจิทัล”
ความเร่งรีบในการส่งเสริมการลงทุน Data Center โดยไม่เท่าทันการเปลี่ยนแปลงทางเทคโนโลยี อาจนำพาประเทศและผู้ประกอบการไปสู่กับดักทางเศรษฐกิจใหม่
ในมุมมองทางธุรกิจ ผู้ผลิตชิป AI ชั้นนำกำลังเพิ่มช่องทางการจำหน่ายสินค้า จากผู้ให้บริการ Data Center ขนาดใหญ่ (Hyperscalers) ที่ใช้ต้นทุนมหาศาลในการสร้างศูนย์ข้อมูล มาเป็นการกระจายต้นทุนสู่ผู้บริโภคผ่านการซื้อเครื่อง Local AI Machine
ผู้ให้บริการ Data Center ที่ปรับตัวไม่ทัน และมีสายป่านไม่ยาวพอ จะเผชิญกับการขาดสภาพคล่องและเสี่ยงต่อภาวะล้มละลาย เนื่องจากค่าเสื่อมราคาของฮาร์ดแวร์และเทคโนโลยีที่ล้าสมัย จะมีอัตราเร็วกว่าที่รายได้และกำไรจากการให้บริการจะวิ่งตามทัน
สถานการณ์ของ Data Center ในขณะนี้ มีความคล้ายคลึงกับเหตุการณ์ประมูลใบอนุญาตทีวีดิจิทัลในประเทศไทยเมื่อหลายปีก่อน ที่ขณะนั้นภาคเอกชนและภาครัฐต่างมองว่า “ใบอนุญาตทีวีดิจิทัล” คือ สินทรัพย์ทองคำ (Asset) เป็นใบเบิกทางสู่อนาคต ที่ทุกรายต่างแข่งขันกันทุ่มเงินประมูลด้วยมูลค่านับพันล้านบาท
ทว่าเพียงไม่นาน เทคโนโลยี Streaming และแพลตฟอร์มอย่าง YouTube หรือ Social Media ก็ก้าวเข้ามาดิสรัปต์อย่างรวดเร็ว สิ่งที่เคยคิดว่าเป็น Asset ได้เปลี่ยนสภาพกลายเป็น Liability ทันที ด้วยต้นทุนที่ค้ำคอผู้ประกอบการ จนล้มหายตายจากไปหลายราย
หากประเทศไทย ยังคงออกใบอนุญาตหรือให้สิทธิประโยชน์เพื่อดึงดูดการสร้าง Data Center ภายใต้ปัจจัยเดิม โดยไม่มองข้ามไปถึงการมาของ Local AI เราอาจกำลังส่งเสริมให้เอกชนไปลงทุนใน ‘ศูนย์ข้อมูล’ ที่จะกลายเป็น ‘สุสานข้อมูล’ ในเวลาอันรวดเร็ว
การมองให้ขาดเกี่ยวกับโอกาสของ Data Center ในประเทศไทย มิใช่การปฏิเสธเทคโนโลยี หรือการต่อต้านการลงทุน แต่คือการรู้เท่าทันและปรับข้อมูลที่ใช้กำหนดนโยบายและทิศทางการพัฒนาให้ทันกับการเปลี่ยนแปลงที่กำลังจะเกิดขึ้น โดยไม่ตัดสินใจบนสมมติฐานหรือชุดข้อมูลในอดีตเป็นหลัก
ข้อเสนอแนะ 3 ประการ สำหรับทิศทางประเทศไทย
1. ปรับทิศทางนโยบาย (Pivot Policy) การเลือก Data Center ที่จะเข้ามาตั้งในไทย ต้องเป็น Data Center ที่ถูกออกแบบมารองรับงานระดับ Enterprise หรืออุตสาหกรรมขั้นสูง ไม่ใช่ Data Center ที่สนองการประมวลผลพื้นฐานซึ่งกำลังจะถูก Local AI เข้ามาแทนที่ การลดภาระด้านไฟฟ้า คาร์บอนฟุตพรินต์ และทรัพยากรธรรมชาติจะเกิดขึ้นได้จริง หากเราเลือกรูปแบบ Data Center ที่ถูกต้อง
2. ลงทุนในบุคลากรฝั่งแอปพลิเคชัน (Invest in People & Apps) รัฐควรทุ่มเททรัพยากรไปที่การสร้างนักพัฒนา โปรแกรมเมอร์ และนวัตกร ผู้สามารถนำโมเดล AI (ทั้งแบบ Open-Weight และ Cloud-Based) มาสร้างสรรค์เป็นบริการหรือผลิตภัณฑ์ที่แก้ปัญหาได้จริง เพราะนี่คือจุดที่จะเกิดการจ้างงาน เกิดมูลค่าเพิ่ม และเป็นห่วงโซ่เศรษฐกิจที่ยั่งยืนที่สุด
3. ปรับปรุงกฎระเบียบให้เท่าทัน (Update Regulations) ไทยไม่จำเป็นต้องรีบร้อนให้การอุดหนุนเพื่อสร้าง Data Center ขนาดใหญ่ตามรูปแบบเดิมที่กำลังจะล้าสมัย แต่ควรหันมาเน้นส่งเสริมการใช้งานเทคโนโลยีปลายทาง เพื่อให้ประชาชนและเอกชนไทยได้ประโยชน์สูงสุด โดยไม่ต้องแบกรับความเสี่ยงจากการมี Data Center ที่อาจกลายเป็นสินทรัพย์สูญค่า (Stranded Assets) ในอนาคต
การมองให้ขาด จึงมิใช่แค่เรื่องของเทคโนโลยี แต่คือเรื่องของวิสัยทัศน์ทางเศรษฐศาสตร์และนโยบายที่จะช่วยให้ประเทศไทยก้าวข้ามจากการเป็นเพียง “ผู้แบกรับต้นทุนทรัพยากร” ไปสู่การเป็น “ผู้ใช้ประโยชน์จากเทคโนโลยี AI อย่างแท้จริงและเท่าทัน”