OpenAI CEO Sam Altman เตือนว่า AI ระดับซูเปอร์อินเทลิเจนต้องอาศัยการบุกเบิกพลังงาน

Lead – ที่ประชุมสหภาพเศรษฐกิจโลกที่ดาโวส CEO ของ OpenAI Sam Altman เน้นว่าการสร้างปัญญาประดิษฐ์ระดับซูเปอร์อินเทลิเจนท์จำเป็นต้องอาศัย “การบุกเบิก” ด้านพลังงานครั้งใหญ่ ข้อความนี้สะท้อนให้เห็นว่าความก้าวหน้าใน AI ไม่ได้มาจากโมเดลอย่างเดียว แต่ผูกพันกับโครงสร้างพื้นฐานด้านไฟฟ้าและเทคโนโลยีอื่น ๆ อย่างใกล้ชิด

Overview

การพูดของ Altman ที่จัดขึ้นโดย Bloomberg ในงาน Davos เน้นเรื่อง “พลังงานเป็นข้อจำกัดสำคัญที่สุด” ของการขยายตัว AI ในระดับโลก ตามรายงานของ TechRadar Pro โครงการ QOTD (Quote of the Day) ได้บันทึกว่าผู้บริหารระดับสูงหลายคนมองว่าแม้ LLMs จะทำให้เกิดความก้าวหน้าอย่างรวดเร็ว แต่การต่อยอดสู่ “ปัญญาที่เทียบเท่ามนุษย์” ยังคงต้องพึ่งพาการเปลี่ยนแปลงเชิงโครงสร้างของอุตสาหกรรมพลังงาน

ในช่วงไม่กี่ปีที่ผ่านมา ChatGPT ได้ทำให้ความสามารถของโมเดลภาษาใหญ่เป็นที่รู้จักอย่างแพร่หลาย ทำให้มีการใช้คอมพิวเตอร์และศูนย์ข้อมูลจำนวนมหาศาลเพื่อฝึกและให้บริการ ซึ่งส่งผลโดยตรงต่อการใช้งานไฟฟ้าทั่วโลก

แม้ว่าจะมีการวิจัยด้านอัลกอริทึมและฮาร์ดแวร์ที่ต่อเนื่อง แต่ Altman ชี้ว่า “ไม่มีทางจะไปถึงได้หากไม่เกิดการบุกเบิก” ซึ่งเป็นการเตือนว่าการพัฒนาเทคโนโลยี AI ต้องรอให้โครงสร้างพื้นฐานตามมา

Energy Demand

องค์กรระหว่างประเทศ International Energy Agency (IEA) ประมาณการณ์ว่า ศูนย์ข้อมูลทั่วโลกจะใช้ไฟฟ้าประมาณ 945 TWh ต่อปีภายในปี 2030 ซึ่งคิดเป็นประมาณ 3 % ของการใช้พลังงานทั้งหมดของโลก การเพิ่มขึ้นนี้ส่วนใหญ่มาจากความต้องการในการฝึกและให้บริการโมเดล AI ขนาดใหญ่

• ปริมาณไฟฟ้าที่คาดว่าจะใช้งาน: 945 TWh/ปี
• สัดส่วนต่อการใช้ไฟฟ้าทั่วโลก: **3 %
• ปีเป้าหมายของประมาณการณ์: 2030

ตัวเลขเหล่านี้ทำให้หลายฝ่ายคาดว่าอุปสงค์ด้านพลังงานจะเกินขีดความสามารถของระบบไฟฟ้าในหลายภูมิภาค โดยเฉพาะที่ยังไม่มีโครงข่ายส่งไฟฟ้าขนาดใหญ่หรือแหล่งพลังงานทดแทนที่มั่นคง

Altman จึงมองว่าการบุกเบิกเช่น fusion energy หรือเทคโนโลยีพลังงานใหม่ ๆ ที่มีประสิทธิภาพสูงและปลอดภัยเป็น “กุญแจสำคัญ” เพื่อให้ AI สามารถเติบโตต่อไปได้โดยไม่ทำให้ระบบพลังงานล่ม

AI Bottleneck

ตามที่ Altman บอกไว้ พลังงานถือเป็น “ข้อจำกัดใหญ่ที่สุด” ของการพัฒนา AI ปัจจุบัน การขาดแคลนไฟฟ้าทำให้บริษัทเทคโนโลยีหลายแห่งต้องลดความเร็วในการฝึกโมเดลหรือเลิกใช้สถาปัตยกรรมที่ต้องการกำลังประมวลผลสูง

ในอดีต AI เคยเผชิญกับ “ฤดูหนาว” สองครั้ง คือช่วงเวลาที่เงินทุนและทรัพยากรคอมพิวเตอร์ขาดแคลน ทำให้งานวิจัยหยุดชะงัก ปัจจุบันสถานการณ์คล้ายกันแม้ว่าเทคโนโลยีฮาร์ดแวร์จะก้าวหน้า แต่หากไม่มีไฟฟ้าเพียงพอ การเพิ่มศักยภาพของโมเดลก็ยังถูกจำกัด

การขาดแคลนพลังงานจึงทำให้หลายบริษัทต้องเลือกระหว่าง “ประสิทธิภาพ” กับ “ต้นทุน” ซึ่งเป็นการตัดสินใจที่ส่งผลต่อความเร็วในการนำ AI ไปใช้ในอุตสาหกรรมต่าง ๆ เช่น การแพทย์ การเงิน หรือการผลิต

Technological Dependencies

แม้ไฟฟ้าจะเป็นข้อจำกัดหลัก แต่ส่วนประกอบอื่น ๆ ของศูนย์ข้อมูลก็เริ่มมีบทบาทสำคัญขึ้น ได้แก่ ระบบเชื่อมต่อแบบแสง (optical interconnects) หน่วยความจำที่เร็วกว่า (high‑bandwidth memory) และการออกแบบชิปประมวลผลเฉพาะงาน AI

การขยายโครงสร้างพื้นฐานด้านออปติคัลและเมมโมรีต้องใช้เวลาและเงินลงทุนมหาศาล ซึ่งเป็นอีกหนึ่ง “บัคเกิล” ที่ทำให้การเติบโตของศูนย์ข้อมูลชะงัก หากไม่มีการพัฒนาที่สอดคล้องกันระหว่างไฟฟ้าและเทคโนโลยีอื่น ๆ

ในมุมมองของผู้เชี่ยวชาญด้านโครงสร้างพื้นฐาน การวางแผนร่วมระหว่างอุตสาหกรรมพลังงานกับภาค IT จะเป็นสิ่งจำเป็น เพื่อให้การขยายตัวของศูนย์ข้อมูลสามารถทำได้อย่างต่อเนื่องและยั่งยืน

Outlook & Challenges

Altman เชื่อว่าการบุกเบิกเช่น fusion energy หรือเทคโนโลยีพลังงานระดับใหม่อาจเปิดประตูสู่ยุค “AI Superintelligence” แต่ความเป็นจริงคือการพัฒนานวัตกรรมเหล่านี้ต้องใช้เวลาหลายทศวรรษและอาจเผชิญกับอุปสรรคทางเทคนิคและกฎระเบียบ

ในช่วงสั้น ๆ ที่ผ่านมา ตลาด AI ยังคงเติบโตอย่างรวดเร็ว โดยบริษัทหลายแห่งพยายามขยับการลงทุนไปยังศูนย์ข้อมูลที่ตั้งอยู่ในประเทศที่มีต้นทุนไฟฟ้าต่ำ เช่น สหรัฐอเมริกาและจีน อย่างไรก็ตาม การกระจายโหลดแบบนี้อาจทำให้เกิดความไม่เท่าเทียมในการเข้าถึงเทคโนโลยี AI ระดับสูง

หากไม่มีการบุกเบิกพลังงานที่แท้จริง ความฝันของ “AI ที่เหนือมนุษย์” อาจกลายเป็นเพียงภาพลวงตาในระยะยาว การวางแผนเชิงรณรงค์ด้านพลังงานและเทคโนโลยีจึงกลายเป็นภารกิจสำคัญที่ต้องได้รับการสนับสนุนจากรัฐบาล ธุรกิจ และสถาบันวิจัยร่วมกัน

Summary

คำพูดของ Sam Altman ที่ Davos เน้นว่าการบุกเบิกด้านพลังงาน—โดยเฉพาะเช่น fusion energy—เป็นเงื่อนไขพื้นฐานเพื่อให้ AI สามารถก้าวสู่ระดับซูเปอร์อินเทลิเจนท์ได้ การขาดแคลนไฟฟ้าจึงถือเป็นอุปสรรคหลักที่ต้องแก้ไขพร้อมกับการพัฒนาโครงสร้างพื้นฐานด้านเทคโนโลยีอื่น ๆ เพื่อสนับสนุนการเติบโตของ AI อย่างต่อเนื่อง.