การใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกกำลังอยู่ในทิศทางที่จะเพิ่มขึ้นเกือบสองเท่าเป็นราว 945 TWh ภายในปี 2030 คิดเป็นเกือบ 3% ของไฟฟ้าทั้งหมด เพิ่มขึ้นจากประมาณ 415 TWh ในปี 2024 (IEA, Energy and AI 2025) AI คือปัจจัยขับเคลื่อนหลัก เมื่อพิจารณาตามการคำนวณเดียวกันของ IEA การใช้ไฟฟ้าที่ศูนย์ข้อมูลซึ่งเน้น AI พุ่งขึ้น 50% เพียงในปี 2025 ปีเดียว ขณะที่ความต้องการศูนย์ข้อมูลโดยรวมเติบโต 17% ในปีนั้น แต่ภาพในระดับต่อคำขอกลับสวนทาง Google รายงานว่าพลังงานที่อยู่เบื้องหลังคำสั่ง Gemini ค่ามัธยฐานลดลง 33 เท่าในสิบสองเดือน (Google, 2025) และ Epoch AI ประเมินว่าคำขอ ChatGPT ทั่วไปใช้พลังงานประมาณ 0.3 วัตต์-ชั่วโมง ต่ำกว่าประมาณการเดิมสิบเท่า (Epoch AI, 2025) การวิเคราะห์นี้รวบรวมข้อมูลจาก IEA, EPRI, Lawrence Berkeley National Laboratory, Google, Epoch AI, Stanford HAI, McKinsey และแหล่งข้อมูลหลักอีก 10 แห่ง เพื่อแยกความคาดการณ์ที่เป็นข่าวใหญ่ออกจากความเป็นจริงที่วัดได้ต่อหน่วย
สรุปย่อ
- การใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกคาดว่าจะเพิ่มขึ้นเกือบสองเท่าจากประมาณ 415 TWh ในปี 2024 เป็นราว 945 TWh ภายในปี 2030 โดยสถานที่ที่เน้น AI เพิ่มขึ้น 50% เพียงในปี 2025 ปีเดียว (IEA, Energy and AI 2025)
- Gartner ระบุว่าการใช้ไฟฟ้าของศูนย์ข้อมูลทั่วโลกอยู่ที่ 565 TWh ในปี 2026 เพิ่มขึ้น 26% จาก 447 TWh ในปี 2025 (Gartner, 2026)
- ศูนย์ข้อมูลในสหรัฐฯ ใช้ไฟฟ้าประมาณ 4.4% ของไฟฟ้าทั้งประเทศในปี 2023 และอาจสูงถึง 6.7% ถึง 12% ภายในปี 2028 (LBNL, 2024)
- คำขอ GPT-4o ทั่วไปใช้พลังงานประมาณ 0.3 วัตต์-ชั่วโมง ต่ำกว่าประมาณการเดิมราวสิบเท่า (Epoch AI, 2025)
- การฝึก Llama 3.1 405B ของ Meta ปล่อย CO2 ประมาณ 8,930 ตันในปี 2024 (Stanford HAI, AI Index 2025)
- การปล่อยมลพิษของ Microsoft เพิ่มขึ้น 25% ในปี 2025 เป็น 20 ล้านเมตริกตัน CO2 เทียบเท่า (Microsoft FY2025 disclosure, via Fortune 2026)
- ราคาค่ากำลังการผลิต PJM เพิ่มขึ้นจาก 28.92 เป็น 329.17 ดอลลาร์ต่อเมกะวัตต์-วัน โดยศูนย์ข้อมูลเป็นสาเหตุของ 63% ของการเพิ่มขึ้น (PJM, 2025; IEEFA, 2025)
- ไฮเปอร์สเกลเลอร์ 5 อันดับแรกคาดว่าจะใช้จ่ายราว 725 พันล้านดอลลาร์กับโครงสร้างพื้นฐาน AI ในปี 2026 (การประเมินของนักวิเคราะห์, 2026)
- McKinsey คาดการณ์การลงทุนด้านทุนของศูนย์ข้อมูลสูงถึง 6.7 ล้านล้านดอลลาร์ภายในปี 2030 (McKinsey, 2025)
1. ความต้องการไฟฟ้าของศูนย์ข้อมูลทั่วโลกและ AI
เรื่องราวในระดับมหภาคคือการเพิ่มขึ้นเป็นสองเท่าในเวลาประมาณหกปี และ AI คือตัวเร่ง ศูนย์ข้อมูลใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 แต่อัตราการเติบโตสำคัญกว่าระดับตัวเลข ไฟฟ้าของศูนย์ข้อมูลที่เน้น AI พุ่งขึ้น 50% ในปีเดียว (2025) ขณะที่หมวดหมู่ที่กว้างกว่าเติบโต 17% (IEA, Energy and AI 2025) ภายในปี 2030 สัดส่วน AI ในไฟฟ้าของศูนย์ข้อมูลคาดว่าจะเพิ่มขึ้นจากช่วง 5-15% ในปัจจุบันเป็น 35-50% ทำให้กลายเป็นตัวขับเคลื่อนเดี่ยวที่ใหญ่ที่สุดของการเพิ่มขึ้นนี้ ตัวเลขประมาณการแตกต่างกันไปตามขอบเขต จึงควรอ่านพื้นฐานของแหล่งข้อมูล ไม่ใช่แค่ตัวเลขพาดหัว
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ไฟฟ้าของศูนย์ข้อมูลทั่วโลก, 2024 | ~415 TWh (~1.5% of global) | IEA, Energy and AI 2025 |
| ไฟฟ้าของศูนย์ข้อมูลทั่วโลก, 2030 (กรณีฐาน) | ~945 TWh (~3% of global) | IEA, Energy and AI 2025 |
| การเติบโตของไฟฟ้าศูนย์ข้อมูลที่เน้น AI, 2025 | +50% | IEA, Energy and AI 2025 |
| ไฟฟ้าของศูนย์ข้อมูลทั่วโลก, 2026 (Gartner) | 565 TWh (+26% YoY) | Gartner, 2026 |
| ไฟฟ้าของเซิร์ฟเวอร์ที่ปรับให้เหมาะกับ AI, 2026 | 175 TWh (+84% YoY) | Gartner, 2026 |
| การเติบโตของความต้องการไฟฟ้าทั่วโลกภายในปี 2030 เทียบกับปี 2023 | +165% | Goldman Sachs, 2025 |
| สัดส่วนของเซิร์ฟเวอร์ที่ปรับให้เหมาะกับ AI ในไฟฟ้าของศูนย์ข้อมูล, 2026 | 31% | Gartner, 2026 |
หมายเหตุด้านขอบเขต: IEA มองว่าสัดส่วน AI ในไฟฟ้าของศูนย์ข้อมูลจะเพิ่มขึ้นจาก 5-15% ในปัจจุบันสู่ 35-50% ภายในปี 2030 ตัวเลขฐานปี 2025 ของ Gartner (447 TWh) ต่ำกว่าประมาณการปี 2025 อื่น ๆ ที่ใกล้เคียง 485 TWh เนื่องจากวิธีการใช้คำนิยามและขอบเขตของสถานที่ที่แตกต่างกัน จึงควรพิจารณาการเปรียบเทียบ TWh ระหว่างแหล่งข้อมูลด้วยความระมัดระวัง ชิปภายในแร็คเหล่านี้คือเครื่องจักรของความต้องการ ดูข้อมูล สถิติชิป AI ปี 2026 ของเรา สำหรับด้านซิลิคอน รายงานฉบับเต็ม: IEA, Energy demand from AI
2. โครงข่ายไฟฟ้าสหรัฐฯ ภายใต้ภาระ
สหรัฐอเมริกาคือจุดที่เส้นโค้งความต้องการมาบรรจบกับโครงข่ายไฟฟ้าจริง และการคาดการณ์ถูกปรับเพิ่มขึ้นอย่างต่อเนื่อง Berkeley Lab บันทึกว่าศูนย์ข้อมูลคิดเป็น 4.4% ของไฟฟ้าทั้งประเทศในปี 2023 ส่วนสถานการณ์ของ EPRI ที่ใหม่กว่าขยายไปถึง 9-17% ของไฟฟ้าสหรัฐฯ ภายในปี 2030 ประมาณการภาระโหลดสูงสุดของ EPRI ตอนนี้สูงถึง 94 GW ภายในปี 2030 เพิ่มขึ้นจาก 21-22 GW ในปี 2024 และตัวเลขใหม่ของ EPRI สูงกว่าประมาณการปี 2024 ของตัวเองถึง 60% (EPRI, Powering Intelligence 2026) Grid Strategies สรุปภาพรวมระดับประเทศไว้ว่า มีการเติบโตของภาระโหลดในรอบห้าปีที่ 166 GW โดยประมาณ 90 GW มาจากศูนย์ข้อมูล
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สัดส่วนไฟฟ้าของศูนย์ข้อมูลสหรัฐฯ, 2023 | 4.4% (176 TWh) | LBNL, 2024 |
| สัดส่วนศูนย์ข้อมูลสหรัฐฯ ภายในปี 2028 | 6.7% to 12% (325-580 TWh) | LBNL, 2024 |
| สัดส่วนศูนย์ข้อมูลสหรัฐฯ ภายในปี 2030 | 9% to 17% | EPRI, Powering Intelligence 2026 |
| ภาระโหลดสูงสุดของศูนย์ข้อมูลสหรัฐฯ, 2024 | 21-22 GW | EPRI, Powering Intelligence 2026 |
| ภาระโหลดสูงสุดของศูนย์ข้อมูลสหรัฐฯ ภายในปี 2030 | 45 / 71 / 94 GW (Low/Med/High) | EPRI, Powering Intelligence 2026 |
| การเติบโตของภาระโหลดสูงสุดระดับประเทศในรอบ 5 ปี | 166 GW (~90 GW data centers) | Grid Strategies, 2025 |
หมายเหตุค่าผิดปกติ: Grid Strategies เตือนว่าบริษัทสาธารณูปโภคอาจประเมินความต้องการของศูนย์ข้อมูลสูงเกินจริงถึง 40% เนื่องจากคำขอเชื่อมต่อโครงข่ายที่เป็นการเก็งกำไรและซ้ำซ้อนทำให้คิวพองตัวขึ้น (Grid Strategies, National Load Growth Report 2025) รายงาน: LBNL 2024 Data Center Energy Usage Report และ EPRI, Powering Intelligence 2026
3. ต้นทุนที่แท้จริงของคำขอ AI หนึ่งครั้ง
ตัวเลขต่อคำขอลดฮวบลงเมื่อผู้ให้บริการเผยแพร่ข้อมูลการวัดจริง ซึ่งเปลี่ยนกรอบเรื่องเล่าที่ว่า “AI กำลังต้มมหาสมุทร” ให้อยู่รอบคำสั่งเดียว คำสั่ง Gemini แบบข้อความค่ามัธยฐานใช้พลังงาน 0.24 วัตต์-ชั่วโมง ปล่อย CO2e 0.03 กรัม และใช้น้ำ 0.26 มิลลิลิตร หรือประมาณห้าหยด (Google, 2025) Epoch AI คำนวณอย่างอิสระได้ตัวเลขประมาณ 0.3 Wh สำหรับคำขอ GPT-4o ทั่วไป และตัวเลขของ OpenAI เองอยู่ที่ 0.34 Wh ข้อควรระวังคือ คำสั่งที่มีบริบทยาวมีน้ำหนักสูงกว่ามาก และผลรวมยังคงเพิ่มขึ้นเรื่อย ๆ จากคำขอนับพันล้านครั้งต่อวัน
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| พลังงานของคำขอ GPT-4o ทั่วไป | ~0.3 Wh (vs 3 Wh old estimate) | Epoch AI, 2025 |
| พลังงานของคำสั่ง Gemini แบบข้อความค่ามัธยฐาน | 0.24 Wh | Google, 2025 |
| พลังงานเฉลี่ยของคำขอ ChatGPT | 0.34 Wh | Sam Altman, The Gentle Singularity 2025 |
| คำขอยาว (โทเคนอินพุต 100,000 หน่วย) | ~40 Wh | Epoch AI, 2025 |
| คาร์บอนของคำสั่ง Gemini ค่ามัธยฐาน | 0.03 gCO2e | Google, 2025 |
| การลดลงของพลังงานต่อคำสั่ง Gemini ในรอบ 12 เดือนจนถึงเดือนพฤษภาคม 2025 | 33x lower | Google, 2025 |
| ข้อความ ChatGPT 1 พันล้านข้อความ/วัน | ~12.5 MW continuous | Epoch AI, 2025 |
บริบท: การลดลงต่อคำขอสะท้อนถึงโมเดลและฮาร์ดแวร์ที่มีประสิทธิภาพมากขึ้น ไม่ใช่ความต้องการที่ลดลง สำหรับด้านต้นทุนของแนวโน้มเดียวกันนี้ ดู สถิติต้นทุนการอนุมาน AI ปี 2026 ของเรา วิธีการหลัก: Google Cloud, Measuring the environmental impact of AI inference และ Epoch AI, How much energy does ChatGPT use?
4. การฝึกโมเดลระดับแนวหน้า
การฝึกเป็นการพุ่งขึ้นครั้งเดียวต่อโมเดลหนึ่งตัว แต่การพุ่งขึ้นเหล่านั้นกำลังชันขึ้นเรื่อย ๆ AI Index ของ Stanford ระบุว่าการปล่อยมลพิษจากการฝึก Llama 3.1 405B อยู่ที่ประมาณ 8,930 ตัน CO2 เพิ่มขึ้นจาก 588 ตันสำหรับ GPT-3 ในปี 2020 และแทบจะเป็นศูนย์สำหรับ AlexNet ในปี 2012 (Stanford HAI, AI Index 2025) ข้อค้นพบเชิงโครงสร้างของรายงานคือผลสะสม การประมวลผลสำหรับการฝึกโมเดลที่โดดเด่นเพิ่มขึ้นเป็นสองเท่าทุกประมาณห้าเดือน และกำลังไฟฟ้าในการฝึกระบบระดับแนวหน้าเพิ่มขึ้นเป็นสองเท่าเกือบทุกปี
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การปล่อยมลพิษจากการฝึก Llama 3.1 405B (2024) | ~8,930 tons CO2 | Stanford HAI, AI Index 2025 |
| การปล่อยมลพิษจากการฝึก GPT-4 (2023) | ~5,184 tons CO2 | Stanford HAI, AI Index 2025 |
| การปล่อยมลพิษจากการฝึก GPT-3 (2020) | ~588 tons CO2 | Stanford HAI, AI Index 2025 |
| การปล่อยมลพิษจากการฝึก AlexNet (2012) | ~0.01 tons CO2 | Stanford HAI, AI Index 2025 |
| เวลาที่การประมวลผลการฝึกเพิ่มขึ้นเป็นสองเท่า | ~every 5 months | Stanford HAI, AI Index 2025 |
| พลังงานการฝึก GPT-4 (ประมาณการจากสเปกที่รั่วไหล) | ~50-62 GWh | Independent estimates via TDS, 2023 |
ข้อควรระวัง: ตัวเลขพลังงานการฝึก GPT-4 เป็นประมาณการจากภายนอกที่ได้จากสเปกฮาร์ดแวร์ที่รั่วไหล (GPU A100 จำนวน 25,000 ตัวเป็นเวลา 90-100 วัน) ไม่ใช่การเปิดเผยข้อมูลจากผู้ให้บริการ จึงควรถือเป็นตัวเลขเชิงบ่งชี้เท่านั้น การฝึกยังเป็นเพียงส่วนน้อยของรอยเท้าตลอดวงจรชีวิตเมื่อเทียบกับการอนุมานในระดับใหญ่ สำหรับภาพรวมที่กว้างขึ้นของการสร้างโมเดล ดู สถิติ AI เชิงสร้างสรรค์ปี 2026 ของเรา แหล่งที่มา: Stanford HAI, 2025 AI Index Report, Chapter 1
5. รอยเท้าน้ำ
น้ำเป็นเรื่องราวทรัพยากรลำดับที่สอง แบ่งออกเป็นการระบายความร้อนโดยตรงและน้ำที่แฝงอยู่ในกระบวนการผลิตไฟฟ้า ศูนย์ข้อมูลในรัฐเท็กซัสคาดว่าจะใช้น้ำมากถึง 399 พันล้านแกลลอนในปี 2030 เพิ่มขึ้นจาก 49 พันล้านแกลลอนในปี 2025 (HARC and University of Houston, 2025) ผู้ให้บริการกำลังผลักดันเรื่องประสิทธิภาพ Microsoft รายงานประสิทธิผลการใช้น้ำที่ 0.30 ลิตร/kWh ในปีงบประมาณ 2025 ซึ่งดีขึ้น 39% เมื่อเทียบกับปี 2021 และระบบระบายความร้อนแบบไม่มีการระเหยของน้ำช่วยประหยัดน้ำได้มากกว่า 125 ล้านลิตรต่อศูนย์ข้อมูลต่อปี
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การใช้น้ำของคำสั่ง Gemini ค่ามัธยฐาน | 0.26 mL | Google, 2025 |
| ประสิทธิผลการใช้น้ำของ Microsoft, ปีงบประมาณ 2025 | 0.30 L/kWh (-39% vs 2021) | Microsoft, 2025 |
| การประหยัดจากระบบระบายความร้อนแบบไม่ใช้น้ำของ Microsoft | >125 million liters/data center/year | Microsoft, 2025 |
| การใช้น้ำโดยตรงของศูนย์ข้อมูลสหรัฐฯ, 2023 | ~17 billion gallons | LBNL, 2024 |
| การใช้น้ำโดยตรงของสหรัฐฯ ที่คาดการณ์ภายในปี 2028 | 38-73 billion gallons | LBNL, 2024 |
| การใช้น้ำของศูนย์ข้อมูลเท็กซัส, 2025 ถึง 2030 | 49 billion to 399 billion gallons | HARC and University of Houston, 2025 |
| ศูนย์ข้อมูลขนาดใหญ่แห่งเดียว | up to 5 million gallons/day | EESI, 2025 |
บริบท: ศูนย์ข้อมูลสหรัฐฯ ยังก่อให้เกิดการใช้น้ำทางอ้อมผ่านการผลิตไฟฟ้าประมาณ 211 พันล้านแกลลอนในปี 2023 ซึ่งโดยทั่วไปมากกว่าน้ำสำหรับระบายความร้อนในสถานที่ (LBNL, 2024) ข้อมูลพื้นฐาน: EESI, Data Centers and Water Consumption
6. การปล่อยคาร์บอนที่เพิ่มสูงขึ้น
ประสิทธิภาพต่อคำขอกำลังดีขึ้น แต่รอยเท้าขององค์กรกลับเพิ่มขึ้นเพราะการประมวลผลโดยรวมกำลังเติบโตอย่างรวดเร็ว การปล่อยมลพิษของ Microsoft เพิ่มขึ้น 25% ในปี 2025 เป็น 20 ล้านเมตริกตัน CO2 เทียบเท่า เพิ่มขึ้นจาก 16 ล้านตัน ซึ่งเป็นผลจากการก่อสร้างศูนย์ข้อมูลและการลดการซื้อเครดิตพลังงานหมุนเวียนบางส่วน (Microsoft FY2025 disclosure, via Fortune 2026) Amazon และ Google รายงานการเพิ่มขึ้นในทิศทางเดียวกัน ในระดับภาคอุตสาหกรรม IEA ยังคงมองว่าศูนย์ข้อมูลเป็นสัดส่วนเล็กแต่กำลังเพิ่มขึ้นของคาร์บอนทั่วโลก
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การปล่อย CO2e ของ Microsoft, 2025 | 20 million tons (+25% YoY) | Microsoft FY2025 disclosure, via Fortune 2026 |
| การปล่อย CO2e ของ Microsoft, 2024 | 16 million tons | Microsoft FY2025 disclosure, via Fortune 2026 |
| การเปลี่ยนแปลงรอยเท้าคาร์บอนของ Amazon (ปีล่าสุด) | +16% | Carbon Brief, 2026 |
| การเปลี่ยนแปลงการปล่อยก๊าซเรือนกระจกของ Google (ปีล่าสุด) | +18% | Carbon Brief, 2026 |
| สัดส่วนของศูนย์ข้อมูลใน CO2 ทั่วโลก, 2024 ถึง 2030 | ~0.5% rising to ~1% (1.4% high case) | IEA, Energy and AI 2025 |
| รอยเท้าคาร์บอนของระบบ AI, 2025 | 32.6 to 79.7 million tons CO2 | Carbon Brief, 2026 (published research) |
หมายเหตุค่าผิดปกติ: ช่วงคาร์บอนของระบบ AI ที่ 32.6 ถึง 79.7 ล้านตันสำหรับปี 2025 มีช่วงกว้างเพราะการระบุที่มาของภาระงานยังไม่แน่นอนอย่างแท้จริง และหลายบริษัทบันทึกการเพิ่มขึ้นของการปล่อยมลพิษบางส่วนจากการหยุดซื้อเครดิตพลังงานหมุนเวียนบางรายการ ไม่ใช่จากการบริโภคดิบเพียงอย่างเดียว (Carbon Brief, 2026) บริบทและกราฟ: Carbon Brief, AI: Five charts on data-centre energy use and emissions และ Fortune, Microsoft carbon emissions 2025
7. การจ่ายไฟให้ทั้งหมดนี้: ราคา รายจ่ายลงทุน และพลังงานนิวเคลียร์
มีคนต้องจ่ายเงินสำหรับภาระโหลดใหม่นี้ และมันแสดงออกมากขึ้นเรื่อย ๆ ในโครงข่ายไฟฟ้าและบิลค่าสาธารณูปโภค ในภูมิภาค PJM ราคาค่ากำลังการผลิตพุ่งขึ้นจาก 28.92 ดอลลาร์ต่อเมกะวัตต์-วันในปี 2024/25 เป็น 329.17 ดอลลาร์ในปี 2026/27 โดยศูนย์ข้อมูลรับผิดชอบ 63% ของการพุ่งขึ้นในปี 2025/2026 (PJM, 2025; IEEFA, 2025) เพื่อตอบสนองความต้องการ ไฮเปอร์สเกลเลอร์กำลังทุ่มเงินทุนในระดับประวัติการณ์และหันไปใช้พลังงานนิวเคลียร์ ขณะที่ Gartner เตือนว่าปริมาณไฟฟ้าจากโครงข่ายจะไม่เพียงพอเมื่อการบริโภคเกิน 1,200 TWh ราวปี 2030
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ราคาค่ากำลังการผลิต PJM, 2024/25 ถึง 2026/27 | 28.92 to 329.17 dollars/MW-day | PJM, 2025 |
| สัดส่วนของศูนย์ข้อมูลในต้นทุนกำลังการผลิต PJM เดือนธันวาคม | 40% (6.5 of 16.4 billion dollars) | PJM market monitor, via Utility Dive 2026 |
| ต้นทุนเพิ่มเติมของผู้ใช้ไฟฟ้า PJM จากศูนย์ข้อมูล | ~9.3 billion dollars/year | IEEFA, 2025 |
| การใช้จ่ายด้านโครงสร้างพื้นฐาน AI ของไฮเปอร์สเกลเลอร์ 5 อันดับแรก, 2026 | ~725 billion dollars (+77% YoY) | Analyst estimates, 2026 |
| รายจ่ายลงทุนของศูนย์ข้อมูลทั่วโลกภายในปี 2030 | up to 6.7 trillion dollars (5.2T for AI) | McKinsey, 2025 |
| โครงการศูนย์ข้อมูลที่ถูกระงับ, ต้นปี 2026 | 75+ projects worth 130 billion dollars | Gartner, 2026 |
| ค่า PUE เฉลี่ยของศูนย์ข้อมูลขนาดใหญ่ที่สุด, 2025 | 1.54 (flat for 6 years) | Uptime Institute, 2025 |
บริบท: การก่อสร้างชุดเดียวกันนี้เป็นรากฐานของการเติบโตของกำลังการผลิตคลาวด์ ดู สถิติการประมวลผลคลาวด์ปี 2026 ของเรา แหล่งที่มา: IEEFA, PJM capacity prices, McKinsey, The cost of compute และ Utility Dive, Data centers were 40% of PJM capacity costs
สรุป: การบริโภคพลังงาน AI เป็นตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ไฟฟ้าของศูนย์ข้อมูลทั่วโลกภายในปี 2030 | ~945 TWh (~3% of global) | IEA, Energy and AI 2025 |
| ไฟฟ้าของศูนย์ข้อมูลทั่วโลก, 2026 | 565 TWh (+26% YoY) | Gartner, 2026 |
| เกณฑ์การขาดแคลนปริมาณไฟฟ้าจากโครงข่าย | ~1,200 TWh by 2030 | Gartner, 2026 |
| ไฟฟ้าของเซิร์ฟเวอร์ที่ปรับให้เหมาะกับ AI, 2026 | 175 TWh (+84% YoY) | Gartner, 2026 |
| การเติบโตของความต้องการไฟฟ้าทั่วโลกภายในปี 2030 เทียบกับปี 2023 | +165% | Goldman Sachs, 2025 |
| สัดส่วนไฟฟ้าของศูนย์ข้อมูลสหรัฐฯ, 2023 | 4.4% | LBNL, 2024 |
| สัดส่วนศูนย์ข้อมูลสหรัฐฯ ภายในปี 2030 | 9% to 17% | EPRI, Powering Intelligence 2026 |
| ภาระโหลดสูงสุดของศูนย์ข้อมูลสหรัฐฯ ภายในปี 2030 (สูง) | 94 GW | EPRI, Powering Intelligence 2026 |
| พลังงานของคำขอ GPT-4o ทั่วไป | ~0.3 Wh | Epoch AI, 2025 |
| พลังงานของคำสั่ง Gemini แบบข้อความค่ามัธยฐาน | 0.24 Wh | Google, 2025 |
| การปล่อยมลพิษจากการฝึก Llama 3.1 405B | ~8,930 tons CO2 | Stanford HAI, AI Index 2025 |
| การใช้น้ำโดยตรงของศูนย์ข้อมูลสหรัฐฯ, 2023 | ~17 billion gallons | LBNL, 2024 |
| การใช้น้ำของศูนย์ข้อมูลเท็กซัสภายในปี 2030 | up to 399 billion gallons | HARC and University of Houston, 2025 |
| การปล่อยมลพิษของ Microsoft, 2025 | 20 million tons (+25% YoY) | Microsoft FY2025, via Fortune 2026 |
| ต้นทุนเพิ่มเติมของผู้ใช้ไฟฟ้า PJM จากศูนย์ข้อมูล | ~9.3 billion dollars/year | IEEFA, 2025 |
| ราคาค่ากำลังการผลิต PJM, 2026/27 | 329.17 dollars/MW-day | PJM, 2025 |
| รายจ่ายลงทุนของศูนย์ข้อมูลทั่วโลกภายในปี 2030 | up to 6.7 trillion dollars | McKinsey, 2025 |
| การใช้จ่าย AI ของไฮเปอร์สเกลเลอร์ 5 อันดับแรก, 2026 | ~725 billion dollars | Analyst estimates, 2026 |
| ค่า PUE เฉลี่ยของศูนย์ข้อมูล, 2025 | 1.54 | Uptime Institute, 2025 |
วิธีการและแหล่งข้อมูล
ข้อมูลถูกรวบรวมโดยการรวมตัวเลขจากรายงานหลัก การเปิดเผยข้อมูลขององค์กร เอกสารยื่นของผู้ดำเนินงานโครงข่ายไฟฟ้า และหน่วยงานติดตามการวิจัยที่มีชื่อระบุ ซึ่งเผยแพร่ส่วนใหญ่ในปี 2025 และครึ่งแรกของปี 2026 โดยแต่ละสถิติถูกสืบย้อนไปยังองค์กรต้นทางแทนที่จะเป็นการรายงานทุติยภูมิเมื่อสามารถทำได้
แหล่งข้อมูลที่อ้างอิง:
- International Energy Agency (IEA), Energy and AI 2025 - Energy demand from AI
- Lawrence Berkeley National Laboratory (LBNL), 2024 United States Data Center Energy Usage Report - publication
- Electric Power Research Institute (EPRI), Powering Intelligence 2026 - executive summary
- Grid Strategies, National Load Growth Report 2025 - PDF
- Gartner, data center electricity forecast press release, June 2026 - release
- Goldman Sachs Research, AI data center power demand, 2025 - article
- Epoch AI, How much energy does ChatGPT use?, 2025 - analysis
- Google Cloud, Measuring the environmental impact of AI inference, 2025 - blog
- OpenAI / Sam Altman, The Gentle Singularity, 2025 - via DCD
- Stanford HAI, 2025 AI Index Report - Chapter 1
- Microsoft FY2025 sustainability disclosure - via Fortune
- Carbon Brief, AI: Five charts on data-centre energy and emissions, 2026 - article
- McKinsey, The cost of compute, 2025 - report
- IEEFA, PJM capacity prices analysis, 2025 - resource
- PJM Interconnection independent market monitor - via Utility Dive
- HARC and University of Houston, Texas data center water study, 2025
- Uptime Institute, 2025 Global Data Center Survey (PUE)
- Environmental and Energy Study Institute (EESI), Data Centers and Water Consumption, 2025 - article
การติดตามข้อมูล: โดยทั่วไป IEA จะปรับปรุงแนวโน้มพลังงานทุกปี ดังนั้นจึงคาดว่าฉบับปรับปรุงของ Energy and AI จะออกภายในปีถัดไป Gartner เผยแพร่ประมาณการไฟฟ้าศูนย์ข้อมูลซ้ำเป็นระยะ EPRI ปรับปรุงสถานการณ์ Powering Intelligence ของตนเกือบทุกปี Grid Strategies เผยแพร่ National Load Growth Report ทุกปี Stanford HAI เผยแพร่ AI Index ฉบับใหม่ทุกปี Google, Microsoft, Amazon และ Alphabet เผยแพร่การเปิดเผยข้อมูลด้านสิ่งแวดล้อมและการปล่อยมลพิษใหม่ในทุกรอบปีงบประมาณใหม่ และ PJM จัดการประมูลกำลังการผลิตใหม่ตามตารางปีที่ส่งมอบที่กำหนดไว้
ปรับปรุงล่าสุด: 10 กรกฎาคม 2026
เราตรวจสอบและปรับปรุงหน้านี้ทุกไตรมาสเมื่อมีการเผยแพร่ข้อมูลใหม่