สมองมนุษย์ใช้พลังงานประมาณ 20 วัตต์ แต่ซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดของโลก LineShine ในเซินเจิ้น ต้องใช้พลังงานถึง 42.2 ล้านวัตต์ ช่องว่างนี้กลายเป็นข้อถกเถียงยอดนิยมในอินเทอร์เน็ตเกี่ยวกับการใช้พลังงานของ AI และส่วนใหญ่ของข้อถกเถียงนี้ไม่ถูกต้อง
อย่างไรก็ตาม การเปรียบเทียบนี้ยังคงมีมูลความจริงอยู่ แต่ตัวเลขที่แพร่ในโซเชียลมีเดียนั้นมีต้นตอมาจากงานวิจัยเพียงฉบับเดียว และตัวเลขที่น่าทึ่งที่สุดได้ถูกอ้างผิดมาเป็นเวลาสามปีแล้ว
การใช้พลังงานของ AI: พลังงาน 20 วัตต์ทำอะไรได้บ้าง
ตัวเลข 20 วัตต์นี้มีพื้นฐานจาก การวัดอัตราการเผาผลาญ ที่ดำเนินมาหลายสิบปี สมองคิดเป็นประมาณ 2% ของน้ำหนักตัว และคิดเป็นประมาณ 20% ของการใช้ออกซิเจนขณะพัก
จำนวนเซลล์ประสาทจริง ๆ แล้วไม่แน่นอนอย่างที่คิด ตัวเลข 86 พันล้านที่มักถูกอ้างถึงนั้นมีที่มาจากการทดลองในสมองชายเพียง 4 คน และกำลัง เป็นที่ถกเถียง ในวารสาร Brain
โพสต์ที่เผยแพร่ไวรัลมักใช้เลข 12 วัตต์แทน 20 โดยข้อมูลนี้ปรากฏใน บทความวิชาการปี 2023 ในวารสาร Frontiers in Artificial Intelligence โดยไม่ได้อ้างอิงแหล่งข้อมูลใดเลย
บทความฉบับเดียวกันนี้ยังเป็นที่มาของตัวเลขที่ ทุกคนแชร์กัน โดยผู้เขียนประเมินว่า หากจะสร้างสมองมนุษย์ขึ้นมาในรูปแบบดิจิทัล จะต้องใช้พลังงานถึง 2.7 พันล้านวัตต์
ตัวเลขดังกล่าวได้มาจากการนำผลการจำลองเซลล์ประสาท 10 ล้านเซลล์ขยายขนาดไปเทียบกับหนูทดลอง แล้วคูณด้วยหนึ่งพัน
บทความยังระบุอีกว่าการจำลองนั้นทำงานช้ากว่าชีววิทยาประมาณ 30,000 เท่า แต่เหล่าโพสต์ในโซเชียลมักไม่กล่าวถึงรายละเอียดนี้ แหล่งอ้างอิงรอง ๆ ก็ให้เครดิตตัวเลขนี้กับโครงการ Blue Brain Project ซึ่งไม่เคยเผยแพร่ตัวเลขนี้เลย
อย่างไรก็ตาม มีตัวเลขที่เชื่อถือได้ในที่อื่นด้วย โดย Epoch AI ประเมินว่าการใช้ ChatGPT 1 ครั้งใช้พลังงานประมาณ 0.3 วัตต์-ชั่วโมงในต้นปี 2025 และงานวิจัยในวารสาร Joule ซึ่งผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิในเวลาต่อมา ให้ตัวเลข 0.31 วัตต์-ชั่วโมง
วิธีการที่เป็นอิสระทั้งสองวิธีซึ่งให้ค่าที่ใกล้เคียงกันขนาดนี้นั้นถือว่าผิดปกติ อย่างไรก็ตาม ตัวเลขดังกล่าวจะเปลี่ยนแปลงอย่างรวดเร็วขึ้นอยู่กับภาระงาน และแบบจำลองการให้เหตุผลที่สร้างคำตอบยาวขึ้นสามารถมีต้นทุนสูงกว่าหลายเท่า
สิ่งที่ชีววิทยาทำแตกต่าง และสิ่งที่ซิลิคอนลอกเลียนแบบ
กิจกรรมของเปลือกสมอง กระจายตัวยาก อัตราการยิงเฉลี่ยต่ำกว่า 1 Hz และพลังงานจะขึ้นอยู่กับการเปลี่ยนแปลง ไม่ใช่รอบของสัญญาณนาฬิกา
ปัญญาประดิษฐ์ในยุคใหม่ได้ข้อสรุปเดียวกันโดยอิสระ Kimi K2 กระตุ้นพารามิเตอร์ 32.6 พันล้านจากทั้งหมด 1.04 ล้านล้านค่าต่อหนึ่ง token หรือประมาณ 3.1%
อัตราส่วนนี้กำลังลดลงอย่างรวดเร็ว Mixtral ใช้พารามิเตอร์ประมาณ 28% ในปี 2023 ขณะที่ DeepSeek-V3 ใช้เพียง 5.5%
นอกจากนี้ ชีววิทยายังคำนวณด้วยความละเอียดต่ำ ไม่มีสิ่งใดภายในเซลล์ประสาทที่ละเอียดถึง 32 บิต
ผู้ผลิตชิปก็เดินตามแนวทางเดียวกัน DeepSeek ฝึกแบบจำลองที่มีพารามิเตอร์ 671 พันล้านค่าด้วยความละเอียด 8 บิต ขณะที่ NVIDIA ได้ฝึกแบบจำลอง 12 พันล้านพารามิเตอร์ล่วงหน้าด้วยความละเอียด 4 บิต
ความแตกต่างที่สามนี้ถือเป็นจุดต่างที่ใหญ่ที่สุดและยังถูกลอกเลียนแบบน้อยที่สุด สมองจะเก็บหน่วยความจำและทำการคำนวณไว้ในที่ทางกายภาพเดียวกัน
เครื่องจักรดิจิทัลจะแยกสองสิ่งนี้ออกจากกัน Mark Horowitz จากสแตนฟอร์ด แสดงให้เห็นถึงต้นทุนของการแยกนั้น การดึงข้อมูลจากหน่วยความจำอาจใช้พลังงานมากกว่าการคำนวณทางคณิตศาสตร์หลายร้อยเท่า
ชิปทรงสมองที่ยังไม่เคยปรากฏ
ฮาร์ดแวร์ที่สร้างขึ้นมาเพื่อเลียนแบบเซลล์ประสาทโดยตรงยังประสบปัญหา ยังไม่มีระบบที่เป็น neuromorphic หรืออนาล็อกใดที่ฝึกหรือรันแบบจำลองระดับแนวหน้าจริงในสายการผลิต
Intel’s Hala Point ประกอบด้วย neuron ปัญญาประดิษฐ์ 1.15 พันล้านตัว บนชิป 1,152 ชิป และยังคงเป็น ต้นแบบงานวิจัยที่ติดตั้งอยู่ใน Sandia National Laboratories ในขณะเดียวกัน Mike Davies ผู้อำนวยการ Neuromorphic Computing Lab ของ Intel ให้สัมภาษณ์กับ The Register ในปี 2024 โดย ระบุว่า:
ขณะนี้พวกเราไม่ได้ทำการแมป LLM ใดๆ เข้ากับ Hala Point และพวกเราเองก็ยังไม่รู้ว่าจะทำอย่างไร
สำหรับเชิงพาณิชย์แล้ว ภาพรวมยิ่งเบาบางกว่า BrainChip คือบริษัทสำคัญที่จดทะเบียนในกลุ่มนี้ ซึ่งได้รายงานรายรับจากลูกค้า 700,000 USD เทียบกับค่าใช้จ่ายในการดำเนินงาน 5.3 ล้าน USD ในไตรมาสล่าสุดเมื่อเดือนมีนาคมที่ผ่านมา
หลายบริษัทในวงการก็หยุดชะงัก Rain AI ที่เคยตั้งเป้าระดมทุน 150 ล้าน USD แต่ไม่ประสบความสำเร็จ ได้สำรวจทางเลือกในการขายกิจการในปี 2025
นักวิจัยในสายงานนี้อธิบายว่ามันคือปัญหาแบบวกวน Catherine Schuman ผู้ช่วยศาสตราจารย์สาขาวิศวกรรมไฟฟ้าและวิทยาการคอมพิวเตอร์ จาก University of Tennessee, Knoxville ได้กล่าวไว้ว่า:
บริษัทฮาร์ดแวร์ต่างเฝ้ารอให้มี killer application แต่ก็ยากที่จะเข้าใจการสร้างแอปเหล่านั้นหากไม่มีฮาร์ดแวร์ไว้ต้นแบบ
มีนักวิจัยกว่า 20 คน ร่วมลงนามในบทความฉบับฉันทามติประจำปี 2025 ในวารสาร Nature ซึ่งโต้แย้งว่าสายงานนี้ยังขาด ecosystem ที่จำเป็นต่อการเติบโต
สุดท้าย หลักการทางชีววิทยาชนะ แต่ฮาร์ดแวร์ที่สร้างขึ้นมาเพื่อเลียนแบบกลับยังไม่ประสบความสำเร็จ
ทุกคนต่างแย่งชิงอิเล็กตรอนเดียวกัน
ทุกวันนี้ประสิทธิภาพกลายเป็นเรื่องสำคัญเพราะไฟฟ้าคือข้อจำกัดหลัก International Energy Agency ได้ระบุว่าศูนย์ข้อมูลทั่วโลกใช้ไฟไป 485 เทราวัตต์-ชั่วโมงในปี 2025
ศูนย์ข้อมูลที่เน้น AI เติบโตขึ้น 50% ในปีเดียวกันนั้น และหน่วยงานนี้คาดการณ์ว่าจะเติบโตขึ้นสามเท่าภายในปี 2030
การเข้าถึงสายส่งไฟฟ้า ไม่ใช่การขาดแคลนชิปอีกต่อไป กลายเป็นอุปสรรคหลักในการก่อสร้าง โดยเวลาที่ใช้ตั้งแต่ยื่นขอเชื่อมต่อจนถึงเปิดดำเนินการเชิงพาณิชย์โดยเฉลี่ยมีมากกว่าห้าปี ตามรายงานของ Lawrence Berkeley National Laboratory
Satya Nadella ประธานเจ้าหน้าที่บริหารของ Microsoft กล่าวเมื่อเดือนพฤศจิกายนว่าบริษัทของเขาถือครองโปรเซสเซอร์ที่ไม่สามารถนำมาใช้งานได้ การขาดแคลนเกิดจากอาคารที่มีพลังงานไฟฟ้าไม่เพียงพอ ไม่ใช่เพราะขาดซิลิคอน นักลงทุนสถาบันต่างตั้ง คำถามเกี่ยวกับความพร้อมของโครงข่ายไฟฟ้าเช่นเดียวกัน
นักขุด Bitcoin ใช้เวลานานกว่าสิบปีในการแก้ไขปัญหานี้โดยตรง พวกเขาถือครองสถานที่ที่มีกำลังไฟฟ้าพร้อมใช้งาน มีข้อตกลงด้านไฟฟ้าที่ลงนามแล้ว และสิทธิ์เชื่อมต่อที่ผู้มาใหม่ต้องรอเป็นเวลาหลายปีกว่าจะได้รับ
ผลลัพธ์คืออุตสาหกรรมการขุดจึงกลายเป็น ธุรกิจพลังงานและโครงสร้างพื้นฐาน การปรับปรุงไซต์ที่มีอยู่ให้เหมาะสมมีค่าใช้จ่ายราว 3 ถึง 4 ล้าน USD ต่อเมกะวัตต์ หากเป็นการก่อสร้างใหม่จะอยู่ที่ 10 ถึง 12 ล้าน USD ตามการ ประมาณการของ VanEck
มูลค่าข้อตกลงที่ประกาศออกมานั้นมีขนาดใหญ่มาก นักขุดที่เป็นบริษัทจดทะเบียนได้เซ็นสัญญาเกี่ยวกับ AI มูลค่ารวมกว่า 70 พันล้าน USD แล้ว
แต่ถ้ามองที่ความจุที่ได้ใช้งานจริงก็จะเห็นอีกมุม ในรายงานไตรมาสสองปี 2026 มีการใช้พลังงานจริงเพียงราว 750 เมกะวัตต์ในอุตสาหกรรมนี้
Core Scientific มีสัดส่วนประมาณ 437 เมกะวัตต์ Galaxy Helios มี 133; TeraWulf 102; IREN 50; และ Riot 25 ส่วน Hut 8 ทำสัญญาไว้ 949 เมกะวัตต์แต่ยังไม่ได้เปิดใช้งานเลยสักราย
การเปลี่ยนแปลงนี้ก็มีต้นทุนสูงโดยรวม ผลขาดทุนรายไตรมาสของนักขุด MARA และ CleanSpark รวมแล้วถึง 851 ล้าน USD ในเดือนสิงหาคม
กำลังการขุดส่วนใหญ่จะไม่ถูกแปลงเปลี่ยนการใช้งาน จากข้อมูลสำรวจเบื้องต้นของ Cambridge เมื่อเดือนกรกฎาคม ระบุว่ามีนักขุดเพียงราว 10% ที่จัดสรรไฟฟ้าให้กับ AI
อุปสรรคหลักอยู่ที่ปัจจัยทางกายภาพ เนื่องจากการขุด Bitcoin ทนต่อการหยุดชะงักได้ แต่ผู้เช่า AI ต้องการไฟฟ้าที่เสถียร ระบบระบายความร้อนที่หนาแน่น และสายไฟเบอร์ที่ไซต์ห่างไกลมักไม่มี
กระนั้นทิศทางของอุตสาหกรรมก็ชัดเจน Core Scientific สร้างรายได้ 83% จากบริการ colocation และเพียง 13% จากการขุดเอง
นักลงทุนได้สะท้อนความเปลี่ยนแปลงนี้ไว้แล้ว ขณะที่นักขุดที่มีสัญญาเช่าที่ลงนามแล้วจะซื้อขายกันที่มูลค่าสูงกว่ากำลังไฟที่เดินเครื่องอยู่มาก ในเวลาเดียวกัน การเดิมพัน AI ครั้งต่อไป เริ่มดูเหมือนจะเกี่ยวข้องกับไฟฟ้ามากกว่าชิปแล้ว
เหตุใดประสิทธิภาพจึงไม่สามารถแก้ปัญหาการใช้พลังงานของ AI ได้
ประสิทธิภาพที่เพิ่มขึ้นเคยช่วยดูดซับการเติบโตของความต้องการมาก่อน โดยที่การประมวลผลของศูนย์ข้อมูลทั่วโลก เพิ่มขึ้น 550% ระหว่างปี 2010 ถึง 2018 ขณะที่การใช้พลังงานเพิ่มขึ้นเพียงประมาณ 6% เท่านั้น
จากนั้นรูปแบบนี้ก็เปลี่ยนไป การใช้ไฟฟ้าของศูนย์ข้อมูลในสหรัฐอเมริกา เพิ่มขึ้น จาก 58 เทราวัตต์-ชั่วโมงในปี 2014 เป็น 176 เทราวัตต์-ชั่วโมงในปี 2023
วิวัฒนาการได้รับการปรับแต่งภายใต้ข้อจำกัดสูงสุด หากหัวกะโหลกใช้ไฟ 200 วัตต์ อาจทำให้เจ้าของถึงแก่ชีวิตได้ ดังนั้นประสิทธิภาพจึงกลายเป็นคำตอบเดียวที่มีให้เลือก
แต่ AI ไม่เคยเผชิญข้อจำกัดสูงสุดในรูปแบบนั้นเลย มันกลับต้องเผชิญข้อจำกัดทางทุนแทน และทุนสามารถขยายตัวได้ง่ายกว่าพลังงานไฟฟ้ามาก
แต่ทุกอย่างกำลังเปลี่ยนแปลง คำถามหลักในตอนนี้ไม่ใช่ชีววิทยามีประสิทธิภาพมากกว่าหรือไม่ แต่คือ AI จะกลายเป็นอย่างไร เมื่อการตัดสินใจไม่ได้ขึ้นกับเงินทุน แต่ขึ้นกับพลังงานไฟฟ้าแทน
