การใช้พลังงานของ GenAI ที่เติบโตอย่างรวดเร็วจะเกินกำลังการผลิตของผู้ให้บริการสาธารณูปโภค การ์ทเนอร์ระบุ AI และ Generative AI (GenAI) กำลังผลักดันการใช้พลังงานไฟฟ้าให้พุ่งสูงขึ้นอย่างรวดเร็ว โดยคาดการณ์ว่าในอีกสองปีข้างหน้าตลาดดาต้าเซ็นเตอร์อาจเติบโตสูงถึง 160% และในปี 2570 AI ดาต้าเซ็นเตอร์ถึง 40% จะประสบกับการถูกจำกัดประสิทธิภาพการดำเนินงานเนื่องจากขีดจำกัดด้านพลังงาน
บ็อบ จอห์นสัน รองประธานนักวิเคราะห์ของการ์ทเนอร์ กล่าวว่า “การเติบโตอย่างรวดเร็วของดาต้าเซ็นเตอร์ระดับไฮเปอร์สเกลใหม่ ๆ เพื่อรองรับ GenAI ทำให้เกิดความต้องการการใช้พลังงานอย่างไม่มีที่สิ้นสุดและนำไปสู่การถึงขีดจำกัดของความสามารถในการขยายกำลังการผลิตของผู้ให้บริการสาธารณูปโภค ส่งผลให้เกิดปัญหาพลังงานไม่เพียงพอและจำกัดการเติบโตของดาต้าเซ็นเตอร์ใหม่ ๆ ที่รองรับ GenAI รวมถึงการใช้งานอื่น ๆ ตั้งแต่ปี 2569”
การ์ทเนอร์ประเมินว่า ในปี 2570 ปริมาณพลังงานที่ดาต้าเซ็นเตอร์ต้องใช้เพื่อขับเคลื่อนเซิร์ฟเวอร์ที่เพิ่มขึ้นและปรับแต่งสำหรับ AI จะทะยานไปถึง 500 เทราวัตต์ต่อชั่วโมง (TWh) ต่อปี ซึ่งมากกว่าปี 2566 ถึง 2.6 เท่า
“ดาต้าเซ็นเตอร์ขนาดใหญ่ใหม่ ๆ ออกแบบมาเพื่อรองรับปริมาณข้อมูลมหาศาลที่จำเป็นสำหรับการฝึกฝนและปรับใช้ของ Large Language Models (LLMs) อันเป็นพื้นฐานของแอปพลิเคชัน GenAI ที่กำลังขยายตัวรวดเร็ว อย่างไรก็ตามการขาดแคลนพลังงานในระยะสั้นมีแนวโน้มที่จะดำเนินต่อไปอีกหลายปี เนื่องจากการจัดส่งพลังงาน การจัดจำหน่ายและการผลิตพลังงานใหม่อาจใช้เวลาหลายปีกว่าจะเริ่มใช้งานได้ ซึ่งจะไม่สามารถบรรเทาปัญหาในปัจจุบันลงได้” จอห์นสัน กล่าวเพิ่มเติม
ในอนาคตอันใกล้จำนวนดาต้าเซ็นเตอร์แห่งใหม่และการเติบโตของ GenAI จะถูกควบคุมด้วยความพร้อมด้านพลังงาน การ์ทเนอร์แนะนำให้องค์กรต่าง ๆ ประเมินความเสี่ยงที่อาจเกิดจากการขาดแคลนพลังงานที่จะมีผลต่อผลิตภัณฑ์และบริการทั้งหมด
ราคาไฟฟ้าเพิ่มสูงขึ้น
ตามรายงานของการ์ทเนอร์ยังระบุว่าราคาพลังงานที่เพิ่มขึ้นคือผลลัพธ์ที่หลีกเลี่ยงไม่ได้จากปัญหาการขาดแคลนพลังงานที่กำลังจะเกิดขึ้น ซึ่งจะเพิ่มต้นทุนการดำเนินการด้าน LLMs
“ผู้บริโภคพลังงานรายใหญ่ ๆ กำลังทำงานร่วมกับผู้ผลิตพลังงานขนาดใหญ่เพื่อสร้างแหล่งพลังงานระยะยาวที่มีความเป็นอิสระจากความต้องการอื่น ๆ ของระบบไฟฟ้า ระหว่างนี้ ต้นทุนพลังงานสำหรับดำเนินการ Data Center จะเพิ่มขึ้นอย่างมีนัยสำคัญ เนื่องจากผู้ประกอบการใช้อำนาจต่อรองทางเศรษฐกิจเพื่อให้ได้พลังงานที่ต้องการ โดยค่าใช้จ่ายเหล่านี้จะถูกผลักภาระไปยังผู้ให้บริการผลิตภัณฑ์และบริการของ AI/GenAI อีกด้วย” จอห์นสัน กล่าวเสริม
การ์ทเนอร์แนะนำให้องค์กรต่าง ๆ ประเมินแผนในอนาคต โดยคำนึงถึงต้นทุนพลังงานที่สูงขึ้น และเจรจาสัญญาระยะยาวสำหรับบริการ Data Center ในอัตราค่าพลังงานที่สมเหตุสมผล องค์กรควรคำนึงถึงการเพิ่มขึ้นของต้นทุนอย่างมีนัยสำคัญ เมื่อพัฒนาแผนผลิตภัณฑ์และบริการใหม่ พร้อมทั้งมองหาแนวทางหรือทางเลือกที่ใช้พลังงานน้อยลง
เป้าหมายความยั่งยืนจะได้รับผลกระทบ
เป้าหมายความยั่งยืนในการลดคาร์บอนสุทธิเป็นศูนย์จะได้รับผลกระทบในทางลบจากการแก้ปัญหาระยะสั้นในการจัดหาพลังงานเพิ่มเติม เนื่องจากความต้องการที่เพิ่มขึ้นอย่างรวดเร็วกำลังบีบบังคับให้ผู้ผลิตต้องเพิ่มการผลิตด้วยทุกวิธีทางที่ทำได้ นั่นหมายถึงการปลดระวางการทำงานของโรงไฟฟ้าเชื้อเพลิงฟอสซิลที่ยังต้องยืดระยะการดำเนินงานต่อไปเกินจากที่กำหนดไว้
“ความเป็นจริงคือการใช้ Data Center เพิ่มขึ้นนำไปสู่การปล่อยก๊าซคาร์บอนที่เพิ่มขึ้นตาม ส่งผลให้เกิดการผลิตพลังงานที่จำเป็นในระยะสั้น ทำให้ผู้ประกอบการ Data Center และลูกค้าของพวกเขาพบความยากลำบากมากขึ้นในการบรรลุเป้าหมายความยั่งยืนที่เข้มงวดด้านการปล่อยก๊าซคาร์บอน”
ตามรายงานของการ์ทเนอร์ ชี้ว่า Data Center ต้องการพลังงานที่พร้อมใช้งานตลอด 24/7 ซึ่งพลังงานหมุนเวียน อาทิ พลังงานลมหรือพลังงานแสงอาทิตย์ ไม่สามารถจัดหาให้ได้โดยไม่มีแหล่งพลังงานทางเลือกในช่วงที่ไม่สามารถผลิตพลังงานได้ การ์ทเนอร์ยังระบุว่าพลังงานที่เชื่อถือได้ตลอด 24/7 สามารถผลิตได้จากโรงไฟฟ้าพลังน้ำ เชื้อเพลิงฟอสซิล หรือนิวเคลียร์เท่านั้น ซึ่งในระยะยาว เทคโนโลยีใหม่สำหรับการกักเก็บพลังงานแบตเตอรี่ที่ดีขึ้น เช่น แบตเตอรี่โซเดียมไอออน หรือพลังงานสะอาด เช่น เครื่องปฏิกรณ์นิวเคลียร์ขนาดเล็ก จะพร้อมใช้งานและช่วยให้บรรลุเป้าหมายด้านความยั่งยืน
การ์ทเนอร์แนะนำว่าในเร็ว ๆ นี้องค์กรต่าง ๆ ต้องประเมินเป้าหมายด้านความยั่งยืนที่เกี่ยวข้องกับการปล่อยก๊าซคาร์บอนใหม่ โดยพิจารณาถึงความต้องการของดาต้าเซ็นเตอร์และแหล่งพลังงานในอนาคตเมื่อพัฒนาแอปพลิเคชัน GenAI องค์กรควรมุ่งเน้นการใช้พลังงานการประมวลผลให้น้อยที่สุดและพิจารณาความเป็นไปได้ของทางเลือกอื่น ๆ เช่น Edge Computing และโมเดลภาษาขนาดเล็กกว่า
Gartner Predicts Power Shortages Will Restrict 40% of AI Data Centers By 2027
AI and generative AI (GenAI) are driving rapid increases in electricity consumption, with data center forecasts over the next two years reaching as high as 160% growth, according to Gartner, Inc. As a result, Gartner predicts 40% of existing AI data centers will be operationally constrained by power availability by 2027.
“The explosive growth of new hyperscale data centers to implement GenAI is creating an insatiable demand for power that will exceed the ability of utility providers to expand their capacity fast enough,” said Bob Johnson, VP Analyst at Gartner. “In turn, this threatens to disrupt energy availability and lead to shortages, which will limit the growth of new data centers for GenAI and other uses from 2026.”
Gartner estimates the power required for data centers to run incremental AI-optimized servers will reach 500 terawatt-hours (TWh) per year in 2027, which is 2.6 times the level in 2023 (see Figure 1).
“New larger data centers are being planned to handle the huge amounts of data needed to train and implement the rapidly expanding large language models (LLMs) that underpin GenAI applications,” said Johnson. “However, short-term power shortages are likely to continue for years as new power transmission, distribution and generation capacity could take years to come online and won’t alleviate current problems.”
In the near future, the number of new data centers and the growth of GenAI will be governed by the availability of power to run them. Gartner recommends organizations determine the risks potential power shortages will have on all products and services.
Electricity Prices Will Increase
The inevitable result of impending power shortages is an increase in the price of power, which will also increase the costs of operating LLMs, according to Gartner.
“Significant power users are working with major producers to secure long-term guaranteed sources of power independent of other grid demands,” said Johnson. “In the meantime, the cost of power to operate data centers will increase significantly as operators use economic leverage to secure needed power. These costs will be passed on to AI/GenAI product and service providers as well.”
Gartner recommends organizations evaluate future plans anticipating higher power costs and negotiate long-term contracts for data center services at reasonable rates for power. Organizations should also factor significant cost increases when developing plans for new products and services, while also looking for alternative approaches that require less power.
Sustainability Goals Will Suffer
Zero-carbon sustainability goals will also be negatively affected by short-term solutions to provide more power, as surging demand is forcing suppliers to increase production by any means possible. In some cases, this means keeping fossil fuel plants that had been scheduled for retirement in operation beyond their scheduled shutdown.
“The reality is that increased data center use will lead to increased CO2 emissions to generate the needed power in the short-term,” said Johnson. “This, in turn, will make it more difficult for data center operators and their customers to meet aggressive sustainability goals relating to CO2 emissions.”
Data centers require 24/7 power availability, which renewable power such as wind or solar cannot provide without some form of alternative supply during periods when not generating power, according to Gartner. Reliable 24/7 power can only be generated by either hydroelectric, fossil fuel or nuclear power plants. In the long-term, new technologies for improved battery storage (e.g sodium ion batteries) or clean power (e.g small nuclear reactors) will become available and help achieve sustainability goals.
Gartner recommends organizations re-evaluate sustainability goals relating to CO2 emissions in light of future data center requirements and power sources for the next few years. When developing GenAI applications, they should focus on using a minimum amount of computing power and look at the viability of other options such as edge computing and smaller language models.
