นวัตกรรมของดาต้าเซ็นเตอร์ยังคงถูกกำหนดทิศทางจากปัจจัยมหภาคและเทรนด์เทคโนโลยีที่เกี่ยวข้องกับ AI อย่างต่อเนื่อง อ้างอิงตามรายงานของเวอร์ทิฟ (NYSE: VRT) ผู้นำระดับโลกด้านโครงสร้างพื้นฐานดิจิทัลที่มีความสำคัญสูง รายงาน Vertiv™ Frontiers ซึ่งรวบรวมองค์ความรู้และความเชี่ยวชาญจากทีมงานทั่วทั้งองค์กร ได้ชี้ให้เห็นถึงเทรนด์เทคโนโลยีที่กำลังขับเคลื่อนนวัตกรรมทั้งในปัจจุบันและอนาคต ตั้งแต่การยกระดับระบบพลังงานเพื่อรองรับ AI การประยุกต์ใช้ดิจิทัลทวิน (Digital Twins) ไปจนถึงระบบระบายความร้อนด้วยของเหลวแบบปรับตัวได้ (Adaptive Liquid Cooling)

 

“อุตสาหกรรมดาต้าเซ็นเตอร์ยังคงเปลี่ยนแปลงอย่างรวดเร็วและต่อเนื่อง ทั้งในด้านการออกแบบ การก่อสร้าง การดำเนินงาน และการให้บริการดาต้าเซ็นเตอร์ เพื่อรองรับความต้องการด้านความหนาแน่นของระบบที่สูงขึ้นและด้านความรวดเร็วในการปรับใช้โครงสร้างพื้นฐานของโรงงาน AI” Scott Armul ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์และเทคโนโลยีของเวอร์ทิฟ กล่าว  “เรามองเห็นแรงขับเคลื่อนจากเทคโนโลยีหลากหลายด้านที่หลอมรวมกัน หนึ่งในนั้นคือการเพิ่มความหนาแน่นของระบบในระดับสูง ซึ่งกำลังผลักดันให้เกิดเทรนด์การเปลี่ยนแปลงครั้งสำคัญ เช่น สถาปัตยกรรมระบบไฟฟ้ากระแสตรงแรงดันสูง และระบบระบายความร้อนด้วยของเหลวขั้นสูง ทั้งสองอย่างมีบทบาทสำคัญต่อการขยายขีดความสามารถของดาต้าเซ็นเตอร์ในระดับกิกะวัตต์ อันเป็นปัจจัยสำคัญต่อการสร้างนวัตกรรมด้าน AI นอกจากนี้ การผลิตพลังงานภายในไซต์ และเทคโนโลยี Digital Twin ยังถูกคาดหวังว่าจะช่วยเร่งทั้งขนาดและความรวดเร็วในการนำ AI ไปใช้งานจริงเพิ่มขึ้นอย่างมีนัยสำคัญอีกด้วย”

 

รายงาน Vertiv Frontiers ต่อยอดและขยายมุมมองจาก บทคาดการณ์เทรนด์ดาต้าเซ็นเตอร์ประจำปี ที่เวอร์ทิฟเคยเผยแพร่มาอย่างต่อเนื่อง โดยรายงานฉบับนี้ได้ระบุปัจจัยมหภาคที่กำลังขับเคลื่อนนวัตกรรมในอุตสาหกรรมดาต้าเซ็นเตอร์ ได้แก่ การเพิ่มความหนาแน่นของระบบในระดับสูง (Extreme Densification) ซึ่งเร่งตัวขึ้นจากภาระงานประมวลผลด้าน AI และ HPC การขยายขนาดในระดับกิกะวัตต์อย่างรวดเร็ว (Gigawatt Scaling at Speed) โดยดาต้าเซ็นเตอร์ในปัจจุบันกำลังถูกปรับใช้งานอย่างรวดเร็วและในขนาดที่ใหญ่ขึ้นอย่างที่ไม่เคยมีมาก่อน การมองดาต้าเซ็นเตอร์เป็นหน่วยประมวลผลเดียว (Data Center as a Unit of Compute) ทำให้ดาต้าเซ็นเตอร์ในยุค AI ต้องถูกออกแบบและบริหารให้เป็นระบบเดียวอย่างบูรณาการ และความหลากหลายของเทคโนโลยีชิป (Silicon Diversification) ซึ่งโครงสร้างพื้นฐานของดาต้าเซ็นเตอร์ต้องปรับตัวให้รองรับชิปและสถาปัตยกรรมการประมวลผลที่มีความหลากหลายรูปแบบมากขึ้นอย่างต่อเนื่อง

 

รายงานฉบับนี้ยังชี้ให้เห็นว่า ปัจจัยมหภาคเหล่านี้ได้หล่อหลอมให้เกิดเทรนด์สำคัญทั้ง 5 ประการ ซึ่งกำลังส่งผลต่อหลายด้านหลักของอุตสาหกรรมดาต้าเซ็นเตอร์ในปัจจุบัน

 

1. การยกระดับระบบพลังงานเพื่อรองรับ AI (Powering up for AI)

ดาต้าเซ็นเตอร์ส่วนใหญ่ในปัจจุบันยังคงพึ่งพาระบบจ่ายไฟแบบผสมผสานระหว่างไฟฟ้ากระแสสลับ (AC) และไฟฟ้ากระแสตรง (DC) จากโครงข่ายไฟฟ้าไปยังแร็คไอที ซึ่งต้องผ่านกระบวนการแปลงพลังงาน 3–4 ขั้นตอน ส่งผลให้เกิดความสูญเสียด้านประสิทธิภาพในบางส่วน แนวทางนี้เริ่มไม่สอดรับกับความต้องการด้านพลังงานที่สูงขึ้นอย่างต่อเนื่อง โดยเฉพาะจากภาระงานประมวลผลด้าน AI เป็นหลัก การเปลี่ยนไปใช้สถาปัตยกรรมไฟฟ้ากระแสตรงแรงดันสูง ช่วยลดปริมาณกระแสไฟฟ้า ลดขนาดของตัวนำ และลดจำนวนขั้นตอนการแปลงพลังงานได้อย่างมีนัยสำคัญ พร้อมทั้งรวมศูนย์การแปลงพลังงานไว้ในระดับห้องดาต้าเซ็นเตอร์ แม้ว่าระบบแบบผสมผสาน AC และ DC จะยังคงถูกใช้งานอย่างแพร่หลายในปัจจุบัน แต่เมื่อมาตรฐานและอุปกรณ์สำหรับระบบ DC เต็มรูปแบบมีความพร้อมมากขึ้น การใช้ไฟฟ้ากระแสตรงแรงดันสูงก็มีแนวโน้มที่จะเพิ่มขึ้นตามความหนาแน่นของแร็คที่สูงขึ้นด้วย นอกจากนี้การผลิตไฟฟ้าภายในไซต์และระบบไมโครกริดยังเป็นอีกปัจจัยสำคัญที่จะช่วยเร่งการนำสถาปัตยกรรมไฟฟ้ากระแสตรงแรงดันสูงมาใช้งานในดาต้าเซ็นเตอร์มากยิ่งขึ้น

 

2. AI แบบกระจายศูนย์ (Distributed AI)

ในช่วงที่ผ่านมา มีการลงทุนมูลค่าหลายพันล้านดอลลาร์สหรัฐในดาต้าเซ็นเตอร์สำหรับ AI เพื่อรองรับโมเดลภาษาขนาดใหญ่ (LLMs) และสนับสนุนการใช้งานเครื่องมือ AI อย่างแพร่หลายในหมู่ผู้บริโภคและภาคธุรกิจ อย่างไรก็ตาม เวอร์ทิฟมองว่า ถึงแม้ AI จะทวีความสำคัญต่อการดำเนินธุรกิจมากขึ้นเรื่อย ๆ แต่รูปแบบ วิธีการ และสถานที่ให้บริการด้านการประมวลผลเพื่อการอนุมานผล (Inference Services) จะขึ้นอยู่กับความต้องการและเงื่อนไขเฉพาะของแต่ละองค์กร แนวโน้มดังกล่าวจะส่งผลต่อธุรกิจทุกประเภท โดยเฉพาะอย่างยิ่งอุตสาหกรรมที่อยู่ภายใต้การกำกับดูแลอย่างเข้มงวด เช่น ภาคการเงิน กลาโหม และสาธารณสุข ซึ่งอาจจำเป็นต้องคงไว้ซึ่งสภาพแวดล้อม AI แบบส่วนตัว (Private AI) หรือแบบผสมผสาน (Hybrid AI) ผ่านดาต้าเซ็นเตอร์ภายในองค์กร อันเป็นผลมาจากข้อกำหนดด้านที่ตั้งของข้อมูล ความปลอดภัย หรือค่าความหน่วง ทั้งนี้ ระบบจ่ายพลังงานและระบบระบายความร้อนด้วยของเหลวที่มีความยืดหยุ่น รองรับการขยายตัว และรองรับความหนาแน่นสูง จะมีบทบาทสำคัญที่ช่วยเพิ่มขีดความสามารถของดาต้าเซ็นเตอร์ ทั้งในกรณีการก่อสร้างใหม่ หรือการปรับปรุงและยกระดับอาคารเดิมให้รองรับภาระงานประมวลผล AI ได้อย่างมีประสิทธิภาพ

 

3. การเร่งสู่ความเป็นอิสระด้านพลังงาน (Energy Autonomy Accelerates)

กำลังการผลิตพลังงานภายในไซต์ในระยะสั้น ถือเป็นองค์ประกอบสำคัญของดาต้าเซ็นเตอร์แบบสแตนด์อโลนมาตลอดหลายทศวรรษที่ผ่านมา เพื่อเสริมความยืดหยุ่นและความต่อเนื่องของระบบ อย่างไรก็ตาม ความท้าทายด้านความพร้อมในการจ่ายพลังงานไฟฟ้าที่เกิดขึ้นในวงกว้าง กำลังสร้างเงื่อนไขใหม่ที่ผลักดันให้องค์กรต่าง ๆ ต้องมุ่งสู่ความเป็นอิสระด้านพลังงานในระยะยาวมากยิ่งขึ้น โดยเฉพาะอย่างยิ่งสำหรับดาต้าเซ็นเตอร์ที่รองรับงานด้าน AI การลงทุนในระบบผลิตไฟฟ้าภายในไซต์ เช่น กังหันก๊าซธรรมชาติ และเทคโนโลยีอื่น ๆ แม้จะมีข้อดีอยู่หลายประการ แต่แรงผลักดันหลักของการลงทุนดังกล่าวยังคงมาจากความท้าทายด้านความพร้อมของพลังงานไฟฟ้าเป็นสำคัญ นอกจากนี้ กลยุทธ์ด้านเทคโนโลยี เช่น แนวคิด Bring Your Own Power (and Cooling) มีแนวโน้มที่จะเป็นส่วนหนึ่งของแผนการสร้างความเป็นอิสระด้านพลังงานอย่างต่อเนื่องของดาต้าเซ็นเตอร์ในอนาคต

 

4. การออกแบบและการดำเนินงานด้วยเทคโนโลยีดิจิทัลทวิน (Digital Twin-Driven Design and Operations)

เมื่อภาระงานประมวลผล AI มีความหนาแน่นสูงขึ้นอย่างต่อเนื่อง และ GPU มีศักยภาพมากขึ้น ความต้องการในการติดตั้งโรงงาน AI ที่ซับซ้อนเหล่านี้อย่างรวดเร็วก็เพิ่มขึ้นตามไปด้วย การใช้เครื่องมือที่ขับเคลื่อนด้วย AI ช่วยให้ดาต้าเซ็นเตอร์สามารถจำลอง วางแผนผัง และกำหนดสเปกในรูปแบบเสมือนจริงผ่านเทคโนโลยีดิจิทัลทวินได้ ขณะเดียวกัน โครงสร้างพื้นฐานด้านไอทีและโครงสร้างพื้นฐานดิจิทัลที่มีความสำคัญก็สามารถถูกรวมเข้าด้วยกันได้ โดยมักอยู่ในรูปแบบโมดูลาร์สำเร็จรูป และนำไปปรับใช้เป็นหน่วยประมวลผลเดียว ซึ่งช่วยลดระยะเวลาตั้งแต่การติดตั้งจนถึงการเริ่มใช้งานโมเดล AI ได้สูงสุดถึง 50% แนวทางนี้จะมีบทบาทสำคัญต่อการบรรลุการก่อสร้างดาต้าเซ็นเตอร์ในระดับกิกะวัตต์อย่างมีประสิทธิภาพ ซึ่งเป็นสิ่งจำเป็นต่อการรองรับการเติบโตของ AI ในอนาคต

 

5. ระบบระบายความร้อนด้วยของเหลวแบบปรับตัวและทนทาน (Adaptive, Resilient Liquid Cooling)

ภาระงานประมวลผลและโครงสร้างพื้นฐานด้าน AI ได้เร่งการนำระบบระบายความร้อนด้วยของเหลวมาใช้งานมากขึ้น ในทางกลับกัน AI ยังสามารถถูกนำมาใช้เพื่อปรับแต่งและเพิ่มประสิทธิภาพของโซลูชันการระบายความร้อนด้วยของเหลวให้ดียิ่งขึ้นได้อีกด้วย ระบบระบายความร้อนด้วยของเหลวได้ก้าวขึ้นมาเป็นองค์ประกอบที่มีความสำคัญระดับภารกิจสำหรับผู้ให้บริการดาต้าเซ็นเตอร์จำนวนมากขึ้นเรื่อย ๆ และ AI ยังสามารถช่วยยกระดับความสามารถของระบบเหล่านี้ได้มากยิ่งขึ้น เมื่อ AI ทำงานร่วมกับระบบมอนิเตอร์และควบคุม ระบบระบายความร้อนด้วยของเหลวจะมีศักยภาพในการทำงานอย่างชาญฉลาดและทนทานยิ่งขึ้น ผ่านการคาดการณ์ความล้มเหลวที่อาจเกิดขึ้นล่วงหน้า และการบริหารจัดการของเหลวรวมถึงชิ้นส่วนต่าง ๆ ได้อย่างมีประสิทธิภาพ แนวโน้มดังกล่าวคาดว่าจะช่วยเพิ่มความน่าเชื่อถือและเพิ่มระยะเวลาการทำงานต่อเนื่องของฮาร์ดแวร์ที่มีมูลค่าสูง รวมถึงข้อมูลและภาระงานประมวลผลที่เกี่ยวข้อง

 

เวอร์ทิฟดำเนินธุรกิจในมากกว่า 130 ประเทศทั่วโลก โดยให้บริการโซลูชันโครงสร้างพื้นฐานดิจิทัลที่มีความสำคัญสูง ครอบคลุมดาต้าเซ็นเตอร์ เครือข่ายการสื่อสาร ตลอดจนสถานประกอบการเชิงพาณิชย์และอุตสาหกรรมทั่วโลก พอร์ตโฟลิโอของบริษัทประกอบด้วยโซลูชันด้านการจัดการพลังงาน การจัดการความร้อน และโครงสร้างพื้นฐานไอที ตั้งแต่ระบบคลาวด์ไปจนถึงขอบเครือข่าย แนวทางแบบบูรณาการนี้ช่วยให้องค์กรสามารถดำเนินงานได้อย่างต่อเนื่อง บรรลุประสิทธิภาพสูงสุด และขยายการเติบโตได้อย่างยืดหยุ่นในอุตสาหกรรมดิจิทัลที่มีความซับซ้อนเพิ่มขึ้นอย่างต่อเนื่อง

 

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับโซลูชันของเวอร์ทิฟ หรือรายงานคาดการณ์แนวโน้มดาต้าเซ็นเตอร์ Vertiv™ Frontiers สามารถเยี่ยมชมได้ที่ Vertiv.com.