AR-010 :

ข้อมูลโดย  พสธร จินตนานุช

30 พฤษภาคม 2569

p.chintananuch@gmail.com

ในช่วงไม่กี่ปีที่ผ่านมา Data Center ได้กลายเป็นโครงสร้างพื้นฐานสำคัญของเศรษฐกิจดิจิทัล ตั้งแต่ Cloud Computing, E-Commerce, FinTech ไปจนถึง Artificial Intelligence (AI) ที่กำลังเติบโตอย่างรวดเร็ว

อย่างไรก็ตาม แม้ Data Center จะไม่ได้ปล่อยควันจากกระบวนการผลิตเหมือนโรงงานอุตสาหกรรม แต่ก็ยังมีผลกระทบต่อสิ่งแวดล้อมที่ต้องพิจารณาอย่างรอบด้าน โดยเฉพาะเมื่อโครงการมีขนาดใหญ่ระดับ Hyperscale หรือ AI Campus ที่ใช้พลังงานและทรัพยากรจำนวนมากตลอด 24 ชั่วโมง

ก่อนที่สังคมจะสนับสนุนหรือคัดค้านโครงการใด สิ่งสำคัญคือการทำความเข้าใจประเด็นสิ่งแวดล้อมหลักที่เกี่ยวข้องอย่างเป็นระบบ

⸻

1. ปริมาณการใช้น้ำ (Water Consumption)

น้ำเป็นทรัพยากรสำคัญสำหรับการระบายความร้อนของ Data Center โดยเฉพาะศูนย์ข้อมูลยุค AI ที่มีความหนาแน่นของการประมวลผลสูงกว่าระบบ Cloud ทั่วไปหลายเท่า

ตัวชี้วัดสำคัญคือ

* WUE (Water Usage Effectiveness)

* ปริมาณน้ำใช้ต่อวัน

* ปริมาณน้ำใช้ต่อปี

* แหล่งน้ำที่ใช้

Data Center ขนาดใหญ่สามารถใช้น้ำได้ตั้งแต่หลายแสนลิตรจนถึงหลายล้านลิตรต่อวัน ขึ้นอยู่กับขนาดและระบบทำความเย็นที่เลือกใช้

ดังนั้นคำถามสำคัญคือ

* ใช้น้ำจากแหล่งใด

* กระทบต่อชุมชนในช่วงฤดูแล้งหรือไม่

* มีระบบลดการใช้น้ำหรือไม่

⸻

2. ปริมาณและคุณภาพน้ำทิ้ง (Wastewater & Water Quality)

หลังจากใช้น้ำในการระบายความร้อน จะเกิดน้ำทิ้งจากระบบต่าง ๆ เช่น

* Cooling Tower Blowdown

* Reverse Osmosis Reject Water

* น้ำล้างระบบ

แม้ Data Center จะไม่ใช่แหล่งกำเนิดน้ำเสียอินทรีย์สูงเหมือนโรงงานอาหาร แต่ก็มีประเด็นสำคัญที่ต้องตรวจสอบ ได้แก่

* BOD

* COD

* TDS

* pH

* Residual Chlorine

* อุณหภูมิน้ำทิ้ง

โดยเฉพาะค่า TDS และอุณหภูมิน้ำทิ้งที่อาจส่งผลต่อระบบนิเวศน้ำหากไม่มีการจัดการที่เหมาะสม

⸻

3. มลภาวะทางเสียง (Noise Pollution)

Data Center ทำงานตลอด 24 ชั่วโมง จึงมีแหล่งกำเนิดเสียงต่อเนื่องจาก

* Chiller

* Cooling Tower

* HVAC

* Generator

เสียงที่เกิดขึ้นอาจส่งผลต่อคุณภาพชีวิตของชุมชนโดยรอบ โดยเฉพาะในช่วงเวลากลางคืน

ประเด็นที่ควรประเมิน ได้แก่

* ระดับเสียงที่รั้วโครงการ

* ระดับเสียงที่ชุมชนใกล้เคียง

* เสียงช่วงกลางวันและกลางคืน

* ผลกระทบต่อสุขภาพและการพักผ่อน

แม้ Data Center จะไม่มีควันหรือกลิ่น แต่เสียงรบกวนต่อเนื่องสามารถกลายเป็นสาเหตุของข้อร้องเรียนจากชุมชนได้เช่นกัน

⸻

4. การใช้พลังงานและการปล่อยความร้อน (Energy Consumption & Heat Rejection)

Data Center เป็นหนึ่งในโครงสร้างพื้นฐานที่ใช้พลังงานไฟฟ้าสูงที่สุดในโลกยุคดิจิทัล

พลังงานไฟฟ้าที่เข้าสู่ระบบเกือบทั้งหมดจะถูกเปลี่ยนเป็นความร้อน และต้องถูกระบายออกสู่สิ่งแวดล้อม

ผลกระทบที่ต้องพิจารณา ได้แก่

* Urban Heat Island

* Thermal Plume

* อุณหภูมิพื้นที่โดยรอบ

* การใช้พลังงานของระบบทำความเย็น

* การปล่อยก๊าซเรือนกระจกทางอ้อมจากการผลิตไฟฟ้า

สำหรับ AI Data Center ขนาดใหญ่ ความร้อนที่ปล่อยออกมาตลอด 24 ชั่วโมงอาจมีขนาดเทียบเท่ากับโรงงานอุตสาหกรรมขนาดใหญ่หลายแห่งรวมกัน

⸻

5. มาตรการลดผลกระทบสิ่งแวดล้อม (Mitigation Measures)

การพัฒนา Data Center ในปัจจุบันไม่ได้หยุดอยู่ที่การประเมินผลกระทบเท่านั้น แต่ต้องมีมาตรการลดผลกระทบที่ชัดเจนด้วย

ตัวอย่างมาตรการสำคัญ ได้แก่

Closed-loop Cooling

* ลดการใช้น้ำใหม่

* ลดน้ำทิ้ง

* เหมาะกับ Data Center ขนาดใหญ่

Water Recycling

* นำน้ำกลับมาใช้ซ้ำ

* ลดการใช้น้ำดิบ

* ลดผลกระทบต่อทรัพยากรน้ำ

Green Buffer Zone

* เพิ่มพื้นที่สีเขียว

* ลดความร้อน

* ช่วยลดผลกระทบด้านทัศนียภาพและเสียง

Noise Barrier

* ลดเสียงจาก Cooling Tower

* ลดเสียงจาก Generator

* ช่วยลดผลกระทบต่อชุมชนใกล้เคียง

การใช้หลายมาตรการร่วมกันมักให้ผลลัพธ์ที่ดีที่สุด เพราะช่วยลดผลกระทบได้ทั้งด้านน้ำ น้ำทิ้ง เสียง และความร้อนพร้อมกัน

⸻

บทสรุป

Data Center เป็นโครงสร้างพื้นฐานสำคัญของเศรษฐกิจดิจิทัลและยุค AI แต่การพัฒนาโครงการจำเป็นต้องพิจารณาผลกระทบสิ่งแวดล้อมอย่างรอบด้าน ไม่ใช่มองเฉพาะประโยชน์ทางเศรษฐกิจหรือการลงทุนเพียงอย่างเดียว

5 ประเด็นหลักที่ควรศึกษา ได้แก่

1. ปริมาณการใช้น้ำ

2. ปริมาณและคุณภาพน้ำทิ้ง

3. มลภาวะทางเสียง

4. การใช้พลังงานและการปล่อยความร้อน

5. มาตรการลดผลกระทบสิ่งแวดล้อม

ประเด็นสำคัญเหล่านี้ควรถูกศึกษาและเปิดเผยอย่างครบถ้วนในรายงาน EIA (Environmental Impact Assessment) หรือ EHIA (Environmental and Health Impact Assessment) ก่อนการอนุมัติโครงการทุกแห่ง เพื่อให้หน่วยงานรัฐ ชุมชน และผู้มีส่วนได้ส่วนเสียสามารถประเมินความเหมาะสมของโครงการได้อย่างรอบด้าน

เพราะการป้องกันและออกแบบมาตรการรองรับตั้งแต่ต้นทาง ย่อมมีต้นทุนต่ำกว่า และมีประสิทธิภาพมากกว่าการปล่อยให้เกิดผลกระทบขึ้นแล้วค่อยกลับมาแก้ไขในอนาคต ทั้งต่อสิ่งแวดล้อม ชุมชน และความยั่งยืนของการพัฒนา Data Center ในระยะยาว.