ปัจจุบัน Data Center ไม่ได้เป็นเพียงสถานที่สำหรับวาง Server อีกต่อไป แต่กำลังกลายเป็นโครงสร้างพื้นฐานสำคัญของเศรษฐกิจดิจิทัลในปัจจุบันโดยปริยายไปแล้วนะครับ โดยเฉพาะการเติบโตของระบบ Artificial Intelligence หรือ AI ที่ต้องอาศัย GPU และ Accelerator ประสิทธิภาพสูงในการประมวลผลข้อมูลจำนวนมหาศาล

สิ่งที่เกิดขึ้นตามมาคือ Power Density ของ Data Center เพิ่มสูงขึ้นอย่างมาก เมื่อ Server ใช้ไฟฟ้ามากขึ้น ไฟฟ้าเกือบทั้งหมดที่ถูกใช้โดยอุปกรณ์ IT จะถูกเปลี่ยนเป็นความร้อน ดังนั้นทุก ๆ 1 kW ของโหลด IT จึงหมายถึงภาระความร้อนประมาณ 1 kW ที่ระบบ Cooling ต้องกำจัดออกจากพื้นที่ Data Center ด้วยครับ

ส่วนบทความนี่เราจะไปแชร์ความรู้กันนะครับว่า ทำไม Data Center ถึงใช้น้ำเยอะ และระบบการออกแบบในการระบายความร้อน หรือ Cooling system ยังไงกันครับ นี่เพราะว่าในยุค AI คำว่า “Data Center Cooling” จึงเป็นหนึ่งในหัวใจสำคัญของการออกแบบ Data Center

จาก GPU → ไฟฟ้า → ความร้อน → Cooling → น้ำและพลังงาน

1. ทำไม AI ถึงทำให้ Data Center ใช้พลังงานมากขึ้น?

AI ต่างจาก Server ทั่วไปตรงที่ต้องใช้ GPU และ AI Accelerator จำนวนมากในการประมวลผลแบบ Parallel Processing

GPU เหล่านี้ถูกออกแบบมาเพื่อรองรับงานอย่าง

• AI Training
• AI Inference
• Large Language Models (LLM)
• Generative AI
• Computer Vision
• High Performance Computing (HPC)

ผลที่ตามมาคือ Server รุ่นใหม่มีความหนาแน่นของกำลังไฟสูงขึ้น และเมื่อรวม Server จำนวนมากเข้าเป็น Rack ก็ทำให้ Heat Density เพิ่มขึ้นตามไปด้วย

ข้อมูลจาก International Energy Agency หรือ IEA ระบุว่า Data Center ทั่วโลกใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 หรือประมาณ 1.5% ของการใช้ไฟฟ้าทั่วโลก และในกรณีฐาน IEA คาดว่าจะเพิ่มขึ้นเป็นประมาณ 945 TWh ภายในปี 2030 โดย AI เป็นหนึ่งในปัจจัยสำคัญที่ผลักดันการเติบโตดังกล่าว

ที่น่าสนใจคือ IEA คาดว่าการใช้ไฟฟ้าของ Accelerated Servers ซึ่งเป็นกลุ่มที่เกี่ยวข้องกับ AI จะเติบโตประมาณ 30% ต่อปีในกรณีฐาน ขณะที่ Server แบบทั่วไปเติบโตช้ากว่ามาก

ดังนั้นโจทย์ของ Data Center ในอนาคตจึงไม่ใช่เพียง

“จะหาไฟฟ้ามาเลี้ยง Server ได้อย่างไร?”

แต่ยังต้องถามต่อว่า

“เมื่อไฟฟ้าเหล่านั้นกลายเป็นความร้อน เราจะเอาความร้อนออกจาก Data Center ได้อย่างไร?”

2. ไฟฟ้าที่ Server ใช้ สุดท้ายกลายเป็นความร้อน

ในมุมมองด้าน Thermal Engineering สามารถมองแบบง่าย ๆ ได้ว่า Electrical Power → IT Equipment → Heat

หาก Server ใช้ไฟฟ้า 10 kW ภายใต้สภาวะการทำงานนั้น ภาระความร้อนที่ต้องจัดการก็จะอยู่ในระดับประมาณ 10 kW

ดังนั้นถ้าเพิ่มจำนวน GPU เพิ่ม Server และเพิ่ม Rack

IT Load ↑ → Heat Load ↑ → Cooling Load ↑

นี่คือเหตุผลที่การออกแบบ Data Center จำเป็นต้องเริ่มจากการประเมิน IT Load และ Heat Load ก่อนกำหนดขนาดระบบ Cooling

ASHRAE ระบุว่าการออกแบบระบบ Thermal Management ที่ดีจำเป็นต้องทำให้ Cooling Capacity สอดคล้องกับ Heat Load จริงของอุปกรณ์ IT และต้องพิจารณาความต้องการด้านอุณหภูมิของ CPU, Memory, Storage, I/O และ Power Supply รวมถึงรูปแบบการไหลของอากาศด้วย

3. การออกแบบระบบ Cooling สำหรับ Data Center

ใน Data Center ยุค AI…สิ่งที่น่ากลัวไม่ใช่แค่ “ไฟฟ้าที่ใช้มหาศาล” แต่คือ ความร้อนมหาศาลที่เกิดขึ้นตามมาจากการประมวลผล แล้วความร้อนจาก GPU และ CPU ที่ทำงานหนักตลอด 24 ชั่วโมง ถูกจัดการอย่างไร? มันไม่ได้จบแค่การเป่าลมเย็นเข้าไปใน Server แต่ความร้อนจะถูกดึงออกจากตัว Chip ผ่าน Cold Plate ส่งต่อเข้าสู่ระบบ TCS และ CDU ก่อนถ่ายเทเข้าสู่ Chilled Water System

จากนั้น Chiller จะทำหน้าที่ดึงความร้อนออกจากน้ำ และส่งต่อเข้าสู่ Condenser Water System ก่อนที่ Cooling Tower จะระบายความร้อนทั้งหมดออกไปสู่ บรรยากาศ

นี่คือเส้นทางของความร้อนตั้งแต่ :

GPU / CPU → Cold Plate → TCS → CDU → Chilled Water System → Chiller → Condenser Water System → Cooling Tower → บรรยากาศ

และนี่คือเหตุผลว่า ทำไมการออกแบบ Cooling ของ Data Center ยุค AI จึงไม่ใช่แค่เรื่องของ “แอร์” แต่คือการออกแบบ ระบบ Thermal Management และ Heat Rejection ขนาดใหญ่ทั้งระบบ

4. ความร้อนของ Data Center เยอะแค่ไหน?

ตัวอย่างที่เห็นภาพชัดมากคือ NVIDIA GB200 NVL72 ซึ่งเป็น Rack-scale AI system แบบ Liquid Cooling มี 72 GPUs + 36 CPUs ต่อ Rack และระบบ Rack มี Power Consumption ประมาณ 120 kW หรือคิดเป็น Heat Load ระดับประมาณ 120 kW ต่อ Rack เมื่อมองใน first-order approximation ว่าไฟฟ้าที่ใช้โดย IT กลายเป็นความร้อนเกือบทั้งหมด

ปริมาณความร้อนเป็นตัวเลขตลอดเส้นทาง Cooling

1) ความร้อนที่เกิดขึ้นจาก GPU / CPU → Cold Plate

สมมติ AI Rack มี Heat Load = 120 kW

หมายความว่า Cold Plate ต้องสามารถดึงความร้อนออกจาก GPU/CPU รวมกันประมาณ 120 kW ในสภาวะ Full Load ของ Rack ตัวอย่าง NVIDIA ระบุว่าระบบ GB200 NVL72 ต้องการความสามารถในการ Cooling ประมาณ 120 kW ต่อ Rack และใช้ Direct Liquid Cooling

ดังนั้น ถ้ามี

• 1 Rack = 120 kW
• 10 Rack = 1.2 MW
• 100 Rack = 12 MW

นี่คือเหตุผลว่าทำไม AI Data Center จึงเปลี่ยนจากการออกแบบระดับ “ห้อง” ไปสู่การออกแบบ Rack Heat Density มากขึ้น

2) ความร้อนที่เกิดขึ้นจาก Cold Plate → TCS

ตรงนี้เป็น Technology Cooling System ซึ่งเป็นวงจรของ Coolant ที่รับความร้อนจาก Cold Plate แล้วส่งไปยัง CDU ASHRAE อธิบายว่า TCS สามารถเชื่อมจาก CDU ไปยังอุปกรณ์ IT โดยตรงหรือผ่านการจัดระบบระดับ Rack และ CDU จะทำหน้าที่หมุนเวียนของเหลว รวมถึงถ่ายเทความร้อนระหว่าง TCS กับ Facility Water System

ในเชิงคำนวณ เราใช้ Q = ṁ × Cp × ΔT

ตัวอย่าง หากต้องระบาย 120 kW สมมติใช้น้ำเป็น Coolant และออกแบบให้ ΔT = 5°C จะต้องมีน้ำไหลประมาณ ṁ ≈ 5.74 kg/s หรือประมาณ 20.7 m³/h

ดังนั้น Rack ขนาด 120 kW จะเริ่มเห็นแล้วว่า Flow Rate ของ Cooling Loop ไม่ใช่เรื่องเล็ก และต้องออกแบบ Pump, Pipe, Valve และ Heat Exchanger ให้รองรับ Flow ดังกล่าว

3) ความร้อนที่เกิดขึ้นจาก TCS → CDU

CDU คือจุดสำคัญมาก เพราะเป็น Interface ระหว่าง IT Cooling กับ Facility Cooling หน้าที่หลักคือถ่ายเทความร้อนจาก TCS ไปยัง Facility Water ผ่าน Heat Exchanger โดยทั่วไปไม่ได้ให้น้ำของสองวงจรมาผสมกัน

ตัวอย่างจากงานศึกษาของ ASHRAE เคยใช้ CDU ขนาดประมาณ 750 kW สำหรับ 8 Racks หรือเฉลี่ยประมาณ 94 kW/Rack ใน configuration นั้น

จุดนี้ทำให้เห็นว่า CDU สามารถเป็นอุปกรณ์ขนาดระดับ หลายร้อย kW ต่อหนึ่งชุด ได้

4) ความร้อนที่เกิดขึ้นจาก CDU → Chilled Water System

ถ้า CDU รับ Heat Load 120 kW ก็หมายความว่า Facility Water ต้องสามารถรับความร้อนประมาณ 120 kW

ถ้าออกแบบ Chilled Water ที่ ΔT = 5°C เช่นเดียวกัน จะต้องการ Flow ประมาณ 20.7 m³/h ต่อ 120 kW

ถ้ามี 10 Racks ที่ Full Load: 1.2 MW → ~207 m³/h

นี่คือเหตุผลที่การออกแบบ Data Center ต้องคำนวณตั้งแต่ Rack → CDU → Pump → Pipe → Chiller ไม่สามารถเลือก Chiller จากขนาดพื้นที่ห้องเพียงอย่างเดียวได้

5) ความร้อนที่เกิดขึ้นจาก Chilled Water System → Chiller

เมื่อ Facility Water รับความร้อนจาก CDU แล้ว น้ำจะเข้าสู่ Chiller เพื่อดึงความร้อนออก สมมติ Data Center มี IT Load: 10 MW และสมมติว่า IT Load กลายเป็น Heat Load ประมาณ: 10 MW Thermal

Chiller Plant จึงต้องมีความสามารถในการจัดการ Heat Load ระดับ MW ไม่ใช่เพียงหลักร้อย kW

สำหรับการแปลงหน่วยโดยประมาณ: 1 RT ≈ 3.517 kW

ดังนั้น 10 MW ÷ 3.517 ≈ 2,843 RT (หรือประมาณ 2,850 RT)

แต่ในงานจริงจะต้องบวกโหลดอื่น เช่น UPS losses, PDU, Pump, Fan, Lighting และ Design Margin รวมถึงพิจารณา Redundancy เช่น N+1 หรือ 2N

6) ความร้อนที่เกิดขึ้นจาก Condenser Water System → Cooling Tower

สมมติ Condenser Water ต้องระบายความร้อนประมาณ 11.7 MW ถ้าออกแบบน้ำ Condenser Water ให้มี ΔT = 5°C Flow จะอยู่ประมาณ 11,700 kW ÷ (4.18 × 5) ≈ 560 kg/s หรือประมาณ 2,000 m³/h

ดังนั้น Data Center ขนาด 10 MW IT Load สามารถนำไปสู่ระบบ Condenser Water ที่มี Flow ระดับ หลักพัน m³/h ได้ ขึ้นอยู่กับ Chiller COP, ΔT และ Design Conditions

7) ความร้อนที่เกิดขึ้นจาก Cooling Tower → บรรยากาศ

สุดท้าย Cooling Tower ทำหน้าที่นำความร้อนออกจาก Condenser Water และปล่อยความร้อนออกสู่บรรยากาศผ่าน Sensible + Evaporative Heat Transfer

จุดนี้จะมีตัวเลขอีกชุดที่วิศวกรต้องคำนวณ เช่น Cooling Tower Heat Rejection Capacity, Condenser Water Flow, Entering/Leaving Water Temperature, Approach Temperature, Wet-Bulb Temperature, Evaporation Loss, Blowdown, Drift Loss

ดังนั้น Cooling Tower ไม่ได้ถูกเลือกจาก “ขนาด Chiller” เพียงอย่างเดียว แต่ต้องออกแบบจาก Heat Rejection Load + สภาพอากาศ + Wet Bulb + Approach + Water Quality

สรุป: ประเด็นภาพรวมของระบบนะครับ โดยที่ข้อมูลจาก NVIDIA คือ 120 kW/Rack → 1 MW → 10 MW เพราะจะทำให้คนดูเห็นทันทีว่า เมื่อ AI เพิ่ม GPU จากระดับ Server ไปเป็น Rack และ Cluster แล้ว ระบบ Cooling จะขยายตัวจาก Cold Plate → CDU → Chiller → Cooling Tower อย่างไร โดย NVIDIA เองก็ระบุว่า GB200 NVL72 เป็น Rack ที่มี 72 GPUs + 36 CPUs และใช้ Liquid Cooling ในระดับประมาณ 120 kW/Rac IEA ยังประเมินว่าศูนย์ข้อมูลทั่วโลกใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 และ AI กำลังผลักดันให้เกิด High-Performance Accelerated Servers ที่มี Power Density สูงขึ้นอย่างต่อเนื่อง

5. อนาคตของ Data Center คือ “Heat Management”

การเติบโตของ AI กำลังเปลี่ยนโจทย์ของ Data Center จาก

“เราจะเพิ่ม Server ได้กี่เครื่อง?”

ไปสู่

“เราจะรองรับ Heat Density ได้มากแค่ไหน?”

เพราะข้อจำกัดไม่ได้อยู่ที่พื้นที่สำหรับวาง Server เพียงอย่างเดียว แต่รวมถึง

• Electrical Capacity
• Power Distribution
• Transformer
• UPS
• Generator
• Chiller
• Cooling Tower
• Pump
• Heat Exchanger
• CDU
• Water Supply
• Heat Rejection
• Control System
• Monitoring
• Redundancy

ทั้งหมดต้องถูกออกแบบให้ทำงานร่วมกัน

ASHRAE เองได้เน้นแนวทางสำหรับ AI Data Center ที่ต้องออกแบบ Cooling Architecture ให้เหมาะกับ Rack Density สูง รวมถึงการใช้ Direct-to-Chip Liquid Cooling, Rear-Door Heat Exchanger และ Technology Cooling System เพื่อรองรับ AI Workload การเติบโตของ AI กำลังเปลี่ยนรูปแบบของ Data Center จากศูนย์กลางที่รองรับ Server และระบบจัดเก็บข้อมูลทั่วไป ไปสู่ High-Density Computing Facility ที่ต้องรองรับอุปกรณ์ประมวลผลประสิทธิภาพสูงและมีความหนาแน่นของกำลังไฟมากขึ้น โดยเฉพาะ GPU และ AI Accelerator ซึ่งยิ่งมีประสิทธิภาพสูงขึ้น ก็ยิ่งต้องใช้พลังงานไฟฟ้าและก่อให้เกิดความร้อนในปริมาณที่มากขึ้นตามไปด้วย

ดังนั้น ความท้าทายของ Data Center ยุค AI จึงไม่ได้อยู่เพียงการจัดหาไฟฟ้าให้เพียงพอกับ IT Load แต่รวมถึงความสามารถในการจัดการ Heat Load และนำความร้อนออกจากระบบอย่างต่อเนื่องและมีประสิทธิภาพ ระบบ Cooling จึงต้องพัฒนาไปพร้อมกับเทคโนโลยีของ Server ตั้งแต่ Air Cooling ไปจนถึง Liquid Cooling, Direct-to-Chip และระบบ Heat Rejection ที่มีประสิทธิภาพสูงขึ้น

การออกแบบ Data Center ในอนาคตจึงจำเป็นต้องมองเป็นระบบวิศวกรรมแบบบูรณาการ ตั้งแต่ระบบไฟฟ้า ระบบ Mechanical และ HVAC ไปจนถึง Chiller, Cooling Tower, Pump, Heat Exchanger, CDU, ระบบจัดการน้ำ และการบริหารจัดการพลังงาน โดยทุกระบบต้องทำงานร่วมกันเพื่อรักษาเสถียรภาพของ IT Infrastructure ตลอด 24 ชั่วโมง

ท้ายที่สุดแล้ว ความสามารถของ Data Center ไม่ได้วัดเพียงว่ามี Server หรือ GPU จำนวนเท่าใด แต่ต้องพิจารณาด้วยว่าสามารถรองรับ Power Density และ Heat Load ได้มากเพียงใด และสามารถนำความร้อนออกจากระบบได้อย่างมีประสิทธิภาพและต่อเนื่องแค่ไหน เพราะเมื่อ AI ต้องการ Computing Power มากขึ้น Computing Power ก็ต้องการพลังงานมากขึ้น และพลังงานเหล่านั้นเกือบทั้งหมดจะเปลี่ยนเป็นความร้อนที่ต้องถูกจัดการด้วยระบบวิศวกรรมที่เหมาะสม

ด้วยเหตุนี้ Cooling System จึงไม่ได้เป็นเพียงระบบประกอบของ Data Center อีกต่อไป แต่กำลังกลายเป็นหนึ่งในโครงสร้างพื้นฐานหลักที่กำหนดขีดความสามารถ ประสิทธิภาพ และความสามารถในการขยายตัวของ Data Center ยุค AI นั่นเองนะครับ

แล้วพบกับสาระดีๆแบบนี้ทางด้านงานช่าง งานวิศวกรรม และอุตสาหกรรมได้ที่ นายช่างมาแชร์ นะครับ

Website: www.naichangmashare.com
Facebook: https://www.facebook.com/naichangmashare/
Youtube: https://www.youtube.com/channel/UCmIPiSeg-uy4k8JYSmknp_g
Instragram: https://www.instagram.com/naichangmashare/
Twitter: https://twitter.com/naichangmashare

#นายช่างมาแชร์