ไม่ใช่แค่ Nvidia: ดาต้าเซ็นเตอร์ AI กำลังสร้างผู้ชนะในธุรกิจไฟฟ้า หม้อแปลง และระบบระบายความร้อน

การลงทุนโครงสร้างพื้นฐาน AI กำลังเป็นเรื่องของ วิศวกรรมไฟฟ้าและการจัดการความร้อน พอ ๆ กับเรื่องเซมิคอนดักเตอร์ เซิร์ฟเวอร์ AI ที่เพิ่มขึ้นต้องใช้ไฟฟ้ามากขึ้น ต้องมีการลดและแปลงแรงดัน กระจายไฟ สำรองไฟ และควบคุมคุณภาพไฟภายในศูนย์ข้อมูล ขณะเดียวกัน ความร้อนที่เกิดขึ้นก็ต้องถูกระบายออกอย่างปลอดภัยและมีประสิทธิภาพ

จึงไม่ใช่เพียง Nvidia ที่อยู่ในห่วงโซ่ผู้ได้ประโยชน์ ผู้ผลิตหม้อแปลง อุปกรณ์ระบบไฟฟ้า และระบบระบายความร้อนด้วยของเหลว กำลังมีตลาดรองรับกว้างขึ้นตามการสร้างดาต้าเซ็นเตอร์สำหรับ AI

เหตุใดเม็ดเงินด้านโครงสร้างพื้นฐานจึงเร่งตัว

McKinsey ประเมินว่าความต้องการดาต้าเซ็นเตอร์ทั่วโลกอาจเพิ่มจากราว 82 กิกะวัตต์ (GW) ในปี 2025 เป็นประมาณ 220 GW ในปี 2030 โดยความต้องการที่เกี่ยวข้องกับ AI อาจขยาย 3.5 เท่า จากราว 44 GW เป็น 155 GW ขณะที่งานที่ไม่ใช่ AI เพิ่ม 1.7 เท่า 22

ตัวเลขการลงทุนก็ใหญ่มากเช่นกัน McKinsey คาดว่าดาต้าเซ็นเตอร์ทั่วโลกอาจต้องใช้เงินลงทุนรวม 6.7 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 โดย 5.2 ล้านล้านดอลลาร์เป็นกำลังการผลิตที่รองรับ AI ตัวเลขนี้คือประมาณการเงินลงทุนที่จำเป็น ไม่ใช่คำสั่งซื้อที่ได้รับแล้วหรือเงินลงทุนที่ผูกพันแน่นอน 28

กลไกสำคัญคือความหนาแน่นกำลังไฟของแร็กที่สูงขึ้น รายงานที่อ้างถึงฉากทัศน์ของ Bank of America ระบุว่า ความต้องการไฟต่อแร็ก AI อาจเกิน 1.5 เมกะวัตต์ภายในปี 2030 หากเป็นเช่นนั้น ดาต้าเซ็นเตอร์แต่ละแห่งย่อมต้องใช้โครงสร้างพื้นฐานไฟฟ้าและระบบทำความเย็นที่มากกว่าเซิร์ฟเวอร์แบบดั้งเดิมอย่างมีนัยสำคัญ 20

ใครได้ประโยชน์ และได้ประโยชน์อย่างไร

หม้อแปลงและอุปกรณ์กริด: HD Hyundai Electric และ Hainan Jinpan

หม้อแปลงทำหน้าที่ลดแรงดันไฟฟ้าจากโครงข่ายให้อยู่ในระดับที่เซิร์ฟเวอร์ ระบบทำความเย็น และอุปกรณ์กระจายไฟใช้งานได้ ปัจจุบันอุปกรณ์เหล่านี้กลายเป็นคอขวดในทางปฏิบัติ เพราะสาธารณูปโภคและผู้พัฒนาดาต้าเซ็นเตอร์ต้องสั่งอุปกรณ์ล่วงหน้านานขึ้นเพื่อจองกำลังผลิตที่มีจำกัด

Reuters รายงานว่า HD Hyundai Electric ของเกาหลีใต้ และ Hainan Jinpan Smart Technology ของจีน พบความต้องการที่เพิ่มขึ้นมากในช่วงครึ่งแรกของปี 2026 จากโครงการโครงสร้างพื้นฐาน AI โดยเฉพาะในอเมริกาเหนือ 142

กรณีของ HD Hyundai Electric ชี้ให้เห็นผลของภาวะอุปทานตึงตัว บริษัทมีคำสั่งซื้อใหม่ในไตรมาส 2 มากกว่า 1.4 พันล้านดอลลาร์สหรัฐ และมีงานในมือเกือบ 8.5 พันล้านดอลลาร์ ณ สิ้นเดือนมิถุนายน 2026 36 งานในมือจำนวนมากช่วยให้เห็นแนวโน้มรายได้ล่วงหน้า แต่ยังไม่ใช่รายได้ที่เกิดขึ้นจริง เพราะการส่งมอบ ต้นทุนชิ้นส่วน และความคืบหน้าของโครงการยังเป็นตัวตัดสินการรับรู้กำไร

ระบบแปลงและบริหารไฟฟ้า: Delta Electronics

ดาต้าเซ็นเตอร์ไม่ได้ต้องการแค่จุดเชื่อมต่อเข้ากับกริด แต่ต้องมีระบบแปลงไฟ กระจายไฟ ไฟสำรอง และระบบควบคุมภายในอาคาร Delta Electronics มีธุรกิจที่เกี่ยวข้องทั้งระบบไฟสำหรับ AI ระบบทำความเย็น และโครงสร้างพื้นฐานดาต้าเซ็นเตอร์ โดยบริษัทระบุว่าโซลูชันเหล่านี้ยังเป็นเครื่องยนต์การเติบโต และกำลังขยายการผลิตในไทย สหรัฐฯ และพื้นที่อื่น 1

จุดแข็งของผู้ขายระบบครบวงจรคือสามารถแก้ปัญหาที่ซับซ้อนกว่าการขายชิ้นส่วนเดี่ยวให้ลูกค้าได้ อย่างไรก็ดี ผู้ให้บริการระบบยังต้องเผชิญการแข่งขันระดับโลก และต้องพิสูจน์ความน่าเชื่อถือเมื่อนำไปใช้งานในระดับใหญ่

การจัดการความร้อน: AVC, Auras และ Envicool

Asia Vital Components (AVC), Auras Technology และ Shenzhen Envicool เป็นส่วนหนึ่งของกลุ่มผู้ผลิตระบบจัดการความร้อนที่ได้อานิสงส์จากระบบ AI ความหนาแน่นสูง เมื่อแร็กทำงานร้อนขึ้น โอกาสทางธุรกิจจึงขยับจากพัดลมและฮีตซิงก์แบบเดิม ไปสู่คอลด์เพลต ชุดจ่ายน้ำหล่อเย็น ปั๊ม แมนิโฟลด์ เครื่องแลกเปลี่ยนความร้อน และระบบควบคุมความร้อนระดับทั้งศูนย์ข้อมูล

ลิควิดคูลลิงเป็นหัวใจของการเปลี่ยนผ่านนี้ Microsoft ระบุว่าการระบายความร้อนด้วยอากาศแบบเดิมรับมือกับความหนาแน่นของฮาร์ดแวร์ AI สมัยใหม่ไม่ได้ และศูนย์ข้อมูล AI ของบริษัทใช้ของเหลวเย็นหมุนเวียนเข้าสู่เซิร์ฟเวอร์โดยตรงเพื่อดึงความร้อนออก 8 ขณะที่การคาดการณ์หนึ่งของ Bank of America มองว่าลิควิดคูลลิงอาจคิดเป็น 70% ของการติดตั้งดาต้าเซ็นเตอร์ AI ใหม่ในปี 2030 เพิ่มจากราว 30% 2021

อย่างไรก็ตาม ควรมองตัวเลขดังกล่าวเป็นฉากทัศน์ ไม่ใช่ข้อสรุปตายตัว เพราะอัตราการนำไปใช้ขึ้นอยู่กับสถาปัตยกรรมชิป ความหนาแน่นของแร็ก ข้อกำหนดด้านความน่าเชื่อถือ ความต้องการของผู้ดำเนินการ และความพร้อมของระบบที่ผ่านการรับรอง

เหตุใด “ไฟเข้า” อาจสำคัญกว่ากำลังประมวลผล

สำนักงานพลังงานระหว่างประเทศ หรือ IEA คาดว่าการใช้ไฟฟ้าของดาต้าเซ็นเตอร์ทั่วโลกจะเพิ่มมากกว่าสองเท่าเป็นราว 945 เทราวัตต์ชั่วโมงในปี 2030 และประเมินว่าโครงการดาต้าเซ็นเตอร์ที่วางแผนไว้ราว 20% อาจเสี่ยงล่าช้าหากไม่แก้ปัญหาความเสี่ยงของโครงข่ายไฟฟ้า 43

ปัญหาคือระยะเวลาของสองฝั่งไม่สอดคล้องกัน ศูนย์ข้อมูล AI อาจวางแผนและสร้างเสร็จได้ภายในไม่กี่ปี แต่การเพิ่มสายส่ง สถานีไฟฟ้าย่อย และการเชื่อมต่อเข้ากริดใช้เวลานานกว่า ในหลายพื้นที่ การขอเชื่อมต่อกริดอาจใช้เวลา 4–10 ปี 53

ผลต่อผู้ผลิตอุปกรณ์จึงมีสองด้าน

• ระยะสั้น: การขาดแคลนหม้อแปลง สวิตช์เกียร์ และอุปกรณ์เกี่ยวเนื่อง อาจหนุนคำสั่งซื้อ อำนาจการตั้งราคา และความชัดเจนของงานในมือ 42
• ระยะยาว: ข้อจำกัดเดียวกันนี้อาจทำให้โครงการของลูกค้าล่าช้า และเลื่อนการส่งมอบอุปกรณ์ซึ่งเป็นจุดเริ่มต้นของรายได้ผู้ขาย

ดังนั้น ผู้ที่น่าจะได้เปรียบยั่งยืนคือบริษัทที่มีผลิตภัณฑ์ผ่านมาตรฐาน มีกำลังผลิตและชิ้นส่วนที่เชื่อถือได้ และส่งมอบได้ตามกำหนด ไม่ใช่เพียงบริษัทที่มีชื่อเชื่อมโยงกับธีม AI

ต้องอ่านคำกล่าวอ้างเรื่องประสิทธิภาพอย่างระมัดระวัง

หม้อแปลงโซลิดสเตตและสถาปัตยกรรมไฟฟ้าซิลิคอนคาร์ไบด์ (SiC) อาจช่วยให้ดาต้าเซ็นเตอร์ในอนาคตใช้ระบบที่เน้นไฟฟ้ากระแสตรงและมีประสิทธิภาพขึ้น Wolfspeed ระบุว่าบางสถาปัตยกรรมที่ใช้ SiC อาจเพิ่มประสิทธิภาพพลังงานตลอดระบบได้สูงสุด 5% และลดการสูญเสียจากการแปลงไฟได้ 25–40% แต่ตัวเลขเหล่านี้เป็นคำกล่าวอ้างของผู้จำหน่ายตามสถาปัตยกรรมเฉพาะ ไม่ใช่มาตรวัดผลประหยัดที่เกิดขึ้นจริงทั้งอุตสาหกรรม 45

เช่นเดียวกัน หลักฐานที่มีไม่ได้สนับสนุนตัวเลขประหยัดพลังงาน “มากกว่า 27%” สำหรับลิควิดคูลลิงแบบใช้ได้กับทุกกรณี ประสิทธิภาพขึ้นกับฐานเปรียบเทียบของระบบระบายอากาศ ความหนาแน่นชิป อุณหภูมิน้ำหล่อเย็น การออกแบบอาคาร และการนำความร้อนทิ้งกลับมาใช้ ประเด็นที่ยืนยันได้มากกว่าคือ การติดตั้ง AI ความหนาแน่นสูงกำลังผลักดันความต้องการลิควิดคูลลิง แต่ผลประหยัดจริงขึ้นกับแต่ละไซต์ 824

ข้อมูลที่ให้มายังไม่เพียงพอจะยืนยันว่าการใช้หม้อแปลงโซลิดสเตต 40% เป็นผลลัพธ์ที่เกิดขึ้นแล้วในอุตสาหกรรม หม้อแปลงแบบดั้งเดิมยังจำเป็นอย่างยิ่งต่อโครงข่ายและระบบไฟฟ้าภายในศูนย์ข้อมูล ขณะที่แบบโซลิดสเตตยังต้องผ่านโจทย์ด้านต้นทุน การรับรอง ความน่าเชื่อถือ และการปฏิบัติตามข้อกำหนดของกริด

โอกาสด้านมาร์จิ้น กับความเสี่ยงที่ต้องจับตา

ผู้จำหน่ายอุปกรณ์ไฟฟ้าอาจได้ประโยชน์เมื่อกำลังผลิตที่ผ่านการรับรองมีจำกัด หม้อแปลงแรงดันสูงและอุปกรณ์เกี่ยวเนื่องเป็นสินค้าที่ต้องใช้เวลาผลิตนานและมีความเฉพาะทาง อีกทั้งยังมีความต้องการจากการปรับปรุงกริดเดิมควบคู่กับการสร้างดาต้าเซ็นเตอร์ใหม่ งานในมือและคำสั่งซื้อที่เติบโตของ HD Hyundai Electric สะท้อนสภาพแวดล้อมดังกล่าว 36

สำหรับกลุ่มจัดการความร้อน ลิควิดคูลลิงเพิ่มมูลค่าอุปกรณ์ต่อแร็ก และให้ความสำคัญกับวิศวกรรม ความน่าเชื่อถือ และการรวมระบบ แต่ตลาดนี้มีการแข่งขันสูง และชิ้นส่วนรายตัวอาจกลายเป็นสินค้าแข่งขันด้านราคาได้เร็วกว่าระบบครบชุด ความเสี่ยงหลักคือการเปลี่ยนสถาปัตยกรรมอย่างรวดเร็ว การพึ่งพาลูกค้ารายใหญ่ แรงกดดันด้านราคา และการขยายกำลังผลิตจนทำให้ภาวะตึงตัวในปัจจุบันคลี่คลาย

กรอบประเมินผู้ชนะที่ใช้งานได้จริง คือดูว่าบริษัทสามารถ

1. ผลิตอุปกรณ์ที่ผ่านมาตรฐานในระดับปริมาณมากได้หรือไม่
2. 확보ชิ้นส่วนสำคัญและกำลังผลิตได้ก่อนความต้องการหรือไม่
3. ส่งมอบระบบไฟฟ้าหรือระบบระบายความร้อนแบบบูรณาการ แทนการขายเฉพาะชิ้นส่วนได้หรือไม่
4. รักษาราคาและความน่าเชื่อถือได้หรือไม่เมื่อรอบผลิตภัณฑ์เร็วขึ้น
5. ขยายธุรกิจต่างประเทศโดยไม่กระทบคุณภาพ กระแสเงินสด หรือการส่งมอบได้หรือไม่

ดาต้าเซ็นเตอร์ลอยน้ำและใต้น้ำใช่คำตอบใหญ่หรือไม่

ดาต้าเซ็นเตอร์ลอยน้ำและใต้น้ำอาจเหมาะกับบางพื้นที่ที่ติดข้อจำกัดด้านที่ดิน น้ำจืด การระบายความร้อน หรือการอนุญาตก่อสร้าง ศูนย์ข้อมูลใต้น้ำสามารถใช้น้ำทะเลโดยรอบช่วยระบายความร้อน และจีนได้ผลักดันโครงการสู่การดำเนินงานเชิงพาณิชย์ รวมถึงดาต้าเซ็นเตอร์ใต้น้ำที่ใช้พลังงานลมนอกชายฝั่งใกล้เซี่ยงไฮ้ 47

แต่รูปแบบเหล่านี้ยังเป็นทางเลือกเฉพาะกลุ่ม ไม่ใช่สิ่งที่จะมาทดแทนแคมปัสดาต้าเซ็นเตอร์บนบกในระยะใกล้ เพราะยังมีโจทย์วิศวกรรม การบำรุงรักษา การเชื่อมต่อ และการอนุญาตของตัวเอง ความสำคัญระยะสั้นจึงอยู่ที่การแสดงให้เห็นว่าผู้ดำเนินการอาจตอบสนองอย่างไร เมื่อข้อจำกัดด้านไฟฟ้า น้ำ และที่ดินรุนแรงขึ้น

บทสรุป

กระแส AI กำลังขยายโอกาสด้านโครงสร้างพื้นฐานออกไปไกลกว่าจีพียู ผู้ผลิตหม้อแปลงอย่าง HD Hyundai Electric และ Hainan Jinpan อยู่ในจุดที่อุปกรณ์กริดขาดแคลน Delta มีความเกี่ยวข้องทั้งระบบไฟและระบบทำความเย็น ส่วน AVC, Auras และ Envicool ได้อานิสงส์จากมูลค่าระบบจัดการความร้อนต่อแร็กที่เพิ่มขึ้น 1

ผู้ชนะระยะยาวจะเป็นบริษัทที่เปลี่ยนอุปสงค์ให้เป็นการส่งมอบที่เชื่อถือได้และระบบที่ทำกำไรได้จริง ข้อควรระวังสำคัญคือการเข้าถึงกริด ระยะเวลารออุปกรณ์ และการบริหารโครงการ อาจชะลอการก่อสร้างได้แม้ความต้องการ AI ยังแข็งแกร่ง ในวัฏจักรนี้ การส่งไฟฟ้าให้ถึงศูนย์ข้อมูลและการระบายความร้อนออกจากแร็กไม่ใช่รายละเอียดรองอีกต่อไป แต่เป็นข้อจำกัดหลักว่ากำลังประมวลผล AI จะสร้างได้เร็วแค่ไหน 4342