Trane และ Eaton ผนึกกำลังออกแบบดาต้าเซ็นเตอร์ AI หวังเพิ่มประสิทธิภาพ 15% ลดทองแดง 80%

ดาต้าเซ็นเตอร์สำหรับปัญญาประดิษฐ์กำลังเผชิญโจทย์โครงสร้างพื้นฐานสองด้านที่แยกจากกันได้ยากขึ้นเรื่อย ๆ นั่นคือการจ่ายไฟปริมาณมหาศาลให้กับอุปกรณ์ประมวลผลที่มีความหนาแน่นสูง และการระบายความร้อนที่เกิดจากการใช้ไฟดังกล่าว

Trane Technologies และ Eaton จึงนำเสนอแนวคิดใหม่ที่มองทั้งสองเรื่องเป็นระบบเดียว ตั้งแต่ “โครงข่ายไฟฟ้าถึงชิป” หรือ grid-to-chip แทนการออกแบบระบบไฟฟ้าและระบบทำความเย็นแยกเป็นคนละโครงการ

อย่างไรก็ตาม สิ่งที่ประกาศออกมาคือ ต้นแบบการออกแบบ (reference design) ที่นำไปใช้เป็นกรอบทางวิศวกรรม ไม่ใช่การเปิดเผยโครงการติดตั้งจริงของลูกค้ารายใดในดาต้าเซ็นเตอร์ที่ระบุชื่อไว้

Trane และ Eaton ประกาศอะไร

ความร่วมมือนี้ผสานสถาปัตยกรรมระบบไฟฟ้าของ Eaton เข้ากับการออกแบบระบบจัดการความร้อนของ Trane โดยมีจุดเปลี่ยนสำคัญคือการใช้แนวทางระบบไฟฟ้าแรงดันปานกลางที่ประสานกับระบบทำความเย็นตั้งแต่ต้น แทนการวางแผนระบบแรงดันต่ำแบบแยกส่วนซึ่งพบได้ในงานออกแบบดาต้าเซ็นเตอร์แบบเดิม

ระบบทั้งสองจะแลกเปลี่ยนข้อมูลและทำงานผ่านการควบคุมร่วมกัน เพื่อให้การจ่ายไฟและการระบายความร้อนตอบสนองต่อสภาพการทำงานจริงไปพร้อมกัน ไม่ใช่ต่างฝ่ายต่างออกแบบและเดินระบบโดยไม่เชื่อมโยงกัน

การออกแบบนี้สอดคล้องกับ NVIDIA DSX AI Factory Reference Design และ NVIDIA Omniverse DSX Blueprint ซึ่งเป็นกรอบดิจิทัลและวิศวกรรมสำหรับวางแผนระบบไฟฟ้า ระบบความร้อน และระบบควบคุมของ AI Factory รุ่นใหม่

สถาปัตยกรรมแรงดันปานกลางทำงานอย่างไร

ในดาต้าเซ็นเตอร์ทั่วไป ระบบจ่ายไฟกับระบบทำความเย็นมักถูกจัดให้เป็นงานวิศวกรรมคนละส่วน วิธีดังกล่าวอาจทำให้การจับคู่กำลังทำความเย็นกับภาระงานประมวลผลจริงทำได้ยากขึ้น รวมถึงทำให้การปรับเปลี่ยนอุปกรณ์และการเพิ่มประสิทธิภาพทั้งศูนย์เป็นเรื่องซับซ้อน

แนวทางของ Trane และ Eaton เชื่อมระบบเข้าหากันตั้งแต่ขั้นตอนการออกแบบ โดยมีองค์ประกอบหลักดังนี้

• Eaton จัดทำสถาปัตยกรรมการจ่ายไฟ โดยใช้ระบบแรงดันปานกลางเพื่อรองรับโหลดความหนาแน่นสูง และลดการพึ่งพาระบบที่ใช้สายทองแดงในปริมาณมากกว่า
• Trane จัดทำสถาปัตยกรรมการจัดการความร้อน รวมถึงแบบอ้างอิงสำหรับ AI Factory และการกำหนดค่าระบบระบายความร้อนด้วยของเหลว
• ระบบควบคุมและข้อมูลทำงานร่วมกัน ทำให้อุปกรณ์ไฟฟ้าและอุปกรณ์ทำความเย็นตอบสนองต่อสภาพการทำงานของศูนย์แบบเรียลไทม์
• การออกแบบรองรับเทคโนโลยีรุ่นใหม่ เช่น ระบบระบายความร้อนด้วยของเหลวและสถาปัตยกรรมการจ่ายไฟฟ้ากระแสตรงที่กำลังพัฒนา

แนวคิดสำคัญคือการประเมินเส้นทางพลังงานตั้งแต่ไฟฟ้าจากโครงข่ายไปจนถึงชิปในฐานะระบบเดียว นักออกแบบจึงสามารถพิจารณาการสูญเสียในระบบ ความร้อนที่เกิดขึ้น ความสามารถในการทำความเย็น ปริมาณสายไฟ และตำแหน่งติดตั้งอุปกรณ์ได้ตั้งแต่ก่อนเริ่มก่อสร้าง

ตัวเลขที่บริษัทอ้าง: ประสิทธิภาพ 15% ต้นทุน 30% ทองแดง 80%

เมื่อเทียบกับการออกแบบระบบแรงดันต่ำแบบเดิม Trane และ Eaton ระบุว่าต้นแบบนี้อาจให้ผลลัพธ์สูงสุดดังต่อไปนี้

• ประสิทธิภาพพลังงานดีขึ้น 15%
• ต้นทุนติดตั้งลดลง 30%
• ใช้ทองแดงน้อยลง 80%

ตัวเลขเหล่านี้ควรอ่านในฐานะ ประมาณการจากการออกแบบที่บริษัทเป็นผู้รายงาน ไม่ใช่ผลการทดสอบที่ผ่านการตรวจสอบโดยอิสระจากดาต้าเซ็นเตอร์ที่เปิดเผยชื่อแล้ว ผลลัพธ์จริงยังขึ้นอยู่กับขนาดศูนย์ รูปแบบการกระจายไฟ เทคโนโลยีทำความเย็น สภาพพื้นที่ และระดับความใกล้เคียงกับต้นแบบที่นำไปใช้จริง

ถึงอย่างนั้น เป้าหมายดังกล่าวสะท้อนโอกาสทางเศรษฐกิจที่ทั้งสองบริษัทมองเห็น การลดการใช้ทองแดงอาจช่วยลดปริมาณวัสดุและสายเคเบิล ขณะที่การออกแบบแบบบูรณาการอาจลดงานวิศวกรรมที่ซ้ำซ้อน ความซับซ้อนในการก่อสร้าง และปัญหาการติดตั้งกำลังไฟกับความสามารถในการทำความเย็นไม่สมดุลกัน

ใช้งานผ่านแพลตฟอร์มใด

สถาปัตยกรรมร่วมนี้ถูกรวมอยู่ในแพลตฟอร์มหลักสองรายการ ได้แก่

• Trane Continuum Rubin DSX ซึ่งให้แบบอ้างอิงด้านการจัดการความร้อนสำหรับ AI Factory
• Eaton Beam Rubin DSX แพลตฟอร์มที่ออกแบบไว้ล่วงหน้าเพื่อรวมระบบไฟฟ้า ระบบทำความเย็น และระบบควบคุมเข้าด้วยกัน โดยมีเป้าหมายช่วยให้ AI Factory เริ่มรองรับการประมวลผลได้เร็วขึ้น

เทคโนโลยีการจ่ายไฟของ Eaton ยังรองรับการนำไปใช้กับแพลตฟอร์มของ Trane ทำให้ส่วนประกอบจากทั้งสองบริษัทเชื่อมต่อกันภายใต้แนวทางที่สอดคล้องกับ DSX

ทั้งนี้ ไม่ได้หมายความว่าทุกโครงการของลูกค้าจะใช้อุปกรณ์หรือการจัดวางเหมือนกันทั้งหมด เพราะ reference design เป็นแม่แบบทางวิศวกรรมที่นำไปปรับใช้ซ้ำได้ ไม่ใช่รายการอุปกรณ์ตายตัวสำหรับทุกโครงการ

NVIDIA Omniverse มีบทบาทอย่างไร

ความร่วมมือด้านระบบไฟฟ้าและความร้อนครั้งนี้ต่อยอดจากงานก่อนหน้าของ Trane กับ NVIDIA Omniverse โดย Trane ระบุว่า การใช้การออกแบบและการจำลองบนแพลตฟอร์ม Omniverse ช่วยเพิ่มประสิทธิภาพของแบบอ้างอิงด้านความร้อนสำหรับ AI Factory ได้เกือบ 10% พร้อมเปิดตัวแบบอ้างอิง Continuum Rubin DSX เพิ่มอีกสองรายการ

ความร่วมมือครั้งใหม่ขยายการใช้แบบจำลองดิจิทัลจากการจำลองระบบทำความเย็นเพียงอย่างเดียว ไปสู่การเชื่อมระบบจ่ายไฟ ระบบจัดการความร้อน และระบบควบคุมไว้ในกรอบเดียวกัน

ประเด็นนี้มีความสำคัญ เพราะประสิทธิภาพของ AI Factory ขึ้นอยู่กับปฏิสัมพันธ์ระหว่างระบบมากขึ้นเรื่อย ๆ เมื่อความหนาแน่นของการประมวลผลเพิ่มขึ้น ความต้องการไฟฟ้าก็เพิ่มตาม และไฟฟ้าที่ใช้ก็กลายเป็นความร้อน ซึ่งส่งผลต่อขีดความสามารถของระบบทำความเย็นด้วยของเหลว ความต้องการใช้ปั๊ม และประสิทธิภาพโดยรวมของศูนย์

การซื้อ Boyd Thermal ทำให้ Eaton แข็งแกร่งขึ้นอย่างไร

Eaton เสร็จสิ้นการเข้าซื้อกิจการ Boyd Thermal มูลค่า 9,500 ล้านดอลลาร์สหรัฐ เมื่อวันที่ 12 มีนาคม 2026 การซื้อกิจการครั้งนี้เพิ่มความสามารถด้านระบบทำความเย็นด้วยของเหลวให้กับพอร์ตโฟลิโอระบบไฟฟ้าและการจัดการพลังงานของ Eaton และช่วยเสริมสถานะของบริษัทในฐานะผู้ให้บริการโครงสร้างพื้นฐานดาต้าเซ็นเตอร์แบบครบวงจร

พอร์ตโฟลิโอที่กว้างขึ้นมีความสำคัญในช่วงที่ระบบ AI ต้องรองรับความหนาแน่นของกำลังไฟสูงขึ้นและหันมาใช้การทำความเย็นด้วยของเหลวโดยตรงมากขึ้น นั่นทำให้ Eaton มีพื้นฐานที่แข็งแรงขึ้นในการเชื่อมโครงสร้างพื้นฐานแรงดันปานกลางและแรงดันสูงเข้ากับเทคโนโลยีจัดการความร้อนตลอดทั้งระบบดาต้าเซ็นเตอร์

อย่างไรก็ตาม การเข้าซื้อกิจการไม่ได้หมายความว่าทุกโครงการที่ใช้ reference design ของ Trane–Eaton จะต้องใช้อุปกรณ์ของ Boyd เสมอไป ประกาศดังกล่าวยืนยันแนวทางการออกแบบแบบบูรณาการ แต่ไม่ได้ระบุโครงการลูกค้ารายใดหรือกำหนดรายการอุปกรณ์แบบเดียวสำหรับทุกการติดตั้ง

ทำไมการรวมระบบไฟฟ้ากับความร้อนจึงสำคัญต่อยุค AI

โจทย์ของ AI Factory ไม่ใช่เพียงการหาไฟฟ้าเพิ่มหรือเพิ่มเครื่องทำความเย็นเท่านั้น ผู้ประกอบการต้องนำไฟฟ้าปริมาณมหาศาลเข้าสู่ศูนย์ กระจายไฟไปยังอุปกรณ์ประมวลผลที่หนาแน่นขึ้น และระบายความร้อนออกโดยไม่ทำให้ต้นทุนก่อสร้างและต้นทุนเดินระบบพุ่งสูงเกินไป

นั่นทำให้ความเชื่อมโยงระหว่างไฟฟ้ากับการทำความเย็นกลายเป็นหัวใจของการออกแบบ ผู้ประกอบการจำเป็นต้องประเมินเรื่องต่าง ๆ เช่น

• ไฟฟ้าปริมาณเท่าใดที่ส่งไปถึงอุปกรณ์ประมวลผลจริง
• การสูญเสียจากการแปลงและการกระจายไฟเกิดขึ้นที่จุดใด
• แต่ละโซนประมวลผลสร้างความร้อนมากเพียงใด
• จำเป็นต้องใช้ระบบทำความเย็นด้วยของเหลวหรือไม่
• ควรติดตั้งขีดความสามารถด้านไฟฟ้าและความร้อนเผื่อการขยายในอนาคตไว้เท่าใด

การออกแบบของ Trane และ Eaton ไม่ได้ทำให้การตัดสินใจเหล่านี้หายไป แต่จุดสำคัญคือการรวมปัจจัยทั้งหมดไว้ในกรอบอ้างอิงเดียว ซึ่งอาจช่วยให้ผู้ประกอบการเปรียบเทียบแบบศูนย์ต่าง ๆ ได้ก่อนก่อสร้าง และปรับโครงสร้างพื้นฐานให้ทันกับการพัฒนาของฮาร์ดแวร์ AI

สรุป

Trane Technologies และ Eaton กำลังเสนอให้ดาต้าเซ็นเตอร์ AI ถูกออกแบบจากโครงข่ายไฟฟ้าถึงชิปในฐานะระบบไฟฟ้าและระบบความร้อนที่ทำงานร่วมกัน สถาปัตยกรรมที่สอดคล้องกับ NVIDIA DSX นี้รวมการจ่ายไฟแรงดันปานกลางของ Eaton เข้ากับระบบจัดการความร้อนของ Trane ระบบควบคุมร่วม การรองรับการทำความเย็นด้วยของเหลว และความเข้ากันได้กับสถาปัตยกรรมไฟฟ้ากระแสตรงรุ่นใหม่

ตัวเลขเป้าหมาย—ประสิทธิภาพพลังงานดีขึ้น 15% ต้นทุนติดตั้งลดลง 30% และใช้ทองแดงน้อยลง 80%—เป็นตัวเลขที่มีนัยสำคัญ แต่ยังเป็นคำกล่าวอ้างของผู้ผลิตที่ผูกกับ reference design ไม่ใช่ผลลัพธ์ที่ได้รับการตรวจสอบโดยอิสระจากดาต้าเซ็นเตอร์ที่เปิดเผยชื่อ

สาระสำคัญที่อาจอยู่ได้นานกว่าตัวเลขคือการเปลี่ยนวิธีคิดในการออกแบบ เมื่อความหนาแน่นการใช้พลังงานของ AI เพิ่มขึ้น การจ่ายไฟและการระบายความร้อนก็จำเป็นต้องถูกวางแผนและควบคุมไปพร้อมกันมากขึ้น