คำถามที่ฟังดูตรงไปตรงมาว่า ‘ใครจะเป็นคนสร้าง AI Data Center?’ ในความเป็นจริงมีชั้นและมิติที่ซับซ้อนกว่านั้นมาก ในการเสวนาหัวข้อ ‘คน เงิน และ Ecosystem ใครจะสร้าง Data Center’ ภายในงาน Thailand COnnext 2026 รศ.ดร.ชิต เหล่าวัฒนา นายกสมาคมโครงสร้างพื้นฐานดิจิทัลประเทศไทย รศ.ดร. มนตรี วิบูลยรัตน์ ประธานกรรมการมาตรฐานดาตาเซนเตอร์ วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ (วสท.) และคุณพิเชฏฐ เกตุรวม กรรมการ สมาคมโครงสร้างพื้นฐานดิจิทัลประเทศไทย สะท้อนการเข้ามาของทุนต่างชาติและเทคโนโลยี สิ่งที่ยังขาดและหายากที่สุดคือคนและ Supply Chain ท้องถิ่น
เรื่องของ Data Center ที่ถูกพูดถึงกันอย่างหนาหูในช่วงเวลานี้ ไม่ใช่ประเด็นของ Data Center ทั่วไปที่ประเทศเรามีใช้งานกันแล้วหลากหลายค่ายหลายหลายสถานที่ภายใต้แนวคิดด้านอธิปไตยข้อมูล แต่สิ่งที่นักลงทุนหรือภาคธุรกิจพูดกันในวันนี้คือ Data Center ยุคใหม่ที่เป็น AI Data Center ซึ่งมีกำลังการประมวลผลระดับสูง มีความละเอียดซับซ้อน ตลอดจนมีการใช้ทรัพยากรที่หลากหลายทั้งในเชิงคุณภาพและปริมาณ ซึ่งปัญหาแรกที่ประเทศไทยต้องเผชิญ คือ การขาดแคลนทักษะแรงงานที่เหมาะสม
‘แรงงานไทยขาดแคลน’ เมื่อสถานการณ์โครงสร้างการพัฒนากำลังคนยังไม่สอดคล้องกับโลกที่เปลี่ยนไป
รศ.ดร. ชิต ระบุตรงๆ ว่าประเทศไทยมีปัญหาเรื่องคนใน 2 ระดับ ระดับแรก คือ ปริมาณ และระดับที่สอง คือ ประเภทของทักษะที่ต้องการ
“เรามีปัญหาเรื่องคน ไม่ใช่ว่าคนไม่มี แต่คนส่วนใหญ่เป็นแค่ผู้ใช้งาน เราไม่ใช่ประเทศผู้ผลิตเทคโนโลยี ซึ่งยังมีโอกาสรอด แต่ด้วยความเป็นจริง เราต้องยอมรับก่อนว่ามีข้อจำกัดตรงนี้”
การขาดแคลนทักษะนั้นทวีความหนักหน่วงขึ้นตามระยะเวลา เพราะความเร็วของการเปลี่ยนแปลงนั้นแตกต่างไปจากเดิมอย่างสิ้นเชิง จากเดิมที่อาจเคยใช้เวลา 100 วันในการเรียนรู้หรือดำเนินการ ตอนนี้ใช้เวลาวันเดียว AI เร่งรัดทุกอย่างจนทักษะที่ฝึกมาในช่วง 3-5 ปีอาจล้าสมัยได้ก่อนที่นักศึกษาจะเรียนจบ และถ้าหลักสูตรการศึกษาไม่สามารถปรับตัวได้เร็วพอ ช่องว่างด้านบุคลากรจะกว้างขึ้นทุกปี
แน่นอนว่า AI ไม่ได้แก้ปัญหาเรื่องคนได้ทั้งหมด รศ.ดร. ชิต ชี้ว่า AI Lab ในยุโรปหลายแห่งกำลังเจอปัญหา Flaw ของ Model เยอะขึ้น เพราะการฝึกฝนข้อมูลทำได้ง่ายจนขาดการตรวจสอบเชิงลึก สิ่งนี้สะท้อนออกมาว่า AI นั้นเหมือนเป็นตัวคูณของข้อมูลที่ใส่เข้าไปในระบบ ถ้าใส่ข้อมูลที่ฉลาดถูกต้องผลลัพธ์ก็จะต่อยอดงอกงาม ในทางกลับกันการใส่ข้อมูลที่ไม่แม่นยำหรือมีความผิดพลาดก็ยิ่งนำพา AI นั้นๆ ให้คิดและประมวลผลผิดพลาดมากยิ่งขึ้นเช่นกัน เผยให้เห็นภาพความต้องการข้องทักษะผู้ใช้งานยุคใหม่ที่ต้องฉลาด มีความรู้และมีไหวพริบในการสังเกตข้อมูล เพื่อตรวจสอบ AI ได้ ในฐาน Human in the Loop เพื่อกำกับดูแลการใช้งานเทคโนโลยีซึ่งขาดแคลนอย่างมากในปัจจุบัน
Local Content เงื่อนไขสำคัญที่เร่งด่วนยิ่งกว่าเงินลงทุน
คุณพิเชฏฐ มองเรื่องเงินในแง่เอาไว้ได้อย่างน่าสนใจ การขาดแคลนเงินทุนไม่ใช่ปัญหาที่แท้จริง เพราะทุนต่างชาติจากสิงคโปร์และมาเลเซียไหลเข้ามาสร้าง Data Center ในไทยแล้ว บางส่วนมาในโมเดลที่ให้เช่าพื้นที่และพลังงานแบบ Pay-As-You-Go แทนที่จะต้องลงทุนสร้างเอง
แต่สิ่งที่ต้องอ่านให้ออก คือ ‘ทุนต่างชาติมา แต่มาพร้อมกับทุกอย่างจากประเทศต้นทาง’ ทั้งทีมงาน เทคโนโลยี อุปกรณ์ และแม้แต่แนวคิดการออกแบบ สิ่งที่ไทยได้จากการมาลงทุน คือ รายได้จากค่าเช่า ค่าไฟ และงานในระดับล่างของ Supply Chain แต่ถ้าไม่สร้าง Local Content ให้แข็งแกร่งขึ้น ประโยชน์ที่จะได้ก็จะไม่มากไปกว่านี้
ตัวเลขที่บอกสถานการณ์ปัจจุบันได้ชัดที่สุดคือ Local Content ใน Data Center ของไทยอยู่ที่ราว 15% เท่านั้น หมายความว่า 85% ของสิ่งที่ต้องการในการสร้างและดำเนินการ Data Center มาจากต่างประเทศ เรียกว่าเป็นค่าเสียโอกาสมูลค่ามหาศาลที่เกิดขึ้นจากการลงทุนกว่า 958,000 ล้านบาทในปี 2026 จากข้อมูลการอนุมัติของ BOI 6 โครงการ
เมื่อ Ecosystem ไม่แข็งแรง การเดินหน้าสู่ Local Content ในอุตสาหกรรม Data Center จึงเกิดได้ยาก
เพื่อให้เห็นภาพของ Ecosystem ของ Data Center ในปัจจุบันได้อย่างชัดเจน คุณพิเชฏฐได้แบ่ง Data Center ออกเป็น 3 กลุ่ม ได้แก่
- Hyperscaler รายใหญ่ (Google, AWS, Microsoft) ที่เรียกว่า ‘Classic Cloud’
- New Cloud ซึ่งหมายถึงบริษัทที่ทำ AI Data Center เฉพาะทางเพื่อให้บริษัทอื่นมาเช่าใช้สำหรับ AI โดยเฉพาะ
- OTT (Over-The-Top) ที่ไม่ได้เป็นเจ้าของ Infrastructure แต่ให้บริการอยู่บน Cloud ของคนอื่น
ในขณะชั้นล่างของ Ecosystem นั้นประกอบไปด้วย EPC (Engineering, Procurement, Construction) ผู้รับเหมาสร้าง Data Center และ MEP (Mechanical, Electrical, Plumbing) ระบบทั้งหมดตั้งแต่การทำความเย็นไปจนถึงระบบท่อ ซึ่งประเทศไทยยังขาดผู้เล่นที่พร้อมทั้งในเชิงปริมาณและเชิงคุณภาพที่เพียงพอกับเงื่อนไขที่เกิดขึ้น
นอกจากนี้ยังมีประเด็นด้าน Lead Time ที่กำลังกลายเป็นคอขวดใหม่ โดยได้ยกตัวอย่างอุปกรณ์สำคัญบางประเภท เช่น อุปกรณ์ไฟฟ้าและระบบจากแบรนด์ดังที่เป็นมาตรฐานซึ่งมี Lead Time ยาวถึง 4 ปีแล้วในปัจจุบัน นั่นหมายความว่าถ้า Data Center แห่งหนึ่งพร้อมเปิดใน 2 ปี แต่สั่งอุปกรณ์ช้าไป เมื่อถึงเวลาก็ไม่สามารถดำเนินการตามสัญญาได้ ธุรกิจต้องเผชิญหน้ากับค่าปรับจากการส่งมอบงานล่าช้า ซึ่งสัญญาในมาตรฐานระดับสากลนั้นมีมูลค่ามหาศาล ยกตัวอย่างเช่น การปรับตามสัดส่วนการลงทุน 0.1% ต่อวัน เป็นต้น
พลังงาน-โทรคมนาคม การจับคู่ใหม่ในมิติของธุรกิจ Data Center
วงเสวนาได้ชีให้เห็นแนวโน้มการควบรวมกันของธุรกิจรูปแบบหนึ่งอย่างชัดเจน นั่นคือ บริษัทพลังงานรายใหญ่เริ่มควบรวมกับบริษัทโทรคมนาคม เพราะ Data Center ต้องการทั้งสองปัจจัยในการแข่งขันและเติบโตพร้อมๆ กัน ตัวอย่างกรณีที่เห็นได้ชัด คือ GULF เข้าซื้อกิจการ InTouch ซึ่งถือหุ้นใน AIS ทำให้บริษัทพลังงานสามารถเสนอโซลูชันทั้งด้านพลังงานและ Connectivity ให้แก่ Data Center ได้ในคราวเดียว
ในระดับโลกคุณพิเชฏฐยกกรณีที่ Chevron จับมือกับ Microsoft ซึ่งไม่ได้เป็นเรื่องของ IT ล้วนๆ แต่ Chevron มีบทบาทเป็นผู้จัดส่ง LNG เพื่อเป็นเชื้อเพลิงในการผลิตไฟฟ้าให้ Data Center ของ Microsoft โดยตรง สะท้อนว่าในระดับโลก ‘Data Center Economy’ กำลังดึงอุตสาหกรรมพลังงานฟอสซิลและพลังงานทดแทนเข้ามาเป็นส่วนหนึ่งของ Ecosystem อย่างหลีกเลี่ยงไม่ได้
AI Data Center อาจเป็นภาพหรูดูสวยงาม แต่ไม่อาจเสริมศักยภาพ SME ไทยได้อย่างแท้จริง
ประเด็นที่ รศ.ดร. ชิต เปิดเผยในฐานะกรรมการสภาหอการค้าแห่งประเทศไทยสะท้อนภาพของสภาหอการค้าที่มีสมาชิกกว่า 200,000 ราย 80% เป็น SME และ SME เหล่านี้ส่วนใหญ่ยังเข้าถึง AI และ Cloud ในระดับที่จำกัด ทั้งจากเรื่องต้นทุน ความรู้ และความไม่แน่ใจว่าจะเริ่มจากตรงไหน
แนวทางที่กำลังก่อรูป คือ การสร้างแพลตฟอร์มร่วมที่ใช้น้ำหนักของสมาชิกหอการค้าในการเจรจากับ BOI และหน่วยงานรัฐ เพื่อเปิดช่องให้ SME เข้าถึง Cloud และ AI ในโมเดลที่เป็นไปในทางเดียวกัน และเอื้อประโยชน์ให้กับธุรกิจมากกว่าต่างคนต่างไปหา ซึ่งความสำเร็จที่จะเกิดขึ้นนั้นจะเปลี่ยนบทบาทประเทศไทยจาก ‘ที่ตั้ง Data Center’ ไปสู่ ‘SME ไทยใช้ AI จาก Data Center ในประเทศเพื่อสร้างมูลค่าจริง’
Local Content จะเพิ่มได้ ถ้ารัฐไทยกล้ายืนหยัดอุดหนุนโซลูชันเอกชน
คำถามที่ว่า ‘ใครสร้าง AI Data Center’ ตอนนี้มีคำตอบที่ชัดขึ้น แน่นอนว่าส่วนใหญ่ คือ ธุรกิจข้ามชาติ คนที่ได้ประโยชน์หลักก็ยังเป็นต่างชาติ ส่วนประเทศไทยได้ในระดับที่ตอบแทนการเป็นเจ้าของที่ดินและเจ้าของตลาด ที่ไม่ได้มีมูลค่าสูงนักหากเทียบกับตัวอุตสาหกรรมเอง
ดังนั้นการผลักดันให้เกิด Demand ที่มั่นคงและยั่งยืนอาจต้องเริ่มจากการอุดหนุนภาคเอกชนของภาครัฐ เพื่อให้เกิดการเติบโตของอุตสาหกรรม Data Center ที่รองรับการประมวลผล AI ได้ ในขณะเดียวกันการมี AI Data Center ที่ภาครัฐเป็นเจ้าภาพหรือเป็นเจ้าภาพร่วม จะเป็นกลไกสำคัญในการสร้างความยั่งยืนให้กับ Supply Chain ที่ต้องการให้เกิด Local Content ได้จริง
ดังนั้นในการขับเคลื่อน Ecosystem ของ Data Center ยุคใหม่ ยุคที่มีการใช้ AI อย่างเข้มข้นนั้นต้องให้ความสำคัญกับ 3 ปัจจัยหลักที่ประเทศไทยกำลังขาดแคลน ได้แก่ คนที่มีทักษะเหมาะสมกับงาน, Supply Chain EPC/MEP ที่พร้อมรับงานภายใต้มาตรฐานระดับสากล และการขับเคลื่อนสัดส่วนของ Local Content สำหรับ AI Data Center ขึ้นจาก 15% ให้ได้ ไม่เช่นนั้นแล้วประโยชน์ที่ไทยได้จากการที่อยากจะเป็น Data Center Hub ของภูมิภาคจะยังอยู่แค่ชั้นผิว ไม่ได้สร้างมูลค่าที่แท้จริงให้กับประเทศหรือธุรกิจของคนไทยแต่อย่างใด
