โตเกียวทดสอบนำความร้อนจากศูนย์ข้อมูล AI มาใช้ทำความเย็นและผลิตน้ำร้อน

การทดลองในโตเกียวนำความร้อนทิ้งจากเซิร์ฟเวอร์มาใช้ประโยชน์

โตเกียวสนับสนุนโครงการกู้คืนความร้อนโดยตรงจากเซิร์ฟเวอร์ปัญญาประดิษฐ์ (AI) เพื่อนำไปใช้ทำความเย็นอาคาร จ่ายพลังงานให้สถานอาบน้ำใกล้เคียง และสนับสนุนโรงงาน โครงการสาธิตจะดำเนินตั้งแต่วันที่ 16 กรกฎาคม 2026 ถึง 31 มีนาคม 2028 โดยรัฐบาลกรุงโตเกียวจะสนับสนุนค่าใช้จ่ายที่เข้าเกณฑ์สูงสุด 520 ล้านเยน

บริษัท Tokyo Electric Power Company Holdings หรือ TEPCO เป็นผู้นำโครงการร่วมกับ MESH-X และ NHK Technologies ที่ศูนย์ข้อมูลแห่งหนึ่งในโตเกียว โครงการมุ่งแก้ปัญหาในทางปฏิบัติที่เพิ่มขึ้นควบคู่กับการใช้ AI กล่าวคือ ไฟฟ้าส่วนใหญ่ที่ป้อนเข้าสู่อุปกรณ์ประมวลผลจะเปลี่ยนเป็นความร้อน ซึ่งผู้ดำเนินงานต้องกำจัดออกเพื่อให้เครื่องทำงานต่อไปได้

ประกาศของรัฐบาลโตเกียวระบุถึงระบบที่ใช้การระเหยเพื่อทำความเย็นเซิร์ฟเวอร์ซึ่งติดตั้งหน่วยประมวลผลกราฟิก หรือ GPU พร้อมกับเก็บความร้อนโดยตรงที่อุณหภูมิสูง GPU เป็นชิปที่ประมวลผลการคำนวณจำนวนมากพร้อมกัน จึงมีบทบาทสำคัญต่อ AI สมัยใหม่

โครงการนี้เชื่อมโยงความต้องการสองด้านที่มักจัดการแยกจากกัน ศูนย์ข้อมูลต้องการระบบทำความเย็น ขณะที่อาคารและธุรกิจใกล้เคียงต้องการความร้อน การกู้คืนความร้อนที่นำไปใช้ได้อาจช่วยให้ไฟฟ้าชุดเดียวกันตอบโจทย์ทั้งการประมวลผลและความต้องการพลังงานในท้องถิ่น

ญี่ปุ่นกำลังทดสอบอีกแนวทางด้วยเช่นกัน นั่นคือการย้ายงานคำนวณ AI ระหว่างเมือง หรือปรับเวลาให้ทำงานสอดคล้องกับความพร้อมของไฟฟ้า การทดลองเหล่านี้ร่วมกันมุ่งศึกษาว่า AI ใช้พลังงานอย่างไร ใช้พลังงานที่ใด และพลังงานถูกนำไปใช้อย่างไรต่อ

WaBiCo ดึงความร้อนจากชิปอย่างไร

TEPCO เรียกแนวทางนี้ว่า WaBiCo ซึ่งย่อมาจาก Watt Bit Cogeneration ชื่อนี้เชื่อมโยงวัตต์ ซึ่งเป็นหน่วยวัดกำลังไฟฟ้า เข้ากับบิต ซึ่งเป็นหน่วยข้อมูลดิจิทัล แนวคิดหลักคือมองอุปกรณ์อิเล็กทรอนิกส์กำลังสูงเป็นทั้งทรัพยากรสำหรับประมวลผลและแหล่งความร้อนที่นำไปใช้ประโยชน์ได้

เทคโนโลยีทำความเย็นลดความดันของน้ำลงเหลือประมาณครึ่งหนึ่งของความดันบรรยากาศ ทำให้น้ำเดือดที่อุณหภูมิราว 80 องศาเซลเซียส แทนที่จะเป็น 100 องศาตามปกติ ความร้อนจาก GPU ทำให้น้ำระเหย จึงเก็บพลังงานความร้อนที่อุณหภูมิซึ่งเหมาะกับการใช้งานอื่นได้

TEPCO ระบุว่าได้พัฒนาแผ่นทำความเย็นเฉพาะทางซึ่งช่วยทำความเย็น GPU โดยตรงและกู้คืนความร้อน ระบบหมุนเวียนใช้ความร้อนเป็นแรงขับเคลื่อนการถ่ายเทความร้อน โดยไม่ต้องใช้ปั๊ม การเก็บพลังงานใกล้ชิปช่วยให้ได้ความร้อนที่มีอุณหภูมิสูงและใช้ประโยชน์ได้มากกว่าเมื่อปล่อยให้ความร้อนกระจายไปทั่วห้องเซิร์ฟเวอร์

อุณหภูมิมีความสำคัญ เพราะงานแต่ละประเภทต้องการความร้อนในระดับต่างกัน อากาศอุ่นที่มีต้นทุนการเก็บสูงนำไปใช้ได้จำกัด ส่วนความร้อนที่กู้คืนได้ ณ อุณหภูมิราว 80 องศาเซลเซียส สามารถใช้กับอาคารและงานอุตสาหกรรมได้หลากหลายกว่า ขึ้นอยู่กับอุปกรณ์และข้อกำหนดด้านอุณหภูมิ

การใช้งานที่เสนอไว้รวมถึงการจ่ายพลังงานให้สถานอาบน้ำและโรงงานใกล้เคียง การทำความร้อนในระบบเขตเมือง และการใช้ความร้อนที่กู้คืนได้เป็นแหล่งพลังงานสำหรับทำความเย็นห้องเซิร์ฟเวอร์หรือสถานที่ใกล้เคียง ระบบทำความเย็นที่ขับเคลื่อนด้วยความร้อนจะใช้พลังงานความร้อนในการทำงานของวงจรทำความเย็น แทนการพึ่งพาคอมเพรสเซอร์ที่ขับเคลื่อนด้วยไฟฟ้าเพียงอย่างเดียว

โตเกียวสนับสนุนและทดสอบอะไรบ้าง

ประกาศผลการคัดเลือกโครงการของ TEPCO ระบุว่าโตเกียวคัดเลือกข้อเสนอนี้เมื่อวันที่ 30 มิถุนายน 2026 บริษัทระบุว่าเป็นผู้ดำเนินงานหลัก และระบุวงเงินสนับสนุนสูงสุดจากรัฐบาลที่ 520 ล้านเยน เพื่อช่วยแบ่งเบาค่าใช้จ่ายที่กำหนดไว้บางส่วน

สำนักอุตสาหกรรมและแรงงานของโตเกียวจัดการสาธิตนี้ไว้ภายใต้ยุทธศาสตร์โตเกียวปี 2050 ซึ่งมีเป้าหมายเพิ่มประสิทธิภาพการใช้พลังงานให้สูงสุด การดำเนินงานภาคปฏิบัติประกอบด้วยการพัฒนาระบบทำความเย็นด้วยการระเหยและการทดสอบในสภาพแวดล้อมการทำงานจริง

โครงการต้องเชื่อมการกู้คืนความร้อนเข้ากับปลายทางที่นำไปใช้ได้จริง สำหรับสถานอาบน้ำ นั่นหมายถึงการจ่ายพลังงานความร้อนได้อย่างสม่ำเสมอ สำหรับโรงงาน หมายถึงการจับคู่อุณหภูมิและช่วงเวลาให้ตรงกับกระบวนการอุตสาหกรรม ส่วนห้องเซิร์ฟเวอร์ต้องนำความร้อนที่กู้คืนได้ไปประกอบเข้ากับระบบทำความเย็นที่ช่วยให้การทำงานเชื่อถือได้

ประกาศระบุสถานที่สาธิตเพียงว่าเป็นศูนย์ข้อมูลแห่งหนึ่งในโตเกียว โดยไม่ได้เปิดเผยอัตราการกู้คืนความร้อนที่วัดได้ การประหยัดไฟฟ้า การลดการปล่อยก๊าซ ชื่อลูกค้าที่รับความร้อน หรือกำหนดการเริ่มดำเนินธุรกิจ ผลลัพธ์เหล่านี้จะเป็นตัวชี้ว่าแนวทางดังกล่าวจะมีประโยชน์มากเพียงใดหลังสิ้นสุดการทดลอง

ประสิทธิภาพการทำความเย็นและการนำความร้อนกลับมาใช้วัดผลคนละด้าน

TEPCO ตั้งเป้าปรับปรุงตัวชี้วัดประสิทธิภาพของศูนย์ข้อมูลที่ใช้กันทั่วไป ซึ่งเรียกว่า Power Usage Effectiveness หรือ PUE โดยคำนวณจากไฟฟ้าทั้งหมดที่สถานที่ใช้ หารด้วยไฟฟ้าที่อุปกรณ์ประมวลผลใช้ ค่าใกล้ 1 หมายความว่ามีการใช้ไฟฟ้าเพิ่มเติมกับระบบทำความเย็นและระบบสนับสนุนอื่น ๆ น้อยลง

ตัวอย่างสมมติคือสถานที่แห่งหนึ่งใช้ไฟฟ้า 120 หน่วย ขณะที่คอมพิวเตอร์ใช้ 100 หน่วย จะมีค่า PUE เท่ากับ 1.2 การลดส่วนต่างอีก 20 หน่วยจะช่วยปรับปรุงตัวเลขนี้ โครงการโตเกียวมุ่งให้เกิดผลเช่นนั้นด้วยการเปลี่ยนวิธีกำจัดความร้อนจากชิป

การนำความร้อนกลับมาใช้เป็นประโยชน์ที่อาจเกิดขึ้นอีกด้านหนึ่ง ผู้ใช้พลังงานใกล้เคียงอาจนำพลังงานที่กู้คืนจากการประมวลผลมาใช้ตอบสนองความต้องการด้านความร้อนได้บางส่วน ไฟฟ้ายังคงใช้ขับเคลื่อนเซิร์ฟเวอร์ ขณะที่พลังงานความร้อนที่มีประโยชน์ถูกส่งออกจากศูนย์ข้อมูลไปใช้ในงานอื่น

ประโยชน์ทั้งสองด้านต้องวัดแยกกัน ผู้ดำเนินงานจำเป็นต้องติดตามไฟฟ้าที่ใช้ทำความเย็น ปริมาณความร้อนที่ส่งถึงลูกค้าจริง และพลังงานที่ลูกค้าเหล่านั้นจะต้องใช้หากไม่ได้รับความร้อนดังกล่าว การเชื่อมต่อระบบความร้อนจะมีคุณค่าเมื่อสถานที่รับสามารถใช้พลังงานได้ในช่วงเวลาที่จ่ายไปถึง

ชิปที่มีประสิทธิภาพขึ้นเผชิญกับปริมาณงาน AI ที่เพิ่มขึ้น

NVIDIA ระบุว่าพลังงานเป็นรากฐานของโครงสร้างพื้นฐาน AI ในการประชุมที่ดาวอสเมื่อเดือนมกราคม 2026 เจนเซน หวง ประธานเจ้าหน้าที่บริหาร เปรียบอุตสาหกรรมนี้กับเค้กห้าชั้น โดยมีพลังงานอยู่ชั้นล่างสุด ตามด้วยชิป โครงสร้างพื้นฐาน โมเดล และแอปพลิเคชัน

ฮิโรกิ ไซโตะ ตัวแทนของ NVIDIA อธิบายว่าพลังงานเป็นประตูด่านแรกของ AI คำอธิบายของเขายังสะท้อนถึงการเปลี่ยนแปลงอย่างรวดเร็วของความต้องการด้านการประมวลผล โดยใช้การเปิดตัว ChatGPT ในเดือนพฤศจิกายน 2022 เป็นจุดเริ่มต้น เขาประเมินว่าความต้องการประมวลผลของโมเดลให้เหตุผล DeepSeek ในเดือนมกราคม 2025 อยู่ที่ 100 เท่าของระดับดังกล่าว และของเอเจนต์อัตโนมัติ OpenClaw ในราวหนึ่งปีถัดมาอยู่ที่ 1,000 เท่า

ตัวอย่างเหล่านี้เกี่ยวข้องกับงาน AI ที่เปลี่ยนแปลงไป โมเดลให้เหตุผลใช้กำลังประมวลผลเพื่อแก้โจทย์ ส่วนเอเจนต์สามารถทำงานต่อเนื่องเป็นลำดับได้ งานที่ซับซ้อนขึ้นอาจใช้กำลังประมวลผลมากขึ้น แม้ชิปแต่ละตัวจะมีประสิทธิภาพสูงขึ้นก็ตาม

NVIDIA ระบุว่าชิปรุ่น Rubin สามารถประมวลผลงานของเอเจนต์ได้มากกว่ารุ่น Blackwell 10 เท่าเมื่อใช้พลังงานเท่ากัน คุณค่าในทางปฏิบัติขึ้นอยู่กับวิธีติดตั้งใช้งานอุปกรณ์และงานที่นำมาประมวลผล

ไซโตะยังกล่าวถึงการเปลี่ยนแปลงลำดับความสำคัญในการดำเนินงาน ศูนย์ข้อมูลแบบดั้งเดิมมุ่งเน้นให้ระบบพร้อมใช้งานอยู่เสมอ ส่วนโรงงาน AI ซึ่งเป็นคำที่ NVIDIA ใช้เรียกโครงสร้างพื้นฐานที่ออกแบบมาเพื่อผลิต AI ต้องมุ่งเพิ่มปริมาณการประมวลผลที่เป็นประโยชน์ให้ได้สูงสุด ประสิทธิภาพที่ดีขึ้นต่อหน่วยไฟฟ้าและความต้องการที่เพิ่มขึ้นเกิดขึ้นพร้อมกัน ทำให้การใช้พลังงานโดยรวมขึ้นอยู่กับทั้งสองปัจจัย

การใช้ไฟฟ้าที่ผันผวนฉับพลันสร้างปัญหาเพิ่ม

ความท้าทายของสถานประกอบการ AI ไม่ได้มีแค่ปริมาณการใช้ไฟฟ้ารวม ในระหว่างฝึกโมเดล GPU หลายแสนตัวอาจเปลี่ยนระดับการใช้พลังงานพร้อมกันภายในเวลาเพียงไม่กี่มิลลิวินาที อุปกรณ์ไฟฟ้าจึงต้องรองรับการเปลี่ยนแปลงอย่างรวดเร็วเหล่านี้ พร้อมรักษาเสถียรภาพของกำลังไฟฟ้า

แอมเบอร์ วิลเลกัส-วิลเลียมสัน ที่ปรึกษาหลักของ Uptime Institute ซึ่งให้คำแนะนำแก่ผู้จัดหาไฟฟ้าและศูนย์ข้อมูลด้านความเชื่อถือได้ อธิบายถึงแรงกดดันดังกล่าวว่า

AI สร้างความต้องการใช้พลังงานที่ผิดปกติอย่างมาก

วิลเลกัส-วิลเลียมสันเปรียบการสึกหรอที่เกิดขึ้นกับการเร่งเครื่องยนต์รถซ้ำ ๆ แทนที่จะขับด้วยความเร็วคงที่ ดรูว์ บากลิโน อดีตผู้บริหาร Tesla และผู้ก่อตั้ง Heron Power Electronics กล่าวว่า ความต้องการพลังงานจาก AI อาจพุ่งขึ้นชั่วครู่สูงกว่ากำลังรองรับที่ออกแบบไว้ถึง 50% ตัวอย่างของเขาคือศูนย์ข้อมูลที่ออกแบบไว้สำหรับ 1 กิกะวัตต์ อาจดึงไฟฟ้า 1.5 กิกะวัตต์ในช่วงเสี้ยววินาที

ความเสียหายของอุปกรณ์ที่เกี่ยวข้องกับแรงกดดันเหล่านี้มีทั้งกังหันแตกร้าวและแบตเตอรี่ที่ต้องเปลี่ยนภายในไม่กี่สัปดาห์หรือไม่กี่เดือน มีรายงานว่าสถานที่บางแห่งทำเวลาพร้อมใช้งานได้เพียงราว 80% ขณะที่ความเสียหายด้านรายได้โดยประมาณระหว่างระบบขัดข้องอยู่ที่หลักพันถึงหลายแสนดอลลาร์ต่อนาที ขึ้นอยู่กับลักษณะการดำเนินงาน

North American Electric Reliability Corporation พบว่าแบบจำลองภาระโหลดราวสามในสี่ ซึ่งครอบคลุมความต้องการไฟฟ้าจากศูนย์ข้อมูลในสหรัฐฯ มากกว่า 33 กิกะวัตต์ ยังจำลองพฤติกรรมที่เปลี่ยนแปลงตามเวลาได้ไม่เพียงพอ แบบจำลองเหล่านี้ช่วยให้สาธารณูปโภคคาดการณ์ผลกระทบจากลูกค้าต่อระบบไฟฟ้า การเปลี่ยนแปลงการใช้ไฟฟ้าอย่างรวดเร็วจึงเป็นประเด็นสำคัญในการวางแผน

โครงการวิทยาเขตขนาด 2.67 กิกะวัตต์ที่วางแผนในเวสต์เท็กซัสแสดงให้เห็นผลต่อกำหนดการ Joulent ผู้พัฒนาโครงการเพิ่มเวลาในการดำเนินงานด้านวิศวกรรมเพื่อให้เป็นไปตามข้อกำหนดความเชื่อถือได้ 99.999% ของ Microsoft จึงเลื่อนกำหนดเริ่มจ่ายไฟจากปี 2027 เป็นปี 2028 ที่ระดับความเชื่อถือได้นี้ เวลาหยุดทำงานตลอดทั้งปีจะอยู่ที่ประมาณห้านาที

ย้ายงานคำนวณแทนการย้ายไฟฟ้า

การทดลองอีกโครงการของญี่ปุ่นมุ่งแก้ปัญหาว่า AI ใช้ไฟฟ้าที่ไหนและเมื่อใด J-Power, Cisco Systems, East Japan Railway, Hitachi และ Bitmedia ประกาศเมื่อวันที่ 8 ตุลาคม 2026 ว่ากำลังดำเนินโครงการสาธิตที่เชื่อมศูนย์ข้อมูล AI ในโยโกฮามะและคิตะคิวชู

การทดลองเริ่มในเดือนสิงหาคม 2026 และมีกำหนดสิ้นสุดวันที่ 1 กุมภาพันธ์ 2027 โดยทดสอบการย้ายงานประมวลผล ซึ่งหมายถึงการมอบหมายงานคอมพิวเตอร์ไปยังสถานที่หรือช่วงเวลาอื่นตามสภาพของไฟฟ้าและกำลังประมวลผล

การย้ายเชิงพื้นที่คือการส่งงานคำนวณไปยังศูนย์ข้อมูลอีกแห่ง ส่วนการย้ายตามเวลาคือการกำหนดเวลาให้ทำงานในชั่วโมงอื่น ระบบพิจารณาการคาดการณ์การผลิตไฟฟ้าจากพลังงานหมุนเวียน ราคาซื้อขายไฟฟ้า อุปสงค์และอุปทาน กำลังประมวลผลที่พร้อมใช้งาน และข้อมูลภัยพิบัติ

เป้าหมายหนึ่งคือการใช้ไฟฟ้าพลังงานหมุนเวียนที่อาจถูกลดการผลิตลง การลดการผลิตเกิดขึ้นเมื่อมีการจำกัดการผลิตพลังงานแสงอาทิตย์หรือลมชั่วคราว เพราะระบบโครงข่ายส่งไฟฟ้าไม่สามารถส่งหรือรองรับพลังงานที่มีอยู่ทั้งหมดได้ การย้ายงาน AI ที่เหมาะสมไปใช้ไฟฟ้าส่วนนี้อาจช่วยเพิ่มการใช้พลังงานหมุนเวียน

บริษัทต่าง ๆ จะศึกษาด้วยว่าการย้ายงานทำให้ต้องใช้เวลาประมวลผลเพิ่มขึ้นเท่าใด และจะรักษาคุณภาพบริการอย่างไร การย้ายงานมีต้นทุนในทางปฏิบัติ การทดลองจึงวัดทั้งประโยชน์ด้านไฟฟ้าและผลต่อประสิทธิภาพการประมวลผล

ใยแก้วนำแสงของรถไฟเชื่อมโยงการทดลองในวงกว้าง

ทั้งห้าบริษัทยังทดสอบเครือข่ายโฟโตนิกทั้งหมดตามแนวรถไฟชินคันเซ็นโจเอ็ตสึ อุปกรณ์ส่งสัญญาณแสงที่สถานีเอจิโกะ-ยูซาวะ โจโมะ-โคเก็น และทาคาซากิ จะใช้ใยแก้วนำแสงเดิมของทางรถไฟเพื่อศึกษาคุณภาพการสื่อสารภายใต้แรงสั่นสะเทือนและสภาพอากาศที่เปลี่ยนแปลง

การทดสอบครอบคลุมการสูญเสียสัญญาณ ข้อผิดพลาดในการส่งข้อมูล ความหน่วง และความแปรปรวนของความหน่วง การวัดเหล่านี้สำคัญเมื่อสถานที่ประมวลผลในพื้นที่ต่าง ๆ ต้องทำงานร่วมกัน การทดลองเครือข่ายรถไฟเป็นส่วนแยกต่างหากของโครงการ ควบคู่กับการย้ายงานประมวลผลระหว่างโยโกฮามะและคิตะคิวชู

J-Power เป็นผู้นำกลุ่มและประเมินผลลัพธ์ Hitachi พัฒนาระบบย้ายงานประมวลผลและสภาพแวดล้อมทดสอบระบบออปติก Cisco สนับสนุนการออกแบบและวัดผลเครือข่าย JR East ตรวจสอบอุปกรณ์สื่อสารของทางรถไฟ และ Bitmedia พัฒนาระบบภายในศูนย์ข้อมูล

โครงการนี้ต่อยอดจากการจัดตั้งสภาในเดือนเมษายน 2026 ซึ่งมี JR West Optical Network และ Nagoya Railroad เข้าร่วมด้วย เป้าหมายในวงกว้างคือการประสานงานศูนย์ข้อมูล AI แบบกระจาย โดยใช้เครือข่ายใยแก้วนำแสงวงกว้างและการย้ายงานประมวลผล

หมุดหมายสำคัญแสดงให้เห็นว่าโครงการทดลองด้านความร้อนและการประมวลผลดำเนินไปทับซ้อนกันอย่างไร:

• เมษายน 2026: บริษัทเจ็ดแห่งจัดตั้งสภาด้านเครือข่ายออปติกและการย้ายงานประมวลผล
• 30 มิถุนายน 2026: โตเกียวคัดเลือกข้อเสนอกู้คืนความร้อนของ TEPCO
• 16 กรกฎาคม 2026: เริ่มช่วงสาธิตโครงการความร้อนของโตเกียว
• สิงหาคม 2026: เริ่มทดลองย้ายงานประมวลผลระหว่างโยโกฮามะและคิตะคิวชู
• 1 กุมภาพันธ์ 2027: กำหนดสิ้นสุดการสาธิตการย้ายงานประมวลผล
• 31 มีนาคม 2028: กำหนดสิ้นสุดโครงการกู้คืนความร้อนของโตเกียว

ญี่ปุ่นต้องการเพิ่มการประมวลผลและลดการสูญเสียพลังงาน

ญี่ปุ่นกำลังลงทุนด้าน AI และเซมิคอนดักเตอร์ ควบคู่กับการเดินหน้าสู่ความเป็นกลางทางคาร์บอนภายในปี 2050 โรงงานของ TSMC ในจังหวัดคุมาโมโตะเป็นส่วนหนึ่งของการขยายภาคอุตสาหกรรมดังกล่าว ในปี 2022 พลังงานหมุนเวียนคิดเป็นราว 22% ของการผลิตไฟฟ้าในญี่ปุ่น ทำให้ประเทศยังต้องพึ่งพาแหล่งพลังงานอื่นในสัดส่วนสูง รวมถึงเชื้อเพลิงฟอสซิล

แผนธุรกิจพิเศษฉบับครอบคลุมครั้งที่ห้าของ TEPCO เองตั้งเป้าให้การเติบโตของความต้องการศูนย์ข้อมูลในเขตมหานครโตเกียวสูงติดอันดับโลกภายในปีงบประมาณ 2040 ดังนั้นโครงการความร้อนของบริษัทจึงดำเนินควบคู่กับความมุ่งหมายที่จะขยายภาคธุรกิจนี้อย่างชัดเจน

การกู้คืนความร้อนและการย้ายงานประมวลผลตอบโจทย์คนละด้านของการขยายตัวดังกล่าว WaBiCo มุ่งสร้างประโยชน์จากไฟฟ้าที่เซิร์ฟเวอร์ใช้ไปแล้วให้มากขึ้น ส่วนการย้ายงานประมวลผลมุ่งให้ความต้องการคำนวณสอดคล้องกับความพร้อมของไฟฟ้ามากขึ้น อุปกรณ์ที่รองรับการเปลี่ยนแปลงกำลังไฟฟ้าอย่างฉับพลันยังช่วยเสริมความเชื่อถือได้ที่ทั้งสองแนวทางต้องอาศัย

สำหรับชุมชนใกล้เคียง โอกาสที่เป็นรูปธรรมคือการได้ใช้ความร้อนที่มีประโยชน์และการเชื่อมโยงศูนย์ข้อมูลกับความต้องการพลังงานในท้องถิ่นอย่างใกล้ชิดยิ่งขึ้น ส่วนผู้ดำเนินงานมุ่งทดสอบต้นทุนการทำความเย็น เวลาประมวลผลที่ก่อให้เกิดประโยชน์ และความต่อเนื่องของบริการ หมุดหมายถัดไปคือผลการดำเนินงานที่วัดได้ ได้แก่ ประหยัดหรือนำพลังงานกลับมาใช้ได้มากเพียงใด ขณะที่คอมพิวเตอร์ยังทำงานต่อไป

ประเด็นสำคัญ

• โตเกียวสนับสนุนโครงการสาธิตการกู้คืนความร้อนของ TEPCO โดยสมทบค่าใช้จ่ายที่เข้าเกณฑ์สูงสุด 520 ล้านเยน
• โครงการดำเนินถึงวันที่ 31 มีนาคม 2028 และมุ่งใช้ความร้อนกับระบบทำความเย็น สถานอาบน้ำ โรงงาน และระบบทำความร้อนในเขตเมือง
• WaBiCo ใช้การระเหยภายใต้ความดันต่ำเพื่อกู้คืนความร้อนที่นำไปใช้ประโยชน์ได้โดยตรงจาก GPU
• การทดลองอีกโครงการย้ายงาน AI ระหว่างโยโกฮามะกับคิตะคิวชู และปรับเวลาการทำงานให้สอดคล้องกับสภาพไฟฟ้า
• ความผันผวนอย่างรวดเร็วของการใช้ไฟฟ้าในงาน AI กำลังสร้างปัญหาด้านอุปกรณ์และความเชื่อถือได้ด้วย
• การประหยัดพลังงาน ปริมาณความร้อนที่ส่งมอบ และประสิทธิภาพการดำเนินงานที่วัดได้ จะเป็นตัวกำหนดคุณค่าในทางปฏิบัติของโครงการสาธิตเหล่านี้