ทำไม AI Data Center ถึงใช้น้ำจืด ไม่ใช้น้ำรีไซเคิล?
คำตอบสั้นที่สุดคือ ไม่ใช่ทุกแห่งใช้น้ำจืด และไม่ใช่ทุกแห่งใช้น้ำมาก แต่ Data Center ที่ระบายความร้อนด้วย Cooling Tower แบบระเหย (evaporative) จะต้องเติมน้ำใหม่ตลอดเวลา เพราะน้ำส่วนหนึ่งระเหยหายไปในอากาศ ส่วนแร่ธาตุที่ค้างอยู่ทำให้เกิดตะกรัน สนิม และตะไคร่ในระบบ ผู้ให้บริการจึงชอบน้ำที่สะอาดและมีแร่ธาตุต่ำ ซึ่งน้ำประปาหาง่ายและถูกที่สุด น้ำรีไซเคิลใช้ได้จริง เช่น AWS ระบุว่าใช้น้ำบำบัดระบายความร้อนที่ Data Center อย่างน้อย 24 แห่ง แต่ต้องมีท่อเฉพาะ ต้องบำบัดเพิ่ม และมีต้นทุน
บน X คำถามนี้ระเบิดขึ้นหลังโพสต์ “ทำไม AI Data Center ต้องใช้น้ำจืด?” มีผู้เห็นกว่า 3.2 ล้านครั้ง ข้อถกเถียงที่ตามมาแบ่งได้เป็นห้าค่าย ตั้งแต่ “มันเป็นระบบปิด น้ำกลับมาเป็นฝน” ไปจนถึง “สนามกอล์ฟใช้น้ำมากกว่า 30 เท่า” สิ่งที่ทั้งสองฝั่งมักข้ามไปคือ ปัญหาน้ำเป็นเรื่องระดับลุ่มน้ำท้องถิ่น ไม่ใช่ค่าเฉลี่ยระดับประเทศ และการเลิกใช้น้ำที่หน้างานมักแลกมากับการใช้ไฟเพิ่ม ซึ่งโรงไฟฟ้าก็ใช้น้ำเหมือนกัน
คำถามเดียวที่มีคนเห็น 3.2 ล้านครั้ง
คืนวันที่ 11 ต.ค. 2026 เวลา 22:51 น. ตามเวลาไทย บัญชี @UziCryptoo ซึ่งโพสต์เรื่องการเงินและคริปโต (ผู้ติดตามราว 59,000 คน) ถามว่า
“Can i ask a serious question? It’s been months and i’m still trying to figure out why ai data centers need fresh water. Not used water. Not recycled water. Fresh water???”
ตอนที่เราอ่าน (ราว 03:00 น. วันที่ 13 ต.ค. เวลาไทย) โพสต์นี้มียอดแสดงผล 3.27 ล้านครั้ง ไลก์ 18,645 ตอบกลับ 840 รีโพสต์ 628 โควต 62 และบุ๊กมาร์ก 1,469 ครั้ง ข้อความเดียวกันถูกคัดลอกไปโพสต์ซ้ำโดยบัญชีอื่นอีกหลายบัญชี ระบบสรุปข่าวของ X ยังจัดเป็นหัวข้อ “Why AI Data Centers Use Fresh Water for Cooling” ด้วย
คำถามนี้ไม่ได้ใหม่ แต่จังหวะเวลาทำให้มันติด สัปดาห์เดียวกันนั้น Data Center กลายเป็นประเด็นหาเสียงในสหรัฐฯ และโพสต์ที่นำคำพูดของ Sam Altman เรื่อง “ChatGPT 38,000 ครั้งใช้น้ำเท่าอัลมอนด์หนึ่งเม็ด” กลับมาเผยแพร่ ก็มีผู้เห็นกว่า 2.1 แสนครั้งในวันที่ 12 ต.ค.
ทำไมต้องน้ำจืด?
น้ำที่ระเหยไปไม่กลับมาที่ลุ่มน้ำเดิมทันที ทำไมจึงไม่ใช้น้ำรีไซเคิล น้ำทะเล หรือระบบปิด
มากจริงไหม?
ถ้าเทียบกับสนามกอล์ฟ ฟาร์มอัลมอนด์ หรือสนามหญ้า Data Center ดูเล็กมาก แต่การเทียบแบบนี้ยุติธรรมไหม
ใครตัดสินใจ?
ชุมชนมีสิทธิ์รู้ตัวเลขไหม ใครจ่ายค่าโครงสร้างพื้นฐาน และควรบังคับใช้ระบบปิดหรือไม่
คนบน X พูดเรื่องนี้มากแค่ไหน
เรานับด้วย X Counts API จากคำค้น “data center / data centers / data centre / datacenter” ร่วมกับคำว่า water ไม่นับรีโพสต์ ตัวเลขนับตามวันแบบ UTC เรื่องน้ำกับ Data Center มีคนพูดถึงทุกวันอยู่แล้ว วันละราว 500–950 โพสต์ แต่วันที่ 12 ต.ค. ขึ้นไปถึง 1,273 โพสต์ ทั้งที่ยังนับไม่ครบวัน
* วันที่ 12 ต.ค. (UTC) นับถึง 20:02 UTC หรือ 03:02 น. วันที่ 13 ต.ค. ตามเวลาไทย ยังไม่ครบวัน เมื่อนับรวมรีโพสต์ วันที่ 12 ต.ค. มี 5,579 โพสต์ ตัวเลขนี้นับทุกโพสต์ที่ตรงคำค้น ไม่ได้บอกว่าเห็นด้วยหรือไม่ และนับไม่ถึงคำตอบใต้โพสต์ไวรัลที่ไม่ได้พิมพ์คำว่า data center ซ้ำ
เมื่อดูรายชั่วโมง ช่วงหลังโพสต์คำถามออกมาในคืนวันที่ 11 ยอดอยู่ที่ราว 40–60 โพสต์ต่อชั่วโมง แล้วขึ้นเป็น 100–237 โพสต์ต่อชั่วโมงในช่วงบ่ายถึงค่ำวันที่ 12 ตามเวลาไทย ซึ่งเป็นช่วงที่ข้อความถูกคัดลอกไปโพสต์ซ้ำ และโพสต์คำพูดของ Altman ถูกแชร์
Data Center ใช้น้ำตรงไหน และน้ำหายไปไหน
ก่อนจะตัดสินว่าใครถูก ต้องแยกให้ออกก่อนว่าคนบน X ใช้คำว่า “ใช้น้ำ” ในสองความหมาย USGS ของสหรัฐฯ นิยามไว้ว่า การดึงน้ำ (withdrawal) คือน้ำที่สูบหรือผันออกมาจากแหล่งน้ำ ส่วน การใช้แบบสิ้นเปลือง (consumptive use) คือส่วนที่ระเหย ถูกนำไปเป็นส่วนหนึ่งของผลผลิต หรือด้วยเหตุอื่นที่ทำให้ไม่สามารถนำกลับมาใช้ในพื้นที่ได้ทันที
Cooling Tower แบบระเหย
น้ำอุ่นจากระบบถูกพ่นในหอระบายความร้อน น้ำส่วนหนึ่งระเหยและพาความร้อนออกไป วิธีนี้ประหยัดไฟที่สุด แต่ต้องเติมน้ำ (make-up water) ตลอด และต้องปล่อยน้ำที่แร่ธาตุเข้มข้นทิ้งเป็นระยะ (blowdown) ไม่อย่างนั้นจะเกิดตะกรันและสนิม คู่มือ Best Management Practice #10 ของกระทรวงพลังงานสหรัฐฯ (DOE FEMP) อธิบายเรื่อง cycles of concentration ไว้ว่า ยิ่งน้ำดิบสะอาดก็ยิ่งวนใช้ได้หลายรอบ และยิ่งทิ้งน้ำน้อยลง
ระบบปิด (closed loop)
น้ำหรือสารหล่อเย็นวนอยู่ในท่อ ระบายความร้อนผ่านหม้อน้ำ (dry cooler) หรือเครื่องทำความเย็น ไม่ต้องเติมน้ำต่อเนื่อง Microsoft ระบุว่าการออกแบบ Data Center ใหม่ตั้งแต่ ส.ค. 2024 ใช้การระบายความร้อนระดับชิปแบบไม่ระเหยน้ำ ประหยัดน้ำได้กว่า 125 ล้านลิตรต่อปีต่อแห่ง แต่บริษัทยอมรับว่าการใช้ไฟจะเพิ่มขึ้นเล็กน้อย โดยจะนำร่องที่ Phoenix และ Mt. Pleasant ในปี 2026
จุดที่คนบน X ใช้คำสลับกันบ่อย: “Closed loop” ฝั่งชิปหรือฝั่งเซิร์ฟเวอร์ อาจยังต่อเข้ากับ Cooling Tower แบบเปิดที่อยู่ด้านนอกอาคาร คำว่า “เป็นระบบปิด” จึงไม่ได้แปลว่าไม่ใช้น้ำ ถ้าความร้อนยังถูกทิ้งด้วยการระเหย
น้ำที่ระเหยกลับมาเป็นฝนไม่ใช่หรือ?
กลับมาจริง แต่ไม่ได้กลับมาที่เดิม ในเวลาเดิม หรือในรูปแบบที่ชุมชนใช้ได้ทันที นี่คือเหตุผลที่ USGS นับการระเหยเป็นการใช้แบบสิ้นเปลือง ถ้าน้ำนั้นสูบมาจากชั้นน้ำบาดาลที่เติมกลับช้า การระเหยก็คือการถอนเงินออกจากบัญชีที่ฝากคืนได้ช้ามาก
น้ำที่มองไม่เห็น: น้ำของโรงไฟฟ้า
รายงานของ Lawrence Berkeley National Laboratory (LBNL) ปี 2024 ที่ทำส่งรัฐสภาสหรัฐฯ ประเมินว่า Data Center ในสหรัฐฯ ใช้น้ำโดยตรงราว 66,000 ล้านลิตรในปี 2023 (ราว 17,400 ล้านแกลลอน) เพิ่มจาก 21,200 ล้านลิตรในปี 2014 และมีรอยเท้าน้ำทางอ้อมจากการผลิตไฟฟ้าที่ใช้ เกือบ 800,000 ล้านลิตร หรือเฉลี่ย 4.52 ลิตรต่อ kWh ตัวเลขทางอ้อมจึงสูงกว่าทางตรงราว 12 เท่า ข้อนี้อธิบายข้อสังเกตบน X ที่ว่า ระบบประหยัดน้ำหน้างานอาจแค่ “ย้ายบิลค่าน้ำไปที่ Grid” ถ้าระบบนั้นกินไฟมากขึ้น (โพสต์นี้เป็นการสรุปข่าว Bloomberg ของบัญชีวิเคราะห์ธุรกิจ เราไม่ได้เปิดอ่านต้นฉบับ Bloomberg ชิ้นนั้น)
ทดลอง 01 — Cooling Tower ต้องเติมน้ำวันละเท่าไร
การจำลองเชิงการศึกษา ไม่ใช่ข้อมูลของ Data Center แห่งใดจริง การคำนวณการระเหยใช้หลักฟิสิกส์โดยประมาณ คือความร้อนแฝงของการกลายเป็นไอราว 2.43 MJ ต่อน้ำ 1 กก. และสมมติว่า 80% ของความร้อนในชั่วโมงที่ Tower ทำงานถูกทิ้งด้วยการระเหย ค่าไฟที่ระบบทำความเย็นใช้ และสัดส่วนชั่วโมงที่ต้องใช้การระเหย เป็นค่าสมมติเพื่อให้เห็นแนวโน้มเท่านั้น
แบบระบายความร้อน
ภูมิอากาศ
แหล่งน้ำ และแหล่งไฟฟ้า
–
สูตร: น้ำระเหย = ภาระความร้อน × 0.8 ÷ ความร้อนแฝง × สัดส่วนเวลา · น้ำเติม = น้ำระเหย × C ÷ (C − 1) · น้ำทิ้ง = น้ำระเหย ÷ (C − 1) · สระว่ายน้ำโอลิมปิกหนึ่งสระประมาณ 2,500 ลบ.ม. ค่า C ของน้ำบำบัดถูกจำกัดไว้ไม่เกิน 3 ในการจำลองนี้ เพื่อสะท้อนว่าน้ำบำบัดมักมีแร่ธาตุสูงกว่า · ค่าไฟของระบบทำความเย็นที่สมมติ (สัดส่วนของภาระ IT): ระเหย 12% ผสม 18% ระบบปิด + Dry Cooler 30% ระบบปิดระดับชิป 15% สำหรับแบบที่ไม่ระเหย ค่านี้คูณ 1.2 ในอากาศร้อนแห้ง 1.1 ในอากาศร้อนชื้น และ 0.7 ในอากาศเย็น
ห้าค่ายความเห็น และโพสต์ตัวอย่าง
เราอ่านคำตอบ โควต และโพสต์ที่เกี่ยวข้อง 211 โพสต์ แล้วจัดกลุ่มตามข้อโต้แย้งหลัก ไม่ได้นับว่าค่ายไหนมีคนมากกว่า เพราะตัวอย่างนี้เลือกจากความเกี่ยวข้องและยอดเข้าถึง ไม่ได้สุ่ม บัญชีเล็กที่เป็นบุคคลทั่วไปเราไม่เอ่ยชื่อ แต่ใส่ลิงก์ไว้ให้ตรวจได้ โพสต์บน X เป็นความเห็น ไม่ใช่ข้อเท็จจริง ตัวเลขที่ผู้โพสต์อ้างเราตรวจไว้ในส่วนหลักฐาน
A“น้ำจืดคือน้ำของชุมชน” ทำไมต้องเอามาระเหยทิ้งความเป็นธรรม
ค่ายนี้ไม่ได้เถียงว่าเซิร์ฟเวอร์ต้องระบายความร้อนหรือไม่ แต่ถามว่าทำไมยอมให้ใช้น้ำจืดในพื้นที่ที่ขาดน้ำ บัญชีหนึ่งตอบใต้โพสต์ต้นทางว่า “คำถามจริงไม่ใช่ว่า AI ต้องระบายความร้อนไหม แต่คือทำไมเรายอมใช้น้ำจืดอันมีค่าเพื่อเรื่องนี้ ในขณะที่ชุมชนกำลังขาดน้ำ” และยอมรับเองด้วยว่าทางเลือกอื่นอย่างน้ำบำบัดก็ “มีต้นทุนและข้อจำกัดของมัน” (แปลความ)
อีกโพสต์หนึ่งสรุปว่า การใช้น้ำจืด “ไม่ใช่ข้อจำกัดทางวิศวกรรม แต่เป็นการเลือก” เพราะระบบปิดมีอยู่แล้ว แต่น้ำจืดถูกกว่า ส่วนบางความเห็นชี้ว่าเวลาภัยแล้ง ครัวเรือนถูกจำกัดการใช้น้ำ แต่ผู้ใช้เชิงพาณิชย์ไม่ถูกจำกัดแบบเดียวกัน
ตรวจแล้ว: ตัวเลข “วันละ 5 ล้านแกลลอน เท่ากับเมือง 50,000 คน” ตรงกับที่ EESI ใช้ แต่เป็น ค่าสูงสุด ของ Data Center ขนาดใหญ่ (EESI เขียนว่าเทียบได้กับเมือง 10,000–50,000 คน) ไม่ใช่ค่าทั่วไป ส่วนข้อความที่ว่า “สองในสามของ Data Center ใหม่ตั้งอยู่ในพื้นที่ขาดน้ำ” ตรงกับการวิเคราะห์ของ Bloomberg ในปี 2025 ซึ่งใช้ข้อมูล WRI และนับเฉพาะ Data Center ในสหรัฐฯ ที่สร้างหรือกำลังพัฒนาตั้งแต่ปี 2022 ข้ออ้างเรื่องรัฐแอริโซนาจำกัดเพดานน้ำ และ “รีไซเคิลน้ำได้ 95%” เรายังไม่ได้ยืนยัน
B“มันเป็นระบบปิด น้ำระเหยก็กลับมาเป็นฝน”ฝั่งปกป้อง
คำตอบที่มีคนเห็นมากที่สุดที่เราพบใต้โพสต์ต้นทาง (ยอดแสดงผลราว 3.38 แสนครั้ง ไลก์ราว 4,600) มาจากบัญชีเล็ก และใช้ถ้อยคำหยาบ ใจความคือ “มันเป็นระบบปิด แค่เติมน้ำในถังตามที่ระเหยไป แล้วน้ำที่ระเหยก็กลับมาเป็นฝน ไม่มีน้ำออกจากโลกไปไหน” (แปลความ) บางคนเสริมว่าระบบปิดเติมน้ำกับไกลคอลครั้งเดียวก็จบ
ฝั่งแย้งตอบกลับหลายทาง บัญชีหนึ่งโควตคำตอบนั้นว่า “ถ้ามีการระเหย มันก็ไม่ใช่ระบบปิด” และชี้ว่าโรงไฟฟ้าสมัยใหม่ใช้ condenser ได้ ซึ่ง Data Center ก็ทำได้ ติดแค่เรื่องต้นทุน อีกความเห็นอ้างว่า Data Center ที่เรียกตัวเองว่าระบบปิด แทบทั้งหมดมีหัวพ่นน้ำสำรองไว้ใช้ในวันร้อน ส่วนอีกคนแย้งสั้น ๆ ว่าน้ำบาดาลเติมกลับไม่เร็วขนาดนั้น
ตรวจแล้ว: ระบบปิดที่ไม่ระเหยน้ำมีอยู่จริง เช่นแบบใหม่ของ Microsoft แต่ระบบปิดฝั่งชิปที่ต่อกับ Cooling Tower ก็ยังระเหยน้ำ คำว่า “น้ำกลับเป็นฝน” ถูกในระดับวัฏจักรน้ำ แต่ USGS นับน้ำที่ระเหยเป็นการใช้แบบสิ้นเปลือง เพราะน้ำนั้นไม่สามารถนำกลับมาใช้ในพื้นที่ได้ทันที ส่วนข้ออ้าง “99 ใน 100 แห่งมีหัวพ่นสำรอง” เรายังไม่ได้ยืนยัน
Cวิศวกรอธิบาย: ปัญหาอยู่ที่ตะกรัน สนิม และต้นทุนคนหน้างาน
คำตอบเชิงเทคนิคมีหลายร้อยโพสต์ และตรงกันเป็นส่วนใหญ่ ตัวอย่างหนึ่ง (ยอดแสดงผลราว 9,000) อธิบายว่าน้ำรีไซเคิลหรือน้ำที่ไม่ใช่น้ำประปามีแร่ธาตุและสิ่งปนเปื้อน ทำให้เกิดตะกรัน สนิม และคราบชีวภาพ การบำบัดให้ใช้ได้มีค่าใช้จ่าย แต่ผู้ให้บริการก็กำลังเปลี่ยนไปใช้ระบบปิดและน้ำบำบัด “where feasible” และ “การดึงน้ำในพื้นที่แห้งแล้งคือข้อกังวลที่แท้จริง” อีกคำตอบอธิบายว่าเมื่อน้ำระเหย สิ่งสกปรกและแร่ธาตุจะค้างและสะสมในหอ
คนที่ทำงานกับระบบแบบนี้บอกว่ามันเป็นการแลกกัน โพสต์เกี่ยวกับ Data Center ในทะเลทรายสูงของเนวาดา สรุปว่าแบบหนึ่งใช้น้ำมากแต่ไฟน้อย อีกแบบใช้ไฟมากแต่น้ำน้อย ส่วนอีกความเห็นชี้ว่าโรงพยาบาลและมหาวิทยาลัยใหญ่ก็ใช้ Cooling Tower เหมือนกัน เพราะประหยัดไฟกว่าในพื้นที่ที่ไฟแพงแต่น้ำถูก บางคนยกตัวอย่าง AWS และ Google ที่ใช้น้ำบำบัดอยู่แล้ว
ตรวจแล้ว: ตรงกับคู่มือ DOE FEMP เรื่อง cycles of concentration และ blowdown AWS ระบุว่าใช้น้ำรีไซเคิลระบายความร้อนที่ Data Center 24 แห่ง และตั้งเป้าขยายเป็นกว่า 120 แห่งในสหรัฐฯ ภายในปี 2030 Google รายงานว่าในปี 2023 น้ำที่ Data Center ของบริษัทดึงมาใช้ (ไม่รวมน้ำทะเล) 22% เป็นน้ำบำบัดหรือน้ำที่ไม่ใช่น้ำดื่ม ทั้งหมดนี้เป็นตัวเลขที่บริษัทรายงานเอง
D“สนามกอล์ฟกับอัลมอนด์ใช้น้ำมากกว่า” การเทียบขนาดมุมมองตัวเลข
โพสต์ที่เผยแพร่คำพูดของ Sam Altman (ยอดแสดงผลราว 2.1 แสน) อ้างว่า “ChatGPT ทุก 38,000 ครั้งใช้น้ำเท่ากับการปลูกอัลมอนด์หนึ่งเม็ดในแคลิฟอร์เนีย” และ “Data Center ขนาดใหญ่สมัยใหม่ใช้น้ำพอ ๆ กับอาคารสำนักงาน” คำตอบหนึ่งใต้โพสต์ต้นทาง (ยอดแสดงผลราว 6.8 หมื่น) เรียกความโกรธเรื่องน้ำว่า “engagement bait” และอ้างว่าสนามหญ้าบ้านในสหรัฐฯ ใช้น้ำมากกว่า 188 เท่า คำตอบอัตโนมัติของ @grok ก็เทียบว่าสนามกอล์ฟใช้น้ำมากกว่าราว 31 เท่า
Andy Masley นักเขียนที่โพสต์บทความ “The AI water issue is fake” เมื่อปี 2025 เขียนในวาระครบหนึ่งปีว่าเขาคิดว่าตัวเอง “ได้รับการพิสูจน์” เพราะปัญหาที่เกิดขึ้นมาจาก “strange marginal cases” ที่การก่อสร้างผิดพลาด และอยากให้คนไปสนใจปัญหา AI ที่ร้ายแรงกว่า
ฝั่งแย้งไม่ได้ปฏิเสธตัวเลข แต่แย้งวิธีเทียบ บัญชีหนึ่งชี้ว่าสนามหญ้ามีพื้นที่มากกว่าหลายพันเท่า การใช้น้ำมากกว่า 188 เท่าจึงแปลว่า Data Center ใช้น้ำต่อพื้นที่สูงกว่ามาก อีกคนสรุปว่าประเด็นจริง “ไม่ใช่ AI กับอัลมอนด์ แต่คือความโปร่งใส” และบัญชีกลุ่มรณรงค์รายหนึ่งเขียนว่า “ถ้ามันไม่เป็นไรจริง ก็เปิดตัวเลขออกมา”
ตรวจแล้ว: Altman พูดประโยคนี้ใน Sources Podcast เมื่อ 1 ก.ย. 2026 ไม่ใช่ข่าวใหม่ PolitiFact ให้คะแนน “Mostly False” เพราะตัวเลขต่อคำถาม 0.32 มล. มีแหล่งเดียวคือบล็อกของ Altman เอง และตัวเลขอัลมอนด์ 12 ลิตรนับรวมน้ำฝน ส่วนสนามกอล์ฟ ตัวเลข 1.63 ล้าน acre-feet ในปี 2024 มาจากผลสำรวจของ GCSAA จริง ตัวเลข “188 เท่า” ของสนามหญ้าเรายังไม่ได้ยืนยัน ดูการเทียบแบบต่าง ๆ ได้ในทดลอง 02
Eการเมืองและกติกา: ใครจ่าย ใครตัดสินนโยบาย
วันเดียวกัน James Talarico ผู้สมัครวุฒิสมาชิกรัฐเท็กซัส ปล่อยโฆษณาหาเสียงที่โจมตีคู่แข่ง Ken Paxton ว่า “selling off Texas — our land, our water, our communities” พร้อมระบุว่าโฆษณาชิ้นนี้ “made by humans — not AI” โพสต์นี้มียอดแสดงผลราว 1.8 แสนครั้งและไลก์ราว 13,800 ในโอไฮโอ Sherrod Brown ประกาศว่าจะ “Taking on Big Tech and their data centers” และโจมตีคู่แข่งเรื่องเงินบริจาคจากอุตสาหกรรม Data Center
ฝั่งที่ไม่ได้ต่อต้าน Data Center ก็เสนอกติกาเช่นกัน บัญชีหนึ่งเสนอให้ “ออกกฎหมายบังคับให้ทุก Data Center ใช้ระบบปิด” และมองว่านักการเมืองไม่อยากแก้จริงเพราะได้ประเด็นหาเสียง Renee McInerney นักเขียน เขียนโพสต์ยาวชื่อ “You Can Boycott a T-Shirt. You Can’t Boycott the Cloud.” ยอมรับว่าเมืองที่แห้งแล้งแล้วต้องเสียน้ำบาดาลให้ Data Center ที่จ้างคนในพื้นที่ไม่กี่สิบคน เป็น “legitimate grievance” แต่เสนอให้กดดันไปที่มาตรฐานประสิทธิภาพ ข้อบังคับเรื่องน้ำรีไซเคิล การเลือกที่ตั้ง และการเปิดเผยข้อมูล มากกว่าการบล็อกทั้งหมด
ตรวจแล้ว: FOX 4 รายงาน (30 ก.ย. 2026) ว่า Talarico และ Paxton ต่างเห็นตรงกันว่า Data Center ต้องจ่ายค่าโครงสร้างพื้นฐานของตัวเอง แผนของ Paxton เสนอระบบน้ำแบบปิด ส่วน Talarico เสนอให้ยกเลิกสิทธิประโยชน์ทางภาษี ให้ชุมชนมีเสียง และให้บริษัทจ่ายค่าโครงสร้างน้ำและไฟเอง
ความไม่ไว้ใจที่ไปไกลเกินหลักฐาน: บางโพสต์ใช้คำถามนี้เป็นฐานของทฤษฎีสมคบคิด เช่นโพสต์ที่มีผู้เห็นราว 1.8 หมื่นครั้งซึ่งตั้งคำถามว่า “อะไรอยู่ใต้ Data Center” และอ้างว่าคอมพิวเตอร์ไม่ต้องใช้น้ำ ไม่มีหลักฐานรองรับ เราใส่ไว้เพราะมันสะท้อนช่องว่างของข้อมูล เมื่อบริษัทไม่เปิดตัวเลข คำอธิบายที่แต่งขึ้นก็เข้ามาเติมแทน
เทียบกับกอล์ฟและอัลมอนด์ แบบไหนถึงจะแฟร์
ตัวเลขฝั่ง “ไม่ใช่เรื่องใหญ่” ไม่ได้ผิดทั้งหมด ในระดับประเทศ สหรัฐฯ ใช้น้ำรดสนามกอล์ฟมากกว่าน้ำที่ Data Center ใช้โดยตรงจริง ฝั่ง “เรื่องใหญ่” ก็ไม่ได้ผิดทั้งหมดเช่นกัน เพราะผลกระทบเกิดเป็นจุด ๆ ในลุ่มน้ำที่ Data Center ไปตั้ง ไม่ได้เกิดเป็นค่าเฉลี่ยของทั้งประเทศ และ Bloomberg พบว่า Data Center ใหม่ในสหรัฐฯ ราวสองในสามไปตั้งในพื้นที่ที่มีความตึงเครียดด้านน้ำสูง
ทดลอง 02 — เลือกเลนส์เทียบ แล้วดูว่ามันซ่อนอะไรไว้
ตัวอย่างเชิงการศึกษา ตัวเลขระดับประเทศมาจากรายงาน LBNL 2024 (Data Center ปี 2023) และผลสำรวจ GCSAA (สนามกอล์ฟปี 2024) คนละปีและคนละวิธีวัด ส่วนกรณีลุ่มน้ำท้องถิ่นเป็นตัวเลขสมมติที่ปรับได้ ไม่ใช่เมืองจริง
–
ฝั่งไทย: คำถามเดียวกันกำลังกลายเป็นกติกา
บทสนทนาบน X ส่วนใหญ่เป็นภาษาอังกฤษและพูดถึงสหรัฐฯ แต่ไทยก็เผชิญคำถามเดียวกัน และรัฐเริ่มตอบด้วยกติกาแล้ว
ระงับชั่วคราว และตั้งด่านคัดกรอง
สำนักงานกฎหมาย Nagashima Ohno & Tsunematsu สรุปว่า BOI ตั้งคณะอนุกรรมการคัดกรองโครงการ Data Center ตั้งแต่ 15 ก.ค. 2026 ซึ่งมีกรมทรัพยากรน้ำและการประปาส่วนภูมิภาคร่วมเป็นกรรมการ ต่อมามีการตั้งคณะกรรมการนโยบายกิจการ Data Center ระดับชาติ (ประกาศในราชกิจจาฯ 13 ส.ค.) และในการประชุมวันที่ 4 ก.ย. คณะกรรมการมีมติระงับการก่อสร้างและการอนุมัติที่ค้างอยู่ชั่วคราว ระหว่างที่ร่างมาตรฐานขั้นต่ำ ข้อมูลที่ใช้ในการประชุมระบุว่ามีโครงการที่เปิดดำเนินการแล้ว 35 แห่ง และอยู่ในขั้นตอนอีก 166 โครงการ
ระบบปิดและการพิสูจน์ว่าน้ำพอ
The Nation (31 ส.ค. 2026) รายงานว่ากรอบคัดกรองสี่เสาที่กำลังจัดทำ จะไม่อนุญาตระบบระเหยที่ดึงน้ำสูงสำหรับโครงการใหม่ โครงการต้องใช้ระบบปิดหรือ Liquid Cooling และต้องพิสูจน์ว่าพื้นที่มีน้ำเหลือพอก่อนก่อสร้าง รายงานยังอ้างถึงความกังวลของชุมชนในชลบุรีและระยอง กรอบนี้ยังอยู่ระหว่างจัดทำ รายละเอียดสุดท้ายอาจเปลี่ยน
บน X ฝั่งไทยช่วงสัปดาห์เดียวกัน ประเด็นนี้ถูกพูดในมุมนโยบายมากกว่ามุมวิศวกรรม เช่น THE STANDARD รายงานว่าผู้ว่าฯ กทม. สนับสนุนให้สภา กทม. ตั้งกรรมการวิสามัญ 180 วัน เพื่อศึกษาแนวทางรับมือ Data Center The Bangkok Insight รายงานเรื่องการร่างมาตรฐานสิ่งแวดล้อมเพื่อคุมการใช้ไฟ น้ำ และน้ำมันสำรอง และกรุงเทพธุรกิจตั้งคำถามว่า Green Data Center “ยังเขียวอยู่ไหม” ซึ่งเป็นการขยายคำถามจากเรื่องไฟฟ้าไปถึงที่ดินและป่า
ทดลอง 03 — ถ้ามี Data Center มาตั้งใกล้บ้าน ข้อมูลพอให้ตัดสินใจหรือยัง
เครื่องมือฝึกคิดแบบกำหนดผลล่วงหน้า ไม่ใช่เกณฑ์ทางกฎหมายหรือเกณฑ์ของ BOI ติ๊กข้อที่โครงการสมมติเปิดเผยแล้ว ระบบจะบอกว่าข้อมูลพอหรือยัง ไม่ได้บอกว่าโครงการดีหรือไม่ดี
–
สิ่งที่หลักฐานสนับสนุน กับสิ่งที่ยังพิสูจน์ไม่ได้
| ข้อความที่วนบน X | สถานะ | หลักฐาน |
|---|---|---|
| Cooling Tower แบบระเหยต้องใช้น้ำสะอาด ไม่อย่างนั้นจะเกิดตะกรันและสนิม | CONFIRMED | DOE FEMP BMP #10: แร่ธาตุเข้มข้นขึ้นเมื่อน้ำระเหย จึงต้องมี blowdown และควบคุมคุณภาพน้ำ |
| ใช้น้ำรีไซเคิลแทนได้ | CONFIRMED | AWS ใช้ที่ 24 แห่ง (บริษัทรายงานเอง) Google ใช้น้ำบำบัดหรือน้ำที่ไม่ใช่น้ำดื่ม 22% ของน้ำที่ดึงมาใช้ในปี 2023 แต่ต้องมีท่อเฉพาะและบำบัดเพิ่ม |
| “มันเป็นระบบปิด ไม่ได้ใช้น้ำ” | บางกรณี | ระบบปิดแบบไม่ระเหยมีจริง (Microsoft ออกแบบตั้งแต่ ส.ค. 2024 เริ่มเปิดใช้ปลายปี 2027) แต่ Data Center จำนวนมากยังใช้ Tower แบบระเหย |
| “น้ำระเหยก็กลับมาเป็นฝน จึงไม่มีการสูญเสีย” | ไม่ครบ | USGS นับการระเหยเป็นการใช้แบบสิ้นเปลือง เพราะน้ำนั้นไม่สามารถนำกลับมาใช้ในพื้นที่ได้ทันที |
| Data Center สหรัฐฯ ใช้น้ำโดยตรง ~17,000 ล้านแกลลอน (2023) | CONFIRMED | LBNL 2024: 66,000 ล้านลิตร และน้ำทางอ้อมเกือบ 800,000 ล้านลิตร |
| สนามกอล์ฟใช้น้ำมากกว่าราว 30 เท่า | จริงแบบมีเงื่อนไข | GCSAA 2024: 1.63 ล้าน acre-feet (~2 ล้านล้านลิตร) แต่เป็นน้ำรด คนละปีกับ LBNL และถ้ารวมน้ำทางอ้อม ส่วนต่างจะเหลือราว 2.3 เท่า |
| ChatGPT 38,000 ครั้ง = อัลมอนด์ 1 เม็ด | MOSTLY FALSE | PolitiFact (4 ก.ย. 2026): ถ้าเทียบกับน้ำรดราว 6 ลิตรต่อเม็ด จะเท่ากับ 1,000–10,000 คำถาม และ OpenAI ไม่ได้เปิดข้อมูลรวม |
| Data Center ใหม่ราวสองในสามอยู่ในพื้นที่ขาดน้ำ | CONFIRMED (สหรัฐฯ) | Bloomberg 2025 ใช้ข้อมูล WRI Aqueduct นับจำนวนแห่ง ไม่ได้นับปริมาณน้ำที่ใช้จริง |
| Data Center หนึ่งแห่งใช้น้ำวันละ 5 ล้านแกลลอน | ค่าสูงสุด | EESI ใช้เป็นค่าสูงสุดของ Data Center ขนาดใหญ่ ไม่ใช่ค่าทั่วไป |
| สนามหญ้าใช้น้ำมากกว่า 188 เท่า / แอริโซนาจำกัดเพดาน / “อะไรอยู่ใต้ Data Center” | NOT CONFIRMED | ไม่พบแหล่งปฐมภูมิในการตรวจครั้งนี้ ข้อสุดท้ายไม่มีหลักฐานรองรับ |
สิ่งที่หลักฐานสนับสนุน
- คำถาม “ทำไมน้ำจืด” มีคำตอบทางวิศวกรรมจริง คือคุณภาพน้ำกับต้นทุน ไม่ใช่ความลับ
- ทางเลือกมีอยู่จริงและบริษัทใหญ่ใช้แล้ว แต่ยังไม่ใช่มาตรฐานทั้งอุตสาหกรรม
- การเลิกระเหยน้ำมักแลกกับการใช้ไฟเพิ่ม ซึ่งมีน้ำทางอ้อมตามมา
- ปัญหาน้ำเป็นเรื่องที่ตั้งและลุ่มน้ำ
สิ่งที่ยังพิสูจน์ไม่ได้
- ตัวเลขน้ำต่อคำถามของ AI แต่ละรุ่น เพราะบริษัท AI ส่วนใหญ่ไม่เปิดข้อมูลรายสถานที่
- สัดส่วนจริงของ Data Center ที่ใช้ Tower แบบระเหย เทียบกับระบบปิด
- ผลของกติกาใหม่ในไทย ซึ่งยังร่างไม่เสร็จ
- ความเห็นใน X แทนความเห็นของคนทั้งหมดไม่ได้
นำไปใช้อย่างไร แยกตามบทบาท
ผู้ใช้ AI ทั่วไป
อย่าเชื่อตัวเลขเดียวจากโพสต์ไวรัล ไม่ว่าจะเป็น “5 ล้านแกลลอน” หรือ “อัลมอนด์หนึ่งเม็ด” ให้ถามสามข้อ: นับน้ำทางตรงหรือรวมทางอ้อม เป็นค่าเฉลี่ยหรือค่าสูงสุด และวัดที่ไหน การใช้ AI ของคนคนเดียวไม่ใช่ตัวแปรหลัก ตัวแปรหลักคือที่ตั้งและแบบของ Data Center
ชุมชนและผู้ติดตามนโยบาย
ใช้คำถามในทดลอง 03 ระหว่างการรับฟังความเห็น ขอตัวเลขรายสถานที่ ขอเงื่อนไขช่วงภัยแล้งเป็นลายลักษณ์อักษร และถามว่าแบบ “ระบบปิด” ที่เสนอยังมีหัวพ่นน้ำสำรองหรือไม่
ธุรกิจที่ซื้อคลาวด์หรือ GPU
ใส่คำถามเรื่องน้ำใน RFP: ค่า WUE ของ region ที่ใช้ แหล่งน้ำ และสัดส่วนน้ำบำบัด เพราะลูกค้าองค์กรเริ่มต้องรายงาน ESG และเกณฑ์ใหม่ของไทยจะให้น้ำหนักกับเรื่องนี้
ผู้ออกแบบและผู้พัฒนาโครงการ
เปิดตัวเลขก่อนถูกถาม ช่องว่างของข้อมูลคือสิ่งที่ทำให้ทฤษฎีสมคบคิดโต เทียบทางเลือกด้วยน้ำรวม (หน้างาน + ทางอ้อม) ไม่ใช่ตัวเลขหน้างานอย่างเดียว
แบบฝึก: ในทดลอง 01 ลองตั้ง 100 MW อากาศร้อนแห้ง แล้วสลับระหว่าง Cooling Tower กับระบบปิด + Dry Cooler บนไฟ Grid เฉลี่ย จากนั้นเปลี่ยนเป็นไฟลม/แสงอาทิตย์ แล้วดูว่าคำตอบว่าแบบไหนประหยัดน้ำกว่าเปลี่ยนไปอย่างไร
อ่านต่อบน Hybrid Mind
- คนเกลียด AI จริงไหม: X ถกหลังโพสต์งานแต่ง แต่โพลบอกภาพซับซ้อนกว่า พลังงานและ Data Center เป็นหนึ่งในเหตุผลที่คนไม่ชอบ AI
- บูม AI สหรัฐฯ จะจบที่ทุนหาย?: X ถกคำเตือน Jefferies เทียบราคาโทเคนกับค่าเช่า GPU มุมเงินลงทุนในชิปและ Data Center
- Sam Altman “Accept Some Bad Things”: X ถกว่าใครต้องจ่ายเมื่อ AI ก่อความเสียหาย เรื่องเดียวกันในอีกมุม ว่าใครแบกต้นทุน
- IMF “Slow-Moving Tsunami”: X ถก AI กระทบงาน 40% หายไปจริงหรือแค่เปลี่ยน การเติบโตที่มาจาก CapEx ด้านชิป Data Center และไฟฟ้า
คำถามที่พบบ่อย
1. AI Data Center ทุกแห่งใช้น้ำจืดไหม?
ไม่ใช่ บางแห่งใช้ระบบปิดหรือระบายความร้อนด้วยอากาศ ซึ่งแทบไม่ใช้น้ำหน้างาน บางแห่งใช้น้ำบำบัด เช่นที่ AWS รายงาน แต่แห่งที่ใช้ Cooling Tower แบบระเหยมักใช้น้ำประปา เพราะน้ำสะอาดลดตะกรันและสนิม และหาได้ง่ายที่สุด
2. ระบบปิดแปลว่าไม่ใช้น้ำเลยใช่ไหม?
ไม่เสมอไป ระบบปิดฝั่งชิปอาจยังต่อกับ Cooling Tower ด้านนอกที่ระเหยน้ำ ระบบที่ไม่ใช้น้ำหน้างานจริงคือแบบที่ทิ้งความร้อนผ่านหม้อน้ำหรือเครื่องทำความเย็นโดยไม่ระเหย ซึ่งมักใช้ไฟมากขึ้น
3. น้ำที่ระเหยกลับมาเป็นฝน ทำไมยังนับว่าใช้ไป?
เพราะน้ำนั้นไม่ได้กลับมาที่ลุ่มน้ำเดิมในเวลาที่ชุมชนต้องใช้ USGS จึงนับการระเหยเป็นการใช้แบบสิ้นเปลือง โดยเฉพาะถ้าน้ำนั้นมาจากชั้นน้ำบาดาลที่เติมกลับช้า
4. จริงไหมที่สนามกอล์ฟใช้น้ำมากกว่า Data Center?
จริงในระดับประเทศของสหรัฐฯ ถ้าเทียบน้ำรดสนามกอล์ฟ (GCSAA 2024) กับน้ำที่ Data Center ใช้โดยตรง (LBNL 2023) ส่วนต่างราว 30 เท่า แต่ถ้ารวมน้ำทางอ้อมจากโรงไฟฟ้า ส่วนต่างจะเหลือราว 2.3 เท่า และการเทียบระดับประเทศไม่ได้บอกอะไรเกี่ยวกับลุ่มน้ำที่ Data Center ไปตั้ง
5. ChatGPT หนึ่งคำถามใช้น้ำเท่าไร?
ยังยืนยันไม่ได้ ตัวเลข 0.32 มล. ต่อคำถามมาจากบล็อกของ Sam Altman เพียงแหล่งเดียว OpenAI ไม่ได้เปิดข้อมูลรวม และงานประเมินอิสระให้ค่าที่สูงกว่า PolitiFact ให้คะแนนการเทียบกับอัลมอนด์ว่า Mostly False
6. ไทยมีกติกาเรื่องน้ำของ Data Center หรือยัง?
กำลังทำ ตั้งแต่กลางปี 2026 มีด่านคัดกรองของ BOI และคณะกรรมการนโยบายระดับชาติ และในวันที่ 4 ก.ย. มีมติระงับการอนุมัติชั่วคราวระหว่างร่างมาตรฐาน สื่อรายงานว่ากรอบใหม่จะบังคับให้ใช้ระบบปิดหรือ Liquid Cooling และให้พิสูจน์ว่าพื้นที่มีน้ำพอ แต่รายละเอียดยังไม่เป็นทางการ
เอกสารอ้างอิงและขอบเขตการตรวจ
- โพสต์ต้นทางบน X: “why ai data centers need fresh water” (11 ต.ค. 2026)
- LBNL — 2024 United States Data Center Energy Usage Report (ธ.ค. 2024) หัวข้อ Water and Emission Impacts
- USGS — Water-Use Terminology (withdrawal / consumptive use)
- U.S. DOE FEMP — Best Management Practice #10: Cooling Tower Management
- Microsoft — Next-generation datacenters consume zero water for cooling (9 ธ.ค. 2024)
- Amazon Sustainability — Water stewardship (ใช้น้ำรีไซเคิลระบายความร้อน 24 แห่ง)
- DCD — Amazon to expand recycled-water data centers to 120 (อ้างตัวเลข Google 22%)
- Bloomberg — How AI Demand Is Draining Local Water Supplies (2025)
- EESI — Data Centers and Water Consumption
- PolitiFact — Mostly False: Sam Altman says growing a single almond equals 38,000 ChatGPT queries (4 ก.ย. 2026)
- CalMatters — Fact check: almonds vs ChatGPT queries (3 ก.ย. 2026)
- GCSAA — 2024 Golf Course Environmental Profile water survey
- FOX 4 — Talarico vs. Paxton: Different plans for Texas’ data center boom (30 ก.ย. 2026)
- Andy Masley — The AI water issue is fake (2025)
- Nagashima Ohno & Tsunematsu — Thailand’s Temporary Freeze and Stricter Sustainability Policies for Data Centers (ก.ย. 2026)
- The Nation — The True Price of the Cloud: Inside Thailand’s Battle for Water and Power (31 ส.ค. 2026)
ขอบเขตการตรวจ: Hybrid Mind อ่านโพสต์บน X ที่ไม่ซ้ำกัน 211 โพสต์ ทั้งโพสต์ต้นทาง คำตอบ โควต โพสต์ของบุคคลสาธารณะ และโพสต์ภาษาไทย ช่วงหลักคือ 11 ต.ค. 07:00 น. ถึง 13 ต.ค. 03:00 น. ตามเวลาไทย (โพสต์ภาษาไทยและโพสต์ของบุคคลสาธารณะบางส่วนย้อนไปถึง 7–10 ต.ค.) ตัวเลขปริมาณโพสต์มาจาก X Counts API ที่เราวัดเอง ตัวอย่างนี้เลือกตามความเกี่ยวข้องและยอดเข้าถึง ไม่ได้สุ่ม จึงไม่ได้แทนความเห็นของผู้ใช้ X ทั้งหมด และเราไม่ได้คำนวณสัดส่วนความเห็น ยอดแสดงผลและไลก์เป็นค่าตอนที่อ่าน คำตอบของ @grok เป็นข้อความอัตโนมัติ เราจึงใช้เป็นตัวอย่างบทสนทนา ไม่ใช่หลักฐาน
เราตรวจข้อเท็จจริงกับเอกสารปฐมภูมิหรือสื่อที่ระบุไว้ด้านบน ตัวเลขของ AWS, Google และ Microsoft เป็นตัวเลขที่บริษัทรายงานเอง เราไม่ได้เข้าชมหรือวัดการใช้น้ำของ Data Center ใด ไม่ได้ฟัง Sources Podcast ฉบับเต็ม (อ้างผ่าน PolitiFact และ CalMatters) และไม่ได้เปิดอ่านข่าว Bloomberg ที่บางโพสต์อ้างถึงเรื่องเทคโนโลยีระบายความร้อนใหม่ Lab ทั้งสามเป็นการจำลองเชิงการศึกษา บทความนี้ใช้เครื่องมือ AI ช่วยค้นคว้าและเรียบเรียง
ใส่ความเห็น