สมองใช้พลังงาน 20 วัตต์ แต่ AI ต้องการโรงไฟฟ้า
สมองมนุษย์ใช้พลังงานประมาณ 20 วัตต์ แต่ซูเปอร์คอมพิวเตอร์ที่เร็วที่สุดของโลก LineShine ในเซินเจิ้น ต้องใช้พลังงานถึง 42.2 ล้านวัตต์ ช่องว่างนี้กลายเป็นข้อถกเถียงยอดนิยมในอินเทอร์เน็ตเกี่ยวกับการใช้พลังงานของ AI และส่วนใหญ่ของข้อถกเถียงนี้ไม่ถูกต้อง อย่างไรก็ตาม การเปรียบเทียบนี้ยังคงมีมูลความจริงอยู่ แต่ตัวเลขที่แพร่ในโซเชียลมีเดียนั้นมีต้นตอมาจากงานวิจัยเพียงฉบับเดียว และตัวเลขที่น่าทึ่งที่สุดได้ถูกอ้างผิดมาเป็นเวลาสามปีแล้ว China just topped the global supercomputer ranking for the first time since 2017. LineShine. Shenzhen. 2.198 exaflops. 2 quintillion calculations per second. 20% faster than the USs El Capitan. built entirely on domestic Chinese CPUs. no Nvidia. no US chips. no export controls… https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4 — IT Guy (@T3chFalcon) June 24, 2026 การใช้พลังงานของ AI: พลังงาน 20 วัตต์ทำอะไรได้บ้าง ตัวเลข 20 วัตต์นี้มีพื้นฐานจาก การวัดอัตราการเผาผลาญ ที่ดำเนินมาหลายสิบปี สมองคิดเป็นประมาณ 2% ของน้ำหนักตัว และคิดเป็นประมาณ 20% ของการใช้ออกซิเจนขณะพัก จำนวนเซลล์ประสาทจริง ๆ แล้วไม่แน่นอนอย่างที่คิด ตัวเลข 86 พันล้านที่มักถูกอ้างถึงนั้นมีที่มาจากการทดลองในสมองชายเพียง 4 คน และกำลัง เป็นที่ถกเถียง ในวารสาร Brain โพสต์ที่เผยแพร่ไวรัลมักใช้เลข 12 วัตต์แทน 20 โดยข้อมูลนี้ปรากฏใน บทความวิชาการปี 2023 ในวารสาร Frontiers in Artificial Intelligence โดยไม่ได้อ้างอิงแหล่งข้อมูลใดเลย บทความฉบับเดียวกันนี้ยังเป็นที่มาของตัวเลขที่ ทุกคนแชร์กัน โดยผู้เขียนประเมินว่า หากจะสร้างสมองมนุษย์ขึ้นมาในรูปแบบดิจิทัล จะต้องใช้พลังงานถึง 2.7 พันล้านวัตต์ ตัวเลขดังกล่าวได้มาจากการนำผลการจำลองเซลล์ประสาท 10 ล้านเซลล์ขยายขนาดไปเทียบกับหนูทดลอง แล้วคูณด้วยหนึ่งพัน บทความยังระบุอีกว่าการจำลองนั้นทำงานช้ากว่าชีววิทยาประมาณ 30,000 เท่า แต่เหล่าโพสต์ในโซเชียลมักไม่กล่าวถึงรายละเอียดนี้ แหล่งอ้างอิงรอง ๆ ก็ให้เครดิตตัวเลขนี้กับโครงการ Blue Brain Project ซึ่งไม่เคยเผยแพร่ตัวเลขนี้เลย โพสต์ไวรัลบน LinkedIn กล่าวว่าสมองมนุษย์ต้องการแค่ 12 วัตต์เพื่อใช้ความคิด ที่มา: Evolving AI อย่างไรก็ตาม มีตัวเลขที่เชื่อถือได้ในที่อื่นด้วย โดย Epoch AI ประเมินว่าการใช้ ChatGPT 1 ครั้งใช้พลังงานประมาณ 0.3 วัตต์-ชั่วโมงในต้นปี 2025 และงานวิจัยในวารสาร Joule ซึ่งผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิในเวลาต่อมา ให้ตัวเลข 0.31 วัตต์-ชั่วโมง วิธีการที่เป็นอิสระทั้งสองวิธีซึ่งให้ค่าที่ใกล้เคียงกันขนาดนี้นั้นถือว่าผิดปกติ อย่างไรก็ตาม ตัวเลขดังกล่าวจะเปลี่ยนแปลงอย่างรวดเร็วขึ้นอยู่กับภาระงาน และแบบจำลองการให้เหตุผลที่สร้างคำตอบยาวขึ้นสามารถมีต้นทุนสูงกว่าหลายเท่า สิ่งที่ชีววิทยาทำแตกต่าง และสิ่งที่ซิลิคอนลอกเลียนแบบ กิจกรรมของเปลือกสมอง กระจายตัวยาก อัตราการยิงเฉลี่ยต่ำกว่า 1 Hz และพลังงานจะขึ้นอยู่กับการเปลี่ยนแปลง ไม่ใช่รอบของสัญญาณนาฬิกา ปัญญาประดิษฐ์ในยุคใหม่ได้ข้อสรุปเดียวกันโดยอิสระ Kimi K2 กระตุ้นพารามิเตอร์ 32.6 พันล้านจากทั้งหมด 1.04 ล้านล้านค่าต่อหนึ่ง token หรือประมาณ 3.1% อัตราส่วนนี้กำลังลดลงอย่างรวดเร็ว Mixtral ใช้พารามิเตอร์ประมาณ 28% ในปี 2023 ขณะที่ DeepSeek-V3 ใช้เพียง 5.5% นอกจากนี้ ชีววิทยายังคำนวณด้วยความละเอียดต่ำ ไม่มีสิ่งใดภายในเซลล์ประสาทที่ละเอียดถึง 32 บิต ผู้ผลิตชิปก็เดินตามแนวทางเดียวกัน DeepSeek ฝึกแบบจำลองที่มีพารามิเตอร์ 671 พันล้านค่าด้วยความละเอียด 8 บิต ขณะที่ NVIDIA ได้ฝึกแบบจำลอง 12 พันล้านพารามิเตอร์ล่วงหน้าด้วยความละเอียด 4 บิต การใช้พลังงานในสเกลลอการิทึม ตั้งแต่สมองจนถึงศูนย์ข้อมูล แหล่งที่มา: BeInCrypto ความแตกต่างที่สามนี้ถือเป็นจุดต่างที่ใหญ่ที่สุดและยังถูกลอกเลียนแบบน้อยที่สุด สมองจะเก็บหน่วยความจำและทำการคำนวณไว้ในที่ทางกายภาพเดียวกัน เครื่องจักรดิจิทัลจะแยกสองสิ่งนี้ออกจากกัน Mark Horowitz จากสแตนฟอร์ด แสดงให้เห็นถึงต้นทุนของการแยกนั้น การดึงข้อมูลจากหน่วยความจำอาจใช้พลังงานมากกว่าการคำนวณทางคณิตศาสตร์หลายร้อยเท่า ชิปทรงสมองที่ยังไม่เคยปรากฏ ฮาร์ดแวร์ที่สร้างขึ้นมาเพื่อเลียนแบบเซลล์ประสาทโดยตรงยังประสบปัญหา ยังไม่มีระบบที่เป็น neuromorphic









