ดาต้าเซ็นเตอร์ AI

AI ได้แยกอุตสาหกรรมดาต้าเซ็นเตอร์ออกเป็นสองผลิตภัณฑ์: พื้นที่รุ่นเก่าที่สร้างมาสำหรับแร็ก 5-15 kW กับกำลังการรองรับระดับ AI ที่ให้ 60-130+ kW ต่อแร็กพร้อม liquid cooling — และหมวดที่สองถูกดูดซับเร็วเท่าที่สร้างได้ ฮับนี้ครอบคลุมเศรษฐศาสตร์ของความหนาแน่นและการระบายความร้อน การตัดสินใจระหว่างเช่ากับโคโลเคต และวิธีหากำลังการรองรับที่พร้อมใช้ GPU โดยมีตัวติดตามราคา GPUแบบสดและแคตตาล็อกศูนย์ที่ติดแท็ก aiReadyของเรารองรับ

บริบทตลาด: AI กำลังกลืนไปป์ไลน์กำลังการรองรับ

ตัวเลขสเกลชัดเจนไม่กำกวม McKinsey คาดการณ์ความต้องการกำลังการรองรับดาต้าเซ็นเตอร์ทั่วโลกราว 219 GW ภายในปี 2030 โดยกำลังการรองรับที่พร้อมใช้ AI ต้องโตราว 33% ต่อปี และเวิร์กโหลด AI คิดเป็น ครึ่งหนึ่งถึงราว 70% ของความต้องการทั้งหมดภายในสิ้นทศวรรษ ความต้องการนั้นกำลังลงบนตลาดที่ตึงตัวเป็นประวัติการณ์อยู่แล้ว: อัตราพื้นที่ว่างในเวอร์จิเนียเหนือใกล้ 0.5% ราวสามในสี่ของกำลังการรองรับที่กำลังก่อสร้างในสหรัฐฯ ถูกจองล่วงหน้าแล้ว และอัตรา wholesale ในอเมริกาเหนืออยู่ที่สถิติ $196.25/kW/เดือน ตาม CBRE — โดยผู้ประกอบการศูนย์ที่ปรับให้เหมาะกับ AI และใช้ liquid cooling เก็บส่วนต่างค่าเช่าพรีเมียมเหนือพื้นที่ทั่วไปอย่างชัดเจน

ฝั่งฮาร์ดแวร์ ตลาดโตเต็มวัยอย่างรวดเร็ว ราคาเช่า H100 ทรุดจาก $8+/ชั่วโมง ที่จุดสูงสุดปี 2023 มาที่ราว $2-3/ชั่วโมง สำหรับสปอต และ ~$2.35/ชั่วโมง สำหรับสัญญาผูกพัน 1 ปี เมื่ออุปทานกลับสู่ภาวะปกติและรุ่น B200/GB200 เริ่มส่งมอบ — การปรับราคาที่เปลี่ยนสมการสร้างเทียบเช่าสำหรับทุกคนที่เล็กกว่าระดับไฮเปอร์สเกล การติดตามเส้นราคานั้นรายวันคือสิ่งที่ตัวติดตาม GPUของเราทำพอดี ส่วนคู่มือราคาเช่า H100อธิบายโครงสร้างสัญญาที่อยู่เบื้องหลังอัตราพาดหัว

ผลที่ตามมาสำหรับผู้ซื้อ: การตัดสินใจเรื่องโครงสร้างพื้นฐาน AI ตอนนี้เป็นการตัดสินใจสองตลาดพร้อมกัน คุณกำลังตีราคากำลังการรองรับทางกายภาพ (โคโลเคชัน, $/kW) และพลังประมวลผล (การเช่า GPU, $/GPU-ชั่วโมง) ไปพร้อมกัน และคำตอบที่ดีที่สุดจะขยับตามอัตราการใช้งาน ระยะเวลา และรุ่นฮาร์ดแวร์ แหล่งให้คำปรึกษาส่วนใหญ่ครอบคลุมแค่ตลาดเดียว เราติดตามทั้งสอง

ความหนาแน่นและการระบายความร้อน: ทำไมแร็ก 100 kW จึงเปลี่ยนทุกอย่าง

แร็กเทรน AI สมัยใหม่เป็นวัตถุทางกายภาพคนละอย่างกับสิ่งที่ดาต้าเซ็นเตอร์ถูกสร้างมารองรับ ระบบ NVIDIA GB200 NVL72 กินไฟราว 120-132 kW ในแร็กเดียว — เทียบกับมาตรฐานองค์กรที่ 5-15 kW — โดยสถาปัตยกรรมคลัสเตอร์กำลังดันไปที่ 250 kW+ ต่อแร็กในรุ่นถัดไป ผลทางวิศวกรรมสามข้อไหลตามมาจากตัวเลขนั้น:

การระบายความร้อนกลายเป็นของเหลว เหนือราว 50 kW/แร็ก การเคลื่อนอากาศให้พอเป็นเรื่องที่ทำไม่ได้จริงในทางกายภาพ อุตสาหกรรมได้ตกผลึกที่สองแนวทาง:

	Direct-to-chip (DTC)	Immersion
ทำงานอย่างไร	แผ่นเย็นบน GPU/CPU; วงจรสารหล่อเย็นผ่าน CDU	จุ่มเซิร์ฟเวอร์ในของเหลวไดอิเล็กทริก
ความหนาแน่นแร็กที่รองรับ	80-132+ kW (รุ่นปัจจุบัน)	100-250+ kW
ความร้อนที่ของเหลวรับไป	~70-80% (อากาศรับส่วนที่เหลือ)	~95-100%
ภาระการปรับปรุงอาคาร	ปานกลาง — CDU, ระบบท่อ, วงจรน้ำ	สูง — ถัง การจัดการของเหลว โมเดลปฏิบัติการใหม่
ความเข้ากันได้กับฮาร์ดแวร์	แร็ก OEM มาตรฐาน (NVL72 ส่งมาพร้อมรองรับ DTC)	ต้องใช้ฮาร์ดแวร์ที่ดัดแปลงสำหรับ immersion
ตำแหน่งในตลาดปี 2026	ตัวเลือกหลักของงานสร้าง AI ใหม่	เฉพาะกลุ่ม: HPC, คริปโต, ความหนาแน่นสุดขั้ว

DTC ชนะการติดตั้งส่วนใหญ่เพราะรักษาโมเดลปฏิบัติการแบบแร็ก-แอนด์-โรว์ไว้ได้ ขณะที่รับมือความร้อนของ GPU รุ่นปัจจุบันได้ โดยทั่วไปเพิ่ม capex งานเครื่องกล/ไฟฟ้าอีก 7-10% แต่ลดพลังงานของระบบทำความเย็นมากพอที่จะดึง PUE จาก ~1.5 แบบเดิมมาที่ 1.1-1.2 — เป็นการประหยัดต้นทุนไฟรวมถาวร 20-25%

การจ่ายไฟต้องขยายขึ้น แร็ก 60-130 kW ต้องใช้ busway เหนือศีรษะที่ 415V ขึ้นไป ฟีดกระแสสูง และพื้นที่รับน้ำหนัก 1,500-2,000 กก. ต่อแร็ก พื้นที่ว่างของไฟฟ้าจากการไฟฟ้ากลายเป็นเรื่องเชิงยุทธศาสตร์: คลัสเตอร์ H100 ขนาด 1,024 GPU กินไฟรวมราว 1.5-2 MW ส่วนงานเทรนขนาด 16,000 GPU เข้าใกล้ 25-30 MW — ขนาดที่ทำให้คุณกลายเป็นผู้เช่า wholesale ที่ต้องเจรจาเรื่องไฟฟ้าทันที ไม่ใช่ผู้ซื้อ retail ที่เลือกแร็ก สำหรับความต้องการระดับนั้น ดูฮับไฮเปอร์สเกลและฮับพลังงานของเรา

นัยเชิงการคัดกรอง: ฐานติดตั้งโคโลเคชันส่วนใหญ่ของโลกไม่สามารถรองรับคลัสเตอร์ AI สมัยใหม่ได้หากไม่ปรับปรุง การปรับปรุงพื้นที่ระบายความร้อนด้วยอากาศแบบเดิมให้รองรับความหนาแน่นแบบ liquid cooling มีค่าใช้จ่าย 2-4 ล้านดอลลาร์ต่อ MW นี่คือเหตุผลที่ “พร้อมใช้ GPU” กลายเป็นตัวกรองสำคัญที่สุดเพียงตัวเดียวในการเลือกศูนย์ — และเป็นเหตุผลที่แคตตาล็อกของเราติดแท็ก aiReady ให้ศูนย์ ครอบคลุมความหนาแน่น การรองรับ liquid cooling และพื้นที่ว่างของไฟฟ้า

โคโลเคตหรือเช่า GPU: กรอบการตัดสินใจ

การตัดสินใจด้านโครงสร้างพื้นฐาน AI ที่มีผลมากที่สุดในสเกลต่ำกว่าราว 50 ล้านดอลลาร์ คือจะเป็นเจ้าของฮาร์ดแวร์ในโคโลเคชัน หรือเช่ากำลัง GPU คำตอบที่ตรงไปตรงมาคือเลขคณิต ไม่ใช่อุดมการณ์:

เช่าเมื่อ: อัตราการใช้งานไม่แน่นอนหรือแกว่งเป็นช่วง ๆ; ขอบเขตโครงการสั้นกว่าราว 12-18 เดือน; คุณต้องการฮาร์ดแวร์ระดับแนวหน้าทันที (การเช่า B200/GB200 ชนะรอบจัดซื้อ 6 เดือน); หรือทีมไม่มีแรงเหลือสำหรับงานปฏิบัติการโครงสร้างพื้นฐานเลย ที่ราว $2.35/ชั่วโมง แบบผูกพัน H100 หนึ่งตัวมีต้นทุนราว $20,600 ต่อ GPU ต่อปี โดยไฟฟ้า ระบบทำความเย็น เครือข่าย และความเสี่ยงฮาร์ดแวร์ตกอยู่กับผู้ให้บริการทั้งหมด

โคโลเคตเมื่อ: คุณจะรักษาอัตราการใช้งานสูง (60%+) ต่อเนื่อง 2 ปีขึ้นไป; ข้อมูลของเวิร์กโหลดมีข้อจำกัดเรื่องถิ่นที่อยู่ของข้อมูลหรือความปลอดภัย; หรือคุณใหญ่พอที่มาร์จินของการเช่าสูงกว่าต้นทุนดำเนินงานของคุณ การเป็นเจ้าของโหนด H100 มีต้นทุนราว $25-30k ต่อ GPU ในส่วน capex บวก $3-5k ต่อ GPU ต่อปี สำหรับค่าไฟและพื้นที่โคโลเคชัน (ในตลาดที่ราว $0.08-0.12/kWh — หนึ่งเหตุผลที่โคโลเคชันในเอเชียตะวันออกเฉียงใต้น่าสนใจสำหรับฟลีตงานอนุมาน) ตลอดสามปีของการใช้งานหนัก การเป็นเจ้าของมักจบต่ำกว่าการเช่า 30-50% — ถ้า อัตราการใช้งานคงอยู่

จุดคุ้มทุนอยู่ราว 12-18 เดือนของการใช้งานต่อเนื่อง สองปัจจัยผลักให้ช้าลง: การเปลี่ยนรุ่นของ GPU (ฟลีต H100 ที่เป็นเจ้าของต้องแข่งกับการเช่ารุ่นถัดไปในปีที่สอง) และราคาเช่าที่ลดลง (ตลาดปรับราคาลงราว 60-70% ในสองปี) หนึ่งปัจจัยดึงให้เร็วขึ้น: กำลังการรองรับสำหรับเช่าของรุ่นใหม่ล่าสุดหายากและราคาพรีเมียมตอนเปิดตัว ซึ่งตรงกับช่วงที่ดีมานด์การเทรนขึ้นสูงสุดพอดี

ทีมที่มีความชำนาญนิยมแบ่งครึ่งกันมากขึ้น: กำลังการรองรับที่เป็นเจ้าของและโคโลเคต ปรับขนาดให้พอดีโหลดอนุมานพื้นฐาน; และกำลังการรองรับแบบเช่าสำหรับการเทรนช่วงพีคและการทดลองรุ่นใหม่ การตีราคาทั้งสองด้านของพอร์ตนั้นต้องใช้ข้อมูลสดของทั้งสองตลาด — ซึ่งเป็นแกนหลักของสิ่งที่เว็บไซต์นี้เผยแพร่ที่ /th/index/ และ /th/gpu/

ตลาด GPU แยกชั้นแล้ว — ตีราคาที่รุ่น ไม่ใช่ที่ “GPU ตัวหนึ่ง”

“ราคา GPU” ตอนนี้คือสี่ตลาดที่แยกจากกันและเคลื่อนบนเส้นโค้งต่างกัน การเหมารวมทั้งหมดเป็นข้อผิดพลาดเชิงวิเคราะห์ที่พบบ่อยที่สุด — และแพงที่สุด — ที่เราเห็น:

ชั้น	ฮาร์ดแวร์	พฤติกรรมตลาด (2026)
แนวหน้า	ระดับ GB200/B200	หายาก ราคาพรีเมียม จัดสรรมากกว่าขาย; หลายเท่าของอัตรา H100
ตัวหลัก	H100/H200	สภาพคล่องสูง แข่งขันสูง; ~$2-3/ชม. สปอต, ~$2.35/ชม. สำหรับสัญญา 1 ปี
คุ้มค่า	A100 และรุ่นก่อน	ลดราคาลึก; ใช้ได้กับ fine-tuning โมเดลเล็ก และงานอนุมานแบบ batch
ปรับให้เหมาะกับการอนุมาน	L40S และชิ้นส่วนเฉพาะทาง	ตั้งราคาตามเศรษฐศาสตร์ต่อโทเคนที่ให้บริการ ไม่ใช่ FLOPs ของการเทรน

พลวัตสามอย่างกำกับเส้นโค้งเหล่านี้ การไหลลงตามรุ่น: การเปิดตัวเรือธงใหม่แต่ละครั้งกดรุ่นก่อนหน้าลง 30-50% ภายในราวหนึ่งปี — รูปแบบที่พา H100 จาก $8+/ชั่วโมง มาที่ $2.35 แบบผูกพัน ส่วนต่างตามระยะสัญญา: อัตราสปอต รายเดือน และผูกพัน 1-3 ปี สำหรับฮาร์ดแวร์ตัวเดียวกันอาจต่างกันกว่า 40% ดังนั้นการจับคู่ระยะสัญญากับความแน่นอนของเวิร์กโหลดมีค่าพอ ๆ กับการเลือกผู้ให้บริการ การกระจายตัวของผู้ให้บริการ: ราคาลิสต์ของไฮเปอร์สเกลเลอร์สำหรับ GPU ตัวเดียวกันสูงกว่าอัตราของ GPU cloud เฉพาะทาง 2-4 เท่า โดยช่องว่างกว้างที่สุดในชั้นตัวหลัก ตัวติดตาม GPUของเรารักษาภาพปัจจุบันไว้ครบทุกชั้น ให้ถือว่าตัวเลขเดี่ยว ๆ ที่ถูกอ้างถึง — รวมถึงของเราจากไตรมาสที่แล้ว — เป็นภาพนิ่งของเส้นโค้งที่เคลื่อนเร็ว

เครือข่าย: เสาหลักที่สามที่ผู้ซื้อค้นพบช้าเกินไป

คลัสเตอร์ AI ล้มเหลวเพราะเครือข่ายบ่อยกว่าเพราะไฟฟ้าหรือระบบทำความเย็น เพราะการเทรนเป็นเวิร์กโหลดแบบซิงโครไนซ์: GPU หลายพันตัวแลกเปลี่ยน gradient ทุกสเต็ป และลิงก์ที่ช้าที่สุดกำหนดจังหวะของทั้งคลัสเตอร์ นัยเชิงปฏิบัติสำหรับผู้ซื้อกำลังการรองรับ:

• ทราฟฟิก east-west เป็นหลัก คลัสเตอร์ 1,024 GPU ต้องการแฟบริกแบบ non-blocking ที่ 400/800G (InfiniBand หรือ RoCE Ethernet) ซึ่งต้นทุน — มักอยู่ที่ $2,000-4,000 ต่อ GPU ในส่วนสวิตช์และออปติกส์ — ต้องอยู่ในแบบจำลอง capex ของคุณควบคู่กับตัวเร่งความเร็วเอง
• ตำแหน่งทางกายภาพต่อรองไม่ได้สำหรับการเทรน งบความหน่วงของแฟบริกบังคับให้คลัสเตอร์เทรนอยู่ในห้องเดียวหรือห้องติดกัน คุณไม่สามารถเย็บคลัสเตอร์เทรนข้ามสองอาคารได้ ไม่ต้องพูดถึงข้ามสองศูนย์ ข้อจำกัดนี้จำกัดการเลือกศูนย์ไว้ที่ไซต์ที่มีพื้นที่พร้อมใช้ GPU ต่อเนื่องขนาดใหญ่ — อีกมิติหนึ่งที่การคัดกรอง aiReady ในแคตตาล็อกของเราตอบโจทย์
• การอนุมานกระจายตัว การเทรนกระจุกตัว ทราฟฟิกให้บริการทนความหน่วงระดับเมโทรทั่วไปได้ ซึ่งเป็นเหตุผลที่สถาปัตยกรรมแบบ hub-and-spoke ใช้ได้ผล — คลัสเตอร์หนักในพื้นที่ wholesale และโหนดอนุมานใกล้ผู้ใช้มากขึ้น (ดูฮับ edgeของเรา)

เมื่อเปรียบเทียบข้อเสนอโคโลเคชันสำหรับการติดตั้ง GPU ให้ถามเจาะจงถึงการรองรับระบบสายสัญญาณสำหรับแฟบริกที่มีจำนวนไฟเบอร์สูง ราคา cross-connect เมื่อซื้อจำนวนมาก (ลิงก์ 400G หลายสิบเส้นเปลี่ยนสมการ — ดูส่วนต้นทุนแฝงในฮับโคโลเคชันของเรา) และ cloud on-ramp หากสถาปัตยกรรมของคุณเป็นไฮบริด

จะวางกำลังการรองรับ AI ไว้ที่ไหน: ภูมิศาสตร์กำลังเปลี่ยน

เวิร์กโหลด AI ทนความหน่วงได้มากกว่าแอปพลิเคชันที่หันหน้าเข้าหาผู้ใช้ — งานเทรนไม่สนใจว่าจะรันในแอชเบิร์นหรือยะโฮร์ ความทนทานนั้น เมื่อเจอกับอัตราพื้นที่ว่างต่ำกว่า 1% และราคา $215+/kW ในตลาดหลักของสหรัฐฯ กำลังเปลี่ยนทิศทางกำลังการรองรับ AI ไปยังตลาดที่มีไฟฟ้าอุดมสมบูรณ์และต้นทุนต่ำกว่า: เมืองรองของสหรัฐฯ กลุ่มนอร์ดิก ตะวันออกกลาง และเหนืออื่นใดคือเอเชียตะวันออกเฉียงใต้ ที่ BOI ของไทยอนุมัติการลงทุนดาต้าเซ็นเตอร์ราว 7.46 แสนล้านบาทในปี 2025 ไปป์ไลน์ของยะโฮร์แตะราว 4-5 GW และมาเลเซียให้ความสำคัญกับโครงการระดับ AI อย่างชัดเจนแล้ว ไฟฟ้าอุตสาหกรรมที่ $0.08-0.12/kWh และต้นทุนก่อสร้างต่ำกว่าระดับสหรัฐฯ 20-40% แปลตรงเป็น $/GPU-ชั่วโมง ที่ต่ำลงสำหรับใครก็ตามที่รันฟลีตในสเกลใหญ่ — ภาพระดับภูมิภาคฉบับเต็มอยู่ในฮับการพัฒนาและบทวิเคราะห์ประเทศไทยของเรา

Coloprice ช่วยอย่างไร: สะพานเชื่อมโคโลกับ GPU

แหล่งข้อมูลอื่นทุกแห่งครอบคลุมตลาดนี้แค่ครึ่งเดียว ไดเรกทอรีโคโลเคชันไม่ติดตามราคา GPU ส่วนมาร์เก็ตเพลส GPU ไม่ครอบคลุมกำลังการรองรับทางกายภาพ เนื่องจากการตัดสินใจจริง — เช่าพลังประมวลผล เทียบกับติดตั้งฮาร์ดแวร์ เทียบกับอะไรบางอย่างตรงกลาง — พาดผ่านทั้งสองด้าน เราจึงสร้างสะพานนั้นขึ้นมา:

• ราคา GPU แบบสด ฟรี ตัวติดตาม GPUเฝ้าดูอัตราค่าเช่าข้ามผู้ให้บริการและรุ่น — ตั้งแต่ H100 ที่ ~$2.35/ชั่วโมง แบบผูกพัน ไปจนถึงพรีเมียมของ B200/GB200 ปัจจุบัน — เพื่อให้คุณเทียบเบนช์มาร์กใบเสนอราคาของผู้ให้บริการรายใดก็ได้ในไม่กี่วินาที คู่มือราคา H100ถอดรหัสโครงสร้างสัญญา
• ศูนย์ที่พร้อมใช้ GPU กรองได้ แคตตาล็อก 202 ศูนย์ของเรามีตัวกรอง aiReady ครอบคลุมไฟฟ้าความหนาแน่นสูงและการรองรับ liquid cooling — เปลี่ยนคำถาม “ศูนย์แห่งไหนในโลกที่รองรับแร็ก 100 kW ได้จริง?” จากอีเมล RFI หลายสัปดาห์ให้เหลือคำค้นสองนาที
• สองตลาดบนเบนช์มาร์กเดียว อัตราโคโลเคชันและอัตรา GPUวางเทียบกัน พร้อมข้อมูลอุปทานตลาดในสถิติ — ชุดข้อมูลนำเข้าครบถ้วนสำหรับแบบจำลองเช่าเทียบโคโลเคตข้างต้น
• ใบเสนอราคาที่จับคู่ให้ภายในหนึ่งวันทำการ ฟรี อธิบายความต้องการของคุณที่ /th/quote/ — คลัสเตอร์ liquid-cooled 20 แร็ก พื้นที่พร้อมใช้ GPU 2 MW ในเอเชียตะวันออกเฉียงใต้ หรือข้อผูกพันเช่า GPU ที่คุณอยากให้เทียบเบนช์มาร์ก — แล้วเราส่งตัวเลือกที่จับคู่แล้วจากศูนย์และผู้ให้บริการที่เราตรวจสอบมาแล้วกลับไปภายในหนึ่งวันทำการ ไม่มีค่าธรรมเนียมลงประกาศมาบิดเบือนรายชื่อ ไม่มีกล่องดำ “ขอใบเสนอราคา”
• บทเจาะลึก เริ่มที่คู่มือราคาโคโลเคชันสำหรับด้าน $/kW และคู่มือการลงทุนหากคุณกำลังจัดหาเงินทุนให้กำลังการรองรับ AI แทนที่จะซื้อมันเอง

โครงสร้างพื้นฐาน AI คือตลาดที่ปรับราคาเร็วที่สุดในวงการเทคโนโลยี — อัตรา GPU ขยับกว่า 60% ในสองปี ขณะที่โคโลเคชันขยับ 6-12% ไปในทิศตรงข้าม การตัดสินใจบนข้อมูลเก่ามีราคาแพงทั้งสองทาง: จ่ายเกินสำหรับพลังประมวลผลด้านหนึ่ง และจมทุนในศูนย์ที่ผิดอีกด้านหนึ่ง ดู /th/gpu/ คัดกรอง /th/data-centers/ เทียบเบนช์มาร์กกับ /th/index/ แล้วให้ /th/quote/ วางข้อเสนอจริงที่เทียบกันได้ไว้บนโต๊ะคุณภายในหนึ่งวันทำการ