อย่าเหมารวม! เปิด 6 รูปแบบ "ดาต้าเซ็นเตอร์" ตั้งแต่เซิร์ฟเวอร์ถึง AI ยักษ์ใหญ่

"ดาต้าเซ็นเตอร์" ไม่ได้เหมือนกันทุกแห่ง

เปิด 6 รูปแบบศูนย์ข้อมูล ตั้งแต่เซิร์ฟเวอร์องค์กรถึง AI ยักษ์ใหญ่ ทำไมใช้ไฟไม่เท่ากัน

 

เมื่อพูดถึง “ดาต้าเซ็นเตอร์” ภาพที่คนส่วนใหญ่นึกถึงอาจเป็นอาคารขนาดใหญ่ที่เต็มไปด้วยตู้เซิร์ฟเวอร์ มีสายไฟจำนวนมาก มีเครื่องปรับอากาศหรือระบบหล่อเย็นทำงานตลอด 24 ชั่วโมง และต้องมีไฟฟ้าสำรองเพื่อให้ระบบไม่หยุดทำงาน

 

ภาพนั้นไม่ผิด แต่ ยังไม่ครบทั้งหมด

เพราะในความเป็นจริง “ดาต้าเซ็นเตอร์” มีหลายรูปแบบ ตั้งแต่ศูนย์ข้อมูลขนาดเล็กที่องค์กรสร้างไว้ใช้เอง ไปจนถึงศูนย์ข้อมูลขนาดมหึมาของผู้ให้บริการ Cloud และศูนย์ข้อมูลยุคใหม่ที่สร้างขึ้นเพื่อรองรับ GPU และปัญญาประดิษฐ์โดยเฉพาะ

 

ที่สำคัญคือ ดาต้าเซ็นเตอร์แต่ละประเภทไม่ได้ใช้พลังงานในระดับเดียวกัน

International Energy Agency หรือ IEA ระบุว่า ดาต้าเซ็นเตอร์ทั่วโลกใช้ไฟฟ้าประมาณ 415 TWh ในปี 2024 หรือราว 1.5% ของการใช้ไฟฟ้าทั่วโลก

 

และความต้องการไฟฟ้าของดาต้าเซ็นเตอร์มีแนวโน้มเพิ่มขึ้นอย่างรวดเร็ว โดยในกรณีฐานของ IEA การใช้ไฟฟ้าทั่วโลกของดาต้าเซ็นเตอร์อาจเพิ่มขึ้นเป็นประมาณ 945 TWh ในปี 2030

 

แต่ตัวเลขระดับโลกนี้ไม่ได้หมายความว่าดาต้าเซ็นเตอร์ทุกแห่งจะกินไฟเท่ากัน

ตรงกันข้าม IEA ระบุอย่างชัดเจนว่า สัดส่วนการใช้ไฟของอุปกรณ์แต่ละส่วน แตกต่างกันมากตามประเภทของดาต้าเซ็นเตอร์ ประสิทธิภาพ และอุปกรณ์ที่ติดตั้ง

 

ดังนั้น ก่อนจะตั้งคำถามว่า “ดาต้าเซ็นเตอร์ใช้ไฟเท่าไร” อาจต้องถามก่อนว่า “ดาต้าเซ็นเตอร์แบบไหน?”

 

 

1. Enterprise Data Center - ศูนย์ข้อมูลที่องค์กรสร้างไว้ใช้เอง

รูปแบบแรกคือ Enterprise หรือ On-premises Data Center

เป็นศูนย์ข้อมูลที่องค์กรเป็นเจ้าของหรือบริหารจัดการเอง เพื่อรองรับระบบ IT และข้อมูลขององค์กรนั้นโดยตรง

 

ตัวอย่างเช่น ธนาคารอาจมีระบบศูนย์ข้อมูลสำหรับฐานข้อมูลธุรกรรม ระบบ Internet Banking และระบบหลังบ้านของธนาคาร ขณะที่โรงพยาบาลอาจใช้สำหรับระบบเวชระเบียน ระบบนัดหมาย หรือระบบสารสนเทศภายในองค์กร

 

IBM อธิบายว่า Enterprise Data Center เป็นรูปแบบที่โครงสร้างพื้นฐานและข้อมูลถูกติดตั้งไว้ภายในองค์กร และองค์กรเป็นผู้รับผิดชอบด้านการติดตั้ง การดูแล ตรวจสอบ และบริหารระบบเอง

 

ลักษณะสำคัญจึงไม่ใช่เรื่อง “ต้องมีขนาดใหญ่” แต่คือ ใครเป็นผู้ใช้งานและบริหารระบบ

 

Enterprise Data Center อาจมีขนาดตั้งแต่ค่อนข้างเล็กไปจนถึงขนาดใหญ่ ขึ้นอยู่กับความต้องการขององค์กร และนี่คือจุดที่ทำให้การพูดว่า “ดาต้าเซ็นเตอร์ใช้ไฟมาก” โดยไม่ระบุประเภท อาจทำให้เข้าใจผิดได้

 

IEA ระบุว่า ในดาต้าเซ็นเตอร์ที่มีประสิทธิภาพต่ำ ระบบทำความเย็นอาจคิดเป็น มากกว่า 30% ของการใช้ไฟฟ้าทั้งหมด ขณะที่ดาต้าเซ็นเตอร์แบบ Hyperscale ที่มีประสิทธิภาพสูงอาจอยู่ที่ประมาณ 7%

 

นั่นหมายความว่าแม้จะมีเซิร์ฟเวอร์จำนวนใกล้เคียงกัน แต่รูปแบบการออกแบบและประสิทธิภาพของระบบก็สามารถทำให้การใช้พลังงานแตกต่างกันได้มาก

 

 

2. Colocation Data Center — อาคารที่หลายบริษัทมา “เช่าพื้นที่”

อีกแบบหนึ่งที่พบมากในธุรกิจ Data Center คือ Colocation

หลักการง่าย ๆ คือ แทนที่แต่ละบริษัทจะลงทุนสร้างอาคาร ระบบไฟฟ้า ระบบทำความเย็น ระบบรักษาความปลอดภัย และระบบสำรองต่าง ๆ เอง ก็สามารถนำเซิร์ฟเวอร์ของตัวเองเข้ามาติดตั้งในศูนย์ข้อมูลที่มีผู้ให้บริการจัดเตรียมโครงสร้างพื้นฐานไว้แล้ว

 

จึงเปรียบได้กับ “เช่าพื้นที่และโครงสร้างพื้นฐานสำหรับวางระบบ IT”

IBM จัด Colocation เป็นหนึ่งในรูปแบบหลักของ Data Center โดยผู้ให้บริการจัดเตรียมพื้นที่ ระบบไฟฟ้า ระบบระบายความร้อน และโครงสร้างพื้นฐานที่จำเป็น ขณะที่ลูกค้านำอุปกรณ์หรือระบบของตัวเองเข้ามาใช้งาน

 

ข้อดีคือองค์กรไม่ต้องแบกรับต้นทุนในการสร้าง Data Center ทั้งหมดเอง และสามารถเพิ่มหรือลดพื้นที่ตามความต้องการได้ ตัวอย่างการใช้งาน เช่น

 

 

บริษัทการเงินอาจนำเซิร์ฟเวอร์ของตัวเองเข้าไปติดตั้งเพื่อให้บริการระบบออนไลน์ บริษัทโทรคมนาคมอาจใช้พื้นที่สำหรับอุปกรณ์เครือข่าย หรือบริษัทดิจิทัลอาจเช่าพื้นที่เพื่อรองรับฐานข้อมูลและแอปพลิเคชัน

 

ดังนั้น Colocation จึงอาจมีลูกค้าหลายรายอยู่ในอาคารเดียวกัน และ โหลดไฟฟ้าที่เกิดขึ้นจริงขึ้นอยู่กับอุปกรณ์และปริมาณงานของลูกค้าแต่ละราย

 

 

 

3. Cloud Data Center - เบื้องหลังสิ่งที่เราเรียกว่า “Cloud”

หลายคนใช้ Cloud ทุกวัน แต่ไม่เคยเห็นว่าข้อมูลที่อยู่บน Cloud จริง ๆ แล้วต้องมี “สถานที่” สำหรับประมวลผลและจัดเก็บข้อมูล

 

Cloud Data Center คือโครงสร้างพื้นฐานที่รองรับบริการ Cloud ซึ่งเปิดให้ลูกค้าหลายรายใช้ทรัพยากรด้านคอมพิวเตอร์และพื้นที่จัดเก็บข้อมูลผ่านเครือข่าย

 

IBM อธิบายว่า Cloud Data Center รองรับทรัพยากร IT ที่ใช้ร่วมกันโดยลูกค้าจำนวนมาก ตั้งแต่ระดับหลายสิบรายไปจนถึงจำนวนมหาศาล และผู้ให้บริการ Cloud รายใหญ่ก็มีศูนย์ข้อมูลอยู่ในหลายภูมิภาคทั่วโลก

 

ตัวอย่างบริการที่คนทั่วไปคุ้นเคย ได้แก่

• การเก็บไฟล์บน Cloud
• ระบบฐานข้อมูล
• เว็บไซต์และแอปพลิเคชัน
• ระบบประมวลผลข้อมูล
• การสำรองข้อมูล
• AI และ Machine Learning

 

ผู้ใช้จึงไม่จำเป็นต้องรู้ว่าเซิร์ฟเวอร์อยู่ที่ไหน เพียงเลือกใช้บริการจากผู้ให้บริการ Cloud

ตัวอย่างเช่น AWS มีโครงสร้างพื้นฐานที่แบ่งเป็น Region และ Availability Zone โดยแต่ละ Availability Zone ประกอบด้วย Data Center อย่างน้อยหนึ่งแห่ง และมีระบบไฟฟ้า เครือข่าย และโครงสร้างพื้นฐานที่ออกแบบให้มีความเป็นอิสระจากกันเพื่อเพิ่มความทนทานของระบบ

 

ในประเทศไทยเอง AWS เปิด Asia Pacific (Thailand) Region ในปี 2025 โดยประกอบด้วย 3 Availability Zones ซึ่งถือเป็นโครงสร้างพื้นฐาน Cloud ระดับภูมิภาคของ AWS ในประเทศไทย

 

ทำให้เห็นว่า “Cloud” ไม่ได้หมายถึงข้อมูลลอยอยู่ในอากาศ แต่หมายถึง บริการประมวลผลและจัดเก็บข้อมูลที่มี Data Center เป็นโครงสร้างพื้นฐานอยู่เบื้องหลัง

 

 

 

4. Hyperscale Data Center - เมื่อ Data Center กลายเป็นโครงสร้างพื้นฐานระดับประเทศ

หาก Enterprise คือ Data Center สำหรับองค์กรหนึ่งแห่ง และ Colocation คือการเปิดพื้นที่ให้หลายองค์กรเข้ามาใช้ Hyperscale ก็เป็นอีกระดับหนึ่ง

 

คำว่า Hyperscale ใช้กับ Data Center ที่ถูกออกแบบมาเพื่อรองรับการประมวลผลและการขยายระบบในระดับมหาศาล

 

IBM ระบุว่า Hyperscale Data Center ถูกออกแบบสำหรับงานขนาดใหญ่มาก ต้องสามารถขยายทรัพยากรได้อย่างรวดเร็ว และถูกใช้งานอย่างกว้างขวางกับ AI, Automation, Data Analytics, Data Storage และ Data Processing

 

ผู้ให้บริการ Cloud รายใหญ่ เช่น AWS, Microsoft Azure และ Google Cloud ล้วนมีโครงสร้างพื้นฐานในระดับ Hyperscale

 

สิ่งที่ทำให้ Hyperscale แตกต่างจึงไม่ใช่แค่ “อาคารใหญ่” แต่เป็นเรื่องของ Scale

เพราะเมื่อผู้ให้บริการต้องรองรับผู้ใช้จำนวนมหาศาล ระบบก็ต้องออกแบบให้เพิ่มเซิร์ฟเวอร์ เพิ่มพื้นที่จัดเก็บข้อมูล เพิ่มระบบเครือข่าย และเพิ่มกำลังไฟฟ้าได้อย่างต่อเนื่อง

 

IEA จึงแยก Data Center ออกเป็นกลุ่มสำคัญ ได้แก่ Enterprise, Colocation/Server Provider และ Hyperscale ในการวิเคราะห์แนวโน้มการใช้ไฟฟ้า

 

 

5. Edge Data Center - ไม่ได้แข่งกันที่ “ใหญ่” แต่แข่งกันที่ “ใกล้”

ถ้า Hyperscale แข่งกันที่ขนาด Edge Data Center กลับเดินไปอีกทาง

เพราะมันคือการทำให้การประมวลผลอยู่ใกล้ผู้ใช้งานมากขึ้น

 

แนวคิดของ Edge Computing คือการนำการประมวลผลและการจัดเก็บข้อมูลออกจากศูนย์กลางขนาดใหญ่ แล้วกระจายบางส่วนออกไปใกล้แหล่งกำเนิดข้อมูลหรือผู้ใช้งาน

 

Uptime Institute อธิบายว่า Edge สามารถอยู่ตั้งแต่บริเวณโรงงาน จุดให้บริการของผู้ให้บริการโทรคมนาคม เสาสัญญาณ ไปจนถึงอาคารอัจฉริยะ และมีเป้าหมายสำคัญ เช่น ลด Latency ลดปริมาณข้อมูลที่ต้องส่งกลับศูนย์กลาง และรองรับ IoT, 5G และการวิเคราะห์ข้อมูล

 

AWS ก็ใช้แนวคิด Local Zones และ Wavelength Zones เพื่อวางทรัพยากรประมวลผลให้ใกล้ผู้ใช้งานมากขึ้น โดย Wavelength Zones ถูกออกแบบให้รองรับแอปพลิเคชันที่ต้องการ Latency ต่ำมากกับอุปกรณ์ 5G

 

ตัวอย่างการใช้งาน เช่น รถยนต์อัจฉริยะ รถส่งข้อมูลจำนวนมากออกมา หากต้องส่งทุกอย่างไปประมวลผลที่ Data Center ซึ่งอยู่ห่างไกลแล้วรอผลตอบกลับ อาจเกิดความล่าช้า

 

โรงงาน - กล้องและเซ็นเซอร์ในสายการผลิตสามารถสร้างข้อมูลจำนวนมหาศาล หากต้องส่งทุกข้อมูลออกไปยังศูนย์กลาง อาจทำให้เกิด Traffic บนเครือข่ายและเพิ่ม Latency

 

5G และ Smart City - ข้อมูลจากกล้อง ระบบจราจร และอุปกรณ์ IoT สามารถประมวลผลใกล้พื้นที่ใช้งานมากขึ้น

 

ดังนั้น Edge Data Center จึงอาจไม่ได้ใช้ไฟในระดับเดียวกับ Hyperscale แต่ก็มีบทบาทสำคัญในระบบดิจิทัล เพราะเน้น ความเร็วและตำแหน่งที่ตั้ง

 

พูดง่ายๆ Edge Data Center ก็คือการ “เอาศูนย์ประมวลผลไปตั้งใกล้คนและเครื่องจักร" เหมาะกับ 5G รถยนต์ไร้คนขับ Smart City IoT กล้องวงจรปิด ระบบอุตสาหกรรม หรือ AI ที่ต้องประมวลผลแบบเรียลไทม์

 

 

6. AI Data Center - จุดเปลี่ยนสำคัญของยุคใหม่

และนี่คือประเภทที่ทำให้คำถามเรื่อง “ดาต้าเซ็นเตอร์กินไฟแค่ไหน” กลับมาเป็นประเด็นใหญ่ทั่วโลก เพราะ AI ไม่ได้ต้องการเพียงพื้นที่เก็บข้อมูล แต่ต้องการ กำลังประมวลผลจำนวนมหาศาล

 

AI Data Center จึงมักถูกออกแบบให้รองรับ GPU หรือ Accelerator จำนวนมากสำหรับงาน เช่น

• การฝึกโมเดล AI
• Generative AI
• การประมวลผลคำสั่งของ AI
• Machine Learning
• High-performance computing
• Data Analytics ขนาดใหญ่

 

IEA ระบุว่าเซิร์ฟเวอร์โดยเฉลี่ยคิดเป็นประมาณ 60% ของการใช้ไฟฟ้าในดาต้าเซ็นเตอร์สมัยใหม่ แต่สัดส่วนดังกล่าวแตกต่างกันมากตามประเภทของศูนย์ข้อมูล

 

สิ่งที่เปลี่ยนไปอย่างชัดเจนคือ Power Density (ความหนาแน่นของกำลังไฟฟ้าต่อพื้นที่ เช่น ไฟฟ้าที่ใช้ต่อ 1 ตู้ Rack หรือ 1 ตารางเมตร)

 

เมื่อมี GPU จำนวนมากอยู่ใน Rack เดียวกัน ความต้องการไฟฟ้าต่อพื้นที่และความร้อนที่ต้องระบายออกก็เพิ่มขึ้น

 

IEA ระบุว่า AI กำลังเร่งการติดตั้งเซิร์ฟเวอร์แบบ Accelerated ซึ่งทำให้ Power Density ของ Data Center เพิ่มขึ้น และในกรณีฐานของ IEA การใช้ไฟฟ้าของ Accelerated Servers มีแนวโน้มเติบโตประมาณ 30% ต่อปีระหว่าง 2024–2030 ขณะที่การใช้ไฟของ Conventional Servers เติบโตประมาณ 9% ต่อปี

 

จึงเป็นเหตุผลว่าทำไม Data Center สำหรับ AI จึงถูกจับตามองมากกว่าศูนย์ข้อมูลแบบเดิม

 

 

แล้ว AI Data Center ใช้ไฟมากแค่ไหน?

ตัวเลขหนึ่งที่ช่วยให้เห็นภาพคือ IEA ระบุว่า

Data Center แบบทั่วไปอาจมีกำลังไฟฟ้าในระดับประมาณ 10–25 MW

ขณะที่ Hyperscale Data Center ที่เน้น AI อาจมีขนาด 100 MW หรือมากกว่า

แต่ต้องระวังการนำตัวเลขนี้ไปตีความว่า “ทุก AI Data Center ใช้ 100 MW”

 

เพราะ IEA กำลังพูดถึงระดับกำลังไฟฟ้าของศูนย์ข้อมูลในลักษณะตัวอย่างของขนาด ไม่ใช่ค่าเฉลี่ยหรือมาตรฐานบังคับสำหรับ AI Data Center ทุกแห่ง

 

ความแตกต่างจึงอยู่ที่ ชนิดของงาน จำนวนเซิร์ฟเวอร์ ประสิทธิภาพของอุปกรณ์ อัตราการใช้งาน และการออกแบบระบบ

 

AI ยิ่งแรง ความร้อนยิ่งสูง และระบบทำความเย็นยิ่งสำคัญ

ประเด็นนี้เป็นเหตุผลที่ Data Center ยุค AI ไม่ได้เปลี่ยนแค่จำนวนเซิร์ฟเวอร์ แต่กำลังเปลี่ยนวิธีออกแบบอาคารด้วย

 

เพราะ เมื่อ GPU ทำงานหนัก พลังงานไฟฟ้าที่ใช้ก็ถูกเปลี่ยนเป็นความร้อนจำนวนมาก ความร้อนนั้นต้องถูกนำออกจากพื้นที่อย่างต่อเนื่อง เพราะอุปกรณ์ต้องทำงานภายใต้เงื่อนไขอุณหภูมิที่เหมาะสม

 

Data Center แบบเดิมจำนวนมากพึ่งพาการจัดการอากาศและระบบทำความเย็น ขณะที่ระบบประมวลผลความหนาแน่นสูงกำลังผลักดันให้เกิดการใช้ Liquid Cooling ในงานที่เหมาะสม

 

กระทรวงพลังงานสหรัฐฯ มีทั้งแนวทางและกรณีศึกษาด้าน Data Center ที่ใช้ Liquid Cooling และเทคโนโลยีเพิ่มประสิทธิภาพการใช้พลังงานและน้ำ

 

ดังนั้น เมื่อพูดถึง AI Data Center จึงไม่ใช่เพียงเรื่อง “GPU ใช้ไฟเท่าไร” แต่ต้องมองต่อไปถึง GPU → ไฟฟ้า → ความร้อน → ระบบ Cooling → ไฟฟ้าและทรัพยากรเพิ่มเติม

 

และ “น้ำ” ก็ไม่ได้เท่ากันทุก Data Center

นอกจากไฟฟ้าแล้ว สิ่งที่เริ่มถูกตั้งคำถามมากขึ้นคือ การใช้น้ำ แต่เช่นเดียวกับไฟฟ้า การพูดว่า “Data Center ใช้น้ำมาก” โดยไม่มีรายละเอียดก็อาจทำให้เข้าใจคลาดเคลื่อน

 

งานวิจัยที่จัดทำโดยนักวิจัยจาก Lawrence Berkeley National Laboratory และเผยแพร่ในปี 2025 พบว่าการใช้น้ำของ Data Center ต่อ Workload สามารถแตกต่างกันมากกว่า 10,000 เท่า

 

โดยมีปัจจัยสำคัญ เช่น ประสิทธิภาพของเซิร์ฟเวอร์ ประเภทระบบ Cooling ประสิทธิภาพโครงสร้างพื้นฐาน สภาพภูมิอากาศ และลักษณะของไฟฟ้าที่ใช้

 

นั่นหมายความว่า Data Center สองแห่งที่ประมวลผล Workload ใกล้เคียงกัน ไม่จำเป็นต้องใช้น้ำเท่ากัน เพราะระบบทำความเย็นที่เลือกใช้ ตำแหน่งที่ตั้ง และประสิทธิภาพของอุปกรณ์ ล้วนมีผล

 

และคำถามที่สำคัญกว่าคือ “ดาต้าเซ็นเตอร์แห่งนั้นทำอะไร”

 

ท้ายที่สุดแล้ว การถามว่า

“ดาต้าเซ็นเตอร์ใช้ไฟกี่เมกะวัตต์?” อาจไม่ใช่คำถามที่ดีที่สุด คำถามที่ควรถามให้ครบคือ

“เป็น Data Center แบบไหน?” “รองรับ Workload อะไร?” “มี IT Load เท่าไร?” “ใช้ไฟทั้งหมดเท่าไร?” “PUE เท่าไร?” “ระบบ Cooling เป็นแบบไหน?” “ใช้น้ำเท่าไรและมาจากไหน?” และ “โหลดไฟฟ้านี้จะเกิดขึ้นที่ไหนและเมื่อไร?”

 

เพราะ Data Center ที่เก็บข้อมูลขององค์กรขนาดหนึ่ง กับ Data Center ที่อัด GPU เพื่อฝึกโมเดล AI ขนาดใหญ่ อาจใช้โครงสร้างพื้นฐานและพลังงานแตกต่างกันอย่างมีนัยสำคัญ

 

IEA ประเมินว่าในกรณีฐาน การใช้ไฟฟ้าของ Data Center ทั่วโลกจะเพิ่มจากประมาณ 415 TWh ในปี 2024 เป็นราว 945 TWh ในปี 2030 ขณะที่การใช้ไฟของ Accelerated Servers ซึ่งเชื่อมโยงอย่างใกล้ชิดกับ AI เติบโตเร็วกว่าการใช้ไฟของเซิร์ฟเวอร์ทั่วไปอย่างชัดเจน

 

ดังนั้น ในยุคที่ AI กำลังเร่งการลงทุน Data Center การถกเถียงจึงไม่ควรหยุดอยู่ที่คำถามว่า “เราควรมี Data Center หรือไม่?”

 

แต่ควรไปถึงคำถามที่ละเอียดกว่านั้นว่า

“เรากำลังจะสร้าง Data Center แบบไหน ใช้พลังงานเท่าไร ใช้น้ำเท่าไร ใช้ไฟฟ้าจากไหน และพื้นที่นั้นมีโครงสร้างพื้นฐานเพียงพอที่จะรองรับหรือไม่?”

 

เพราะ Data Center ไม่ได้มีแค่แบบเดียว และคำว่า “Data Center” เพียงคำเดียวไม่สามารถบอกได้ว่าศูนย์ข้อมูลแห่งนั้นจะใช้พลังงานมากน้อยเพียงใด

 

 

 

 

แหล่งข้อมูลหลัก:

IEA — Energy and AI — รายงานหลักเรื่องความต้องการพลังงานของ Data Center และ AI

IEA — Energy demand from AI — ข้อมูลสัดส่วนการใช้ไฟของ Server, Storage, Network และ Cooling รวมถึงแนวโน้มปี 2030

U.S. Department of Energy — Cooling Water Efficiency Opportunities for Federal Data Centers — PUE และ WUE

IBM — What Is a Data Center? — Enterprise, Cloud, Hyperscale, Edge และ Colocation

AWS — Regions and Availability Zones — โครงสร้าง Region, Availability Zone และ Edge

Lawrence Berkeley National Laboratory — Water Use of Data Center Workloads — ปัจจัยที่ทำให้การใช้น้ำของ Data Center แตกต่างกันอย่างมาก