Phát triển AI bền vững: Bài toán năng lượng đặt ra với Việt Nam
Sự bùng nổ của AI đang làm gia tăng áp lực lên hệ thống năng lượng và mục tiêu giảm phát thải tại nhiều quốc gia. Những thách thức này là vấn đề Việt Nam cần tính đến trong quá trình phát triển hạ tầng số, thúc đẩy ứng dụng công nghệ chiến lược theo định hướng của Nghị quyết 57-NQ/TW.

Biểu tượng của OpenAI và ChatGPT. Ảnh: AFP/TTXVN
Theo Bloomberg, lượng khí thải từ AI phụ thuộc vào nhiều yếu tố, không chỉ là nền tảng được sử dụng mà còn bao gồm địa điểm xử lý yêu cầu, nguồn năng lượng cung cấp cho trung tâm dữ liệu, công nghệ bán dẫn và hệ thống làm mát. Trong khi đó, các công ty AI lớn nhất tại Mỹ vẫn chưa công bố báo cáo chi tiết về mức tiêu thụ năng lượng và lượng phát thải, một phần do lo ngại phải tiết lộ thông tin kỹ thuật.
Trước thực tế này, các nhà nghiên cứu đang tìm cách xây dựng phương pháp đo lường đáng tin cậy hơn để giúp doanh nghiệp, cơ quan quản lý và người sử dụng đánh giá tác động môi trường của AI. Ông John Bistline, Giám đốc khoa học tại Watershed - đơn vị hỗ trợ các công ty AI đo lường và báo cáo tác động môi trường – cho biết nhu cầu về những ước tính đáng tin cậy đối với lượng khí thải từ AI đang gia tăng.
Nhu cầu năng lượng tăng theo quy mô ứng dụng
Khi người dùng gửi yêu cầu đến chatbot, dữ liệu được chuyển đến trung tâm dữ liệu và xử lý bằng các linh kiện bán dẫn, chủ yếu là bộ xử lý đồ họa (GPU) được tối ưu hóa cho các tác vụ AI. Các chip này thực hiện hàng tỷ phép tính để tạo câu trả lời, đồng thời tiêu thụ lượng điện năng lớn và sinh ra nhiệt, đòi hỏi hệ thống làm mát hoạt động liên tục.
Theo báo cáo của bà Sasha Luccioni, đồng sáng lập kiêm Giám đốc khoa học tại Sustainable AI Group và công ty khởi nghiệp AI Hugging Face, hoạt động làm mát có thể chiếm tới 40% tổng năng lượng tiêu thụ tại một trung tâm dữ liệu.
Báo cáo năm 2024 của Viện Nghiên cứu Điện lực (EPRI) ước tính một câu lệnh trên ChatGPT, đối với các mô hình AI đời đầu, tiêu thụ lượng điện trung bình gấp 10 lần so với một lượt tìm kiếm thông thường trên Google. Mức tiêu thụ thực tế còn tùy thuộc độ phức tạp của yêu cầu: một câu hỏi đơn giản cần câu trả lời ngắn sẽ tiêu tốn ít năng lượng hơn truy vấn đòi hỏi xử lý những vấn đề phức tạp.
Việc sử dụng AI để tạo hình ảnh, video hoặc triển khai các tác nhân tự hành (agent) có khả năng thực hiện nhiệm vụ gồm nhiều bước cũng làm tăng nhu cầu tính toán. Phân tích của công ty đánh giá hiệu năng Vals AI cho thấy việc sử dụng AI để xây dựng một ứng dụng phần mềm có thể gây tác động môi trường lớn gấp 10.000 lần so với một truy vấn đơn giản.
Một ước tính khác cho thấy tác vụ tự hành trên mô hình Claude Fable tiêu thụ khoảng 76,2 watt-giờ điện năng, tương đương lượng điện cần để sạc điện thoại thông minh bốn lần. Khi các nền tảng AI tiếp nhận hàng tỷ yêu cầu mỗi ngày, mức tiêu thụ riêng lẻ tuy không lớn nhưng tổng lượng điện năng và khí thải tích tụ có thể trở thành vấn đề đáng kể.
Tác động môi trường của AI cũng không chỉ giới hạn ở giai đoạn vận hành. Các nhà nghiên cứu đang xem xét toàn bộ vòng đời công nghệ, từ khai thác nguyên liệu sản xuất chip, xây dựng trung tâm dữ liệu, lắp đặt hệ thống làm mát đến xử lý thiết bị lỗi thời. Theo tổ chức phi lợi nhuận về môi trường RMI, riêng lượng xi măng sử dụng để xây dựng cơ sở hạ tầng AI tại Mỹ từ nay đến năm 2030 có thể tạo ra lượng khí nhà kính tương đương mức phát thải của 415.000 ô tô trong một năm.

Quạt thông gió làm mát trên mái của trung tâm dữ liệu Digital Realty tại Ashburn, Virginia, Mỹ. Ảnh: Getty Images
Khác biệt về mô hình và nguồn năng lượng
Mức tiêu thụ điện và lượng phát thải giữa các mô hình AI có sự khác biệt. Nhà nghiên cứu Nidhal Jegham thuộc Sustainable AI đã xây dựng một bảng điều khiển mã nguồn mở nhằm so sánh mức tiêu thụ năng lượng và lượng khí thải carbon ước tính của nhiều mô hình. Theo nhóm nghiên cứu, kết quả phụ thuộc vào kích thước lô xử lý, số lượng và chủng loại chip được sử dụng, cũng như mức năng lượng tiêu thụ trên mỗi token - đơn vị cơ bản của dữ liệu mà mô hình tiếp nhận và tạo ra.
Một số mô hình AI tiên tiến của Mỹ, trong đó có ChatGPT 5.6 Terra, dường như tiêu thụ nhiều năng lượng hơn các mô hình tương đương của Trung Quốc như Qwen thuộc Tập đoàn Alibaba. Một nguyên nhân được đề cập là sự khác biệt về kiến trúc xử lý. Các mô hình Trung Quốc thường sử dụng kiến trúc lập luận, chia những tác vụ phức tạp thành các bước nhỏ, tuần tự, thay vì kích hoạt toàn bộ mạng thần kinh cho mỗi token được tạo ra.
Tuy nhiên, mô hình nhỏ hơn không phải lúc nào cũng tiết kiệm năng lượng hơn đáng kể, bởi chúng có thể cần tạo ra nhiều token hơn để hoàn thành yêu cầu. Nhìn chung, các mô hình càng tiên tiến và phức tạp thường càng cần nhiều phép tính để tạo phản hồi, qua đó làm tăng mức tiêu thụ điện.
Địa điểm đặt trung tâm dữ liệu cũng ảnh hưởng trực tiếp đến lượng phát thải. Một yêu cầu được xử lý tại Copenhagen có thể tạo ra lượng khí thải carbon thấp hơn so với khi xử lý tại Charleston, do cơ cấu sản xuất điện ở châu Âu có tỷ trọng nhiên liệu hóa thạch thấp hơn Mỹ. Các trung tâm dữ liệu tại Scandinavia sử dụng phần lớn năng lượng từ gió, mặt trời và thủy điện.
Tháng 9 vừa qua, Google thông báo đầu tư 15,1 tỷ USD vào cơ sở hạ tầng AI tại Phần Lan, một phần nhờ khí hậu lạnh và nguồn năng lượng không phát thải carbon của quốc gia Bắc Âu này. Pháp cũng đang phát triển năng lực tính toán phục vụ AI, với phần lớn nguồn điện đến từ năng lượng hạt nhân và năng lượng tái tạo.
Trong khi đó, nhu cầu điện ngày càng lớn tại Mỹ làm gia tăng nguy cơ phụ thuộc vào nhiên liệu hóa thạch. Theo phân tích của tổ chức phi lợi nhuận về môi trường Sierra Club, nếu các trung tâm dữ liệu mới tại Mỹ được xây dựng đúng tiến độ theo giấy phép hiện hành, đến năm 2030, lượng khí thải carbon từ các cơ sở này có thể vượt tổng lượng phát thải của Mexico.
Dữ liệu của Global Energy Monitor cho thấy công suất các nhà máy điện khí được đề xuất gắn với trung tâm dữ liệu tại Mỹ trong nửa đầu năm 2026 đạt 189 gigawatt, gấp đôi cả năm 2025. Hiện quy mô các nhà máy điện khí đang được xây dựng tại Mỹ lớn gấp đôi so với Trung Quốc.
Trung Quốc đang đẩy mạnh phát triển năng lượng gió và mặt trời nhằm hỗ trợ năng lực cạnh tranh trong lĩnh vực AI. Tuy nhiên, hệ thống điện của nước này vẫn phụ thuộc đáng kể vào than đá. Vì vậy, việc so sánh dấu chân carbon giữa các nền tảng AI của Mỹ và Trung Quốc cần tính đến cả hiệu suất của mô hình lẫn cơ cấu nguồn điện tại từng quốc gia.
Yêu cầu minh bạch ngày càng lớn
Một vấn đề đáng chú ý là cam kết phát thải ròng bằng không của doanh nghiệp không đồng nghĩa với việc trung tâm dữ liệu hoàn toàn không tạo ra khí nhà kính. Nhiều công ty sử dụng chứng chỉ năng lượng tái tạo để bù đắp lượng phát thải thông qua việc chi trả cho năng lượng sạch được sản xuất ở nơi khác, trong khi hoạt động thực tế vẫn có thể phụ thuộc vào lưới điện địa phương sử dụng nhiều nhiên liệu hóa thạch.
Người tiêu dùng, nhà đầu tư, doanh nghiệp và cơ quan quản lý đang yêu cầu các công ty AI cung cấp dữ liệu chi tiết hơn. Những thông tin này giúp đánh giá tác động môi trường, chi phí vận hành, ảnh hưởng đối với cộng đồng và khả năng thực hiện các mục tiêu phát triển bền vững. Theo công ty nghiên cứu đầu tư Morningstar, việc thiếu minh bạch trong công bố thông tin đã hạn chế khả năng đánh giá hiệu quả môi trường và hiệu suất sử dụng tài nguyên của các nhà đầu tư.
Một số doanh nghiệp công nghệ cho biết đang nỗ lực cải thiện hiệu suất năng lượng. Trong báo cáo môi trường năm 2026, Google ước tính một yêu cầu văn bản trung bình trên các ứng dụng Gemini tiêu thụ 0,24 watt-giờ điện, tương đương với việc xem truyền hình trong chưa đầy 9 giây. Công ty cho biết trong giai đoạn 2024-2025, mức tiêu thụ năng lượng cho mỗi yêu cầu văn bản giảm 33 lần và dấu chân carbon giảm 44 lần nhờ cải tiến phần mềm, phần cứng và nghiên cứu.
Google cũng khẳng định các chip TPU do công ty tự phát triển có hiệu suất năng lượng tốt hơn GPU. Tuy nhiên, theo ông Jegham, việc các nhà nghiên cứu bên ngoài không thể mua hoặc trực tiếp nghiên cứu những chip này, cùng với việc công ty công bố hạn chế dữ liệu kỹ thuật, khiến việc kiểm chứng các tuyên bố về hiệu suất gặp khó khăn.
Theo Delta Electronics, nhà sản xuất thiết bị xanh có trụ sở tại Đài Loan (Trung Quốc), nếu hiệu suất cung cấp điện trung bình được cải thiện thêm 0,5%, mức tiêu thụ điện của các trung tâm dữ liệu có thể giảm khoảng 5 terawatt-giờ mỗi năm, tương đương cắt giảm 2 triệu tấn khí thải carbon dioxide.
Ông Bistline cho rằng doanh nghiệp không nhất thiết phải chờ có dữ liệu hoàn chỉnh mới bắt đầu giảm tác động môi trường. Việc lựa chọn mô hình AI tiết kiệm năng lượng hơn và đặt trung tâm dữ liệu tại những khu vực có nguồn cung điện sạch hơn có thể tạo ra khác biệt đáng kể. Theo ông, lựa chọn mô hình phù hợp có thể tạo ra chênh lệch tới 30 lần về mức tiêu thụ năng lượng khi thực hiện cùng một tác vụ.
Về chính sách, tại Mỹ, bang California đang triển khai các yêu cầu công bố riêng đối với phát thải phạm vi 1 và phạm vi 2, đồng thời dự kiến áp dụng yêu cầu đối với phát thải phạm vi 3 từ năm tới. Các quy định này áp dụng đối với doanh nghiệp có doanh thu hằng năm trên 1 tỷ USD và hoạt động tại bang. Trong khi đó, khuôn khổ công bố thông tin về tính bền vững CSRD của Liên minh châu Âu đã tác động đến các doanh nghiệp có trụ sở trong khu vực và dự kiến mở rộng sang các tập đoàn đa quốc gia trong những năm tới. Các khuôn khổ quốc tế như ISSB cũng góp phần thúc đẩy yêu cầu minh bạch về tác động môi trường.
Đối với Việt Nam, những vấn đề đặt ra từ quá trình phát triển AI trên thế giới cho thấy yêu cầu cân bằng giữa mở rộng năng lực công nghệ và sử dụng hiệu quả tài nguyên. Nghị quyết 57-NQ/TW về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia xác định AI là một trong những công nghệ chiến lược cần ưu tiên phát triển. Bên cạnh đầu tư hạ tầng dữ liệu, năng lực tính toán và nguồn nhân lực, việc chú trọng hiệu suất sử dụng năng lượng, lựa chọn công nghệ tiết kiệm tài nguyên và nâng cao trách nhiệm môi trường trong xây dựng, vận hành trung tâm dữ liệu cũng là những vấn đề cần được quan tâm. Thực tiễn quốc tế cho thấy năng lực cạnh tranh trong lĩnh vực AI không chỉ phụ thuộc vào quy mô và tốc độ xử lý mà còn gắn với hiệu quả sử dụng năng lượng và tính bền vững trong dài hạn.



