Dự báo nhu cầu năng lượng cho các trung tâm dữ liệu AI trên toàn cầu vào năm 2030

An ninh năng lượng Việt Nam trong kỷ nguyên biến động (phát biểu của VEA tại Diễn đàn tương lai ASEAN 2026) Tại Diễn đàn tương lai ASEAN 2026, ngày 10/6/2026 tại Hà Nội, TS. Nguyễn Anh Tuấn - Phó Chủ tịch Hiệp hội Năng lượng Việt Nam (VEA), thành viên Hội đồng Khoa học Tạp chí Năng lượng Việt Nam đã có bài phát biểu về “Chiến lược an ninh năng lượng Việt Nam trong kỷ nguyên biến động”. Dưới đây là một số nội dung chính của tham luận tại Diễn đàn.

Theo INWEH: Đến năm 2030, các trung tâm dữ liệu toàn cầu phục vụ cho AI sẽ tiêu thụ 945 terawatt-giờ điện, bằng gần gấp 3 lần tổng lượng điện sử dụng hàng năm của Pakistan, Bangladesh và Nigeria (có dân số hơn 650 triệu người) và tạo ra lượng khí thải tương đương với Vương quốc Anh. Còn lượng nước dùng cho làm mát nhiều hơn nhu cầu nước uống hàng năm của toàn bộ dân số thế giới gộp lại.

AI tăng, mọi thứ sẽ tăng theo:

Báo cáo cũng dự đoán việc sử dụng AI sẽ tuân theo một nguyên tắc kinh tế được gọi là “nghịch lý Jevons” (JP). JP dự báo: Khi những cải tiến công nghệ làm tăng hiệu quả của một nguồn tài nguyên, nó sẽ dẫn đến sự gia tăng, chứ không phải giảm, trong tổng mức tiêu thụ của nguồn tài nguyên đó.

Nghịch lý JP được đặt theo tên của nhà kinh tế học William Stanley Jevons (Anh) - người đã quan sát thấy hiệu ứng này với việc sử dụng than đá ở Anh thế kỷ 19. Việc tăng hiệu quả không làm giảm tổng mức tiêu thụ. Thay vào đó, chi phí thấp hơn dẫn đến việc mở rộng sử dụng và nhu cầu tổng thể cao hơn.

Khi các mô hình AI trở nên rẻ và hấp dẫn hơn, báo cáo dự báo điều này sẽ khuyến khích các ứng dụng mới và khối lượng sử dụng cao hơn, làm xói mòn và có thể xóa bỏ bất kỳ khoản tiết kiệm nào từ những tiến bộ về hiệu quả.

Ngoài ra, khi các trung tâm dữ liệu tiếp tục bùng nổ trên khắp thế giới, các nhà nghiên cứu cảnh báo về một sự nới rộng của “khoảng cách kỹ thuật số”, trong đó các nước giàu có thể đầu tư vào cơ sở hạ tầng AI, trong khi các quốc gia có thu nhập thấp hơn phải vật lộn để tiếp cận và tham gia vào nền kinh tế AI.

Để so sánh, năm ngoái, các trung tâm dữ liệu đã tiêu thụ lượng điện năng tương đương với Ả Rập Xê Út - quốc gia đứng thứ 11 thế giới về tiêu thụ điện năng. Nếu mức sử dụng điện tăng gấp đôi như dự kiến ​​vào năm 2030, lượng khí thải carbon liên quan sẽ cần 6,7 tỷ cây xanh được trồng trong vòng 10 năm để bù đắp nhu cầu này. Các trung tâm dữ liệu cũng sẽ cần 9,3 nghìn tỷ lít nước và diện tích đất gần gấp 10 lần Thành phố Mexico.

Ngoài việc sử dụng tài nguyên, báo cáo cũng nhấn mạnh sự bất bình đẳng về cấu trúc cốt lõi trong sự bùng nổ AI, với chỉ 32 quốc gia sở hữu cơ sở hạ tầng đám mây dành riêng cho AI và 90% công suất đó nằm ở Hoa Kỳ và Trung Quốc.

Tại Ireland, các trung tâm dữ liệu chiếm tới 21% tổng lượng điện đo được vào năm 2023, vượt quá lượng điện sử dụng của tất cả các hộ gia đình thành thị cộng lại. Nhà vận hành lưới điện quốc gia của nước này sau đó đã phải tạm dừng cấp phép mới cho các trung tâm dữ liệu xung quanh Dublin cho đến năm 2028. Các trung tâm dữ liệu lớn có thể tiêu thụ tới 19 triệu lít nước mỗi ngày để giữ mát cho các máy chủ.

Báo cáo cảnh báo về sự phân hóa kỹ thuật số ngày càng gia tăng giữa các quốc gia xây dựng, kiểm soát hệ thống AI và các quốc gia tiêu thụ chúng, trong đó các quốc gia tiêu thụ thường phải gánh chịu gánh nặng môi trường không cân xứng do khai thác khoáng sản và rác thải điện tử.

Hãy sử dụng AI có trách nhiệm:

Để tránh rơi vào cái bẫy này, báo cáo đưa ra lộ trình sử dụng AI có trách nhiệm dựa trên các nguyên tắc hướng dẫn về tính minh bạch, hiệu quả ngay từ khâu thiết kế, công bằng, chính nghĩa, trách nhiệm vòng đời, hợp tác toàn cầu và sử dụng bền vững.

Sử dụng AI có trách nhiệm dựa trên hai lực lượng chính định hình dấu ấn hoạt động của AI: Đó là chúng ta sử dụng nó nhiều hay ít và cách chúng ta sử dụng nó như thế nào. Điều này bao gồm tất cả các nhiệm vụ mà mô hình AI thực hiện - từ tạo văn bản và mã, đến hình ảnh, video. Mỗi nhiệm vụ này đòi hỏi mức độ nỗ lực tính toán khác nhau. Việc lựa chọn mô hình cũng rất quan trọng, vì mỗi hệ thống AI thực hiện các nhiệm vụ này với chi phí năng lượng và môi trường riêng biệt.

Báo cáo lập luận rằng: Những người phát triển AI có trách nhiệm quản trị toàn bộ chuỗi giá trị - từ khai thác khoáng sản, đến tái chế và xử lý an toàn. Báo cáo kêu gọi sự kết hợp giữa năng lực và quản lý môi trường - suy nghĩ về cả những gì AI có thể làm cho chúng ta và việc bảo vệ môi trường tự nhiên. Do đó, việc công bố thông tin môi trường phải là một phần thường xuyên trong quá trình phát triển AI (ở cả cấp độ mô hình, nhiệm vụ) và việc kết hợp nhu cầu AI dự kiến ​​vào quy hoạch khí hậu và năng lượng. AI có trách nhiệm rất quan trọng khi các quốc gia đang thúc đẩy và áp dụng AI trong chính phủ và khu vực công.

Tại New Zealand, Chính phủ đã ban hành chiến lược AI quốc gia và khung AI dịch vụ công. Mặc dù khung này được xây dựng dựa trên các nguyên tắc AI dựa trên giá trị của OECD (bao gồm phát triển toàn diện và bền vững), nhưng không có yêu cầu về công bố thông tin môi trường và không có cơ quan quản lý nào tổng hợp việc sử dụng năng lượng, hoặc lượng khí thải.

Tương tự, tại Úc, việc cải thiện khu vực công cũng đang được tiến hành. Việc ứng dụng AI là một phần của kế hoạch quốc gia. Ví dụ, Kho lưu trữ phim và âm thanh Quốc gia Úc đã tạo ra Bowerbird - một công cụ chuyển đổi âm thanh và video hàng loạt dựa trên học máy, để ghi lại tài liệu. Bộ Cựu chiến binh Úc cũng phát triển một công cụ thử nghiệm để xem liệu AI có thể giúp tăng tốc quá trình xử lý yêu cầu bồi thường hay không.

Cả hai quốc gia đều áp dụng cách tiếp cận quản lý AI một cách thận trọng và dựa trên nguyên tắc. Nhưng cách tiếp cận này có nguy cơ bỏ qua chi phí môi trường ngày càng tăng của AI mà không thể giải quyết bằng cách cải thiện nó. Môi trường tự nhiên là nền tảng của nền kinh tế, văn hóa và hạnh phúc. Nó nên là trọng tâm trong tư duy của chúng ta. Đã đến lúc phải suy nghĩ lại về chiến lược đổi mới AI và chuyển trọng tâm sang một tương lai công nghệ bền vững.

Năm lý do chính khiến các trung tâm AI sử dụng nhiều điện:

1. Sức mạnh tính toán của AI:

Các khối lượng công việc AI, đặc biệt là học sâu và các mô hình AI tạo sinh, đòi hỏi sức mạnh tính toán khổng lồ. Việc huấn luyện các mô hình như GPT-4, hoặc Gemini của Google liên quan đến việc xử lý hàng nghìn tỷ tham số, điều này đòi hỏi hàng nghìn GPU (Bộ xử lý đồ họa), hoặc TPU (Bộ xử lý tensor) hiệu năng cao. Các bộ xử lý chuyên dụng này tiêu thụ nhiều điện năng hơn so với CPU truyền thống.

2. Phần cứng AI:

Phần cứng được sử dụng trong các trung tâm dữ liệu AI tiêu tốn nhiều năng lượng hơn so với thiết bị điện toán tiêu chuẩn. GPU, TPU và FPGA (Field Programmable Gate Arrays) được thiết kế đặc biệt cho xử lý song song, nhưng hiệu quả này đi kèm với chi phí năng lượng khổng lồ. Một số yếu tố chính góp phần vào việc sử dụng điện năng cao trong các trung tâm dữ liệu AI bao gồm:

Mật độ lõi cao: Chip AI có nhiều lõi hơn bộ xử lý truyền thống, làm tăng nhu cầu điện năng.

Yêu cầu băng thông bộ nhớ: Các mô hình AI dựa trên bộ nhớ tốc độ cao như HBM (High Bandwidth Memory), tiêu thụ nhiều năng lượng hơn.

Chu kỳ suy luận và huấn luyện: Các mô hình AI liên tục được huấn luyện lại và tinh chỉnh, dẫn đến mức tiêu thụ điện năng liên tục.

3. Nhu cầu làm mát và cơ sở hạ tầng:

Mức tiêu thụ điện năng lớn cũng sinh ra nhiệt năng đáng kể. Phần cứng AI tạo ra lượng nhiệt khổng lồ, đòi hỏi các hệ thống làm mát phức tạp để duy trì hiệu quả và ngăn ngừa hỏng hóc phần cứng. Các phương pháp làm mát bằng không khí truyền thống thường không đáp ứng đủ nhu cầu, dẫn đến việc các trung tâm dữ liệu AI phải áp dụng: Giải pháp làm mát bằng chất lỏng (như làm mát trực tiếp lên chip); làm mát bằng cách ngâm (ngâm máy chủ trong chất lỏng làm mát) và hệ thống HVAC tiên tiến để điều chỉnh nhiệt độ. Chỉ riêng việc làm mát đã chiếm tới 40% tổng mức tiêu thụ năng lượng của trung tâm dữ liệu, khiến nó trở thành yếu tố quan trọng trong nhu cầu năng lượng của AI.

4. Truyền dẫn và lưu trữ dữ liệu liên tục:

Các ứng dụng AI phụ thuộc rất nhiều vào việc lưu trữ và truyền tải dữ liệu quy mô lớn. Các mô hình AI lớn yêu cầu hàng Petabyte dữ liệu, và việc truy cập dữ liệu này từ bộ nhớ đến các đơn vị xử lý liên quan đến việc truyền dẫn liên tục.

5. Sự trỗi dậy của AI trên quy mô lớn:

Nhu cầu về các dịch vụ và ứng dụng được hỗ trợ bởi AI đang tăng lên theo cấp số nhân. Các công ty đang triển khai AI cho mọi thứ - từ chatbot và hệ thống đưa ra đề xuất, đến xe tự hành, phân tích thời gian thực. Điều này có nghĩa là các trung tâm dữ liệu đang hoạt động hết công suất 24/7, không giống như cơ sở hạ tầng CNTT truyền thống, có thể có những khoảng thời gian nhàn rỗi.

Mặc dù nhu cầu năng lượng khổng lồ, nhưng ngành công nghiệp đang tích cực nghiên cứu các giải pháp để giảm mức tiêu thụ điện năng của trung tâm dữ liệu AI. Một số cải tiến bao gồm:

Chip AI tiết kiệm năng lượng: Các công ty như NVIDIA và Google đang phát triển các chip hiệu năng cao, nhưng tiêu thụ ít điện năng hơn.

Nguồn năng lượng tái tạo: Nhiều trung tâm dữ liệu AI đang có kế hoạch chuyển sang sử dụng năng lượng mặt trời, năng lượng gió và năng lượng thủy điện.

Tối ưu hóa năng lượng dựa trên AI: Công nghệ AI đang được triển khai tại các trung tâm dữ liệu để tối ưu hóa việc sử dụng năng lượng, dự đoán nhu cầu làm mát và cải thiện hiệu quả.

Công nghệ làm mát tiên tiến: Các phương pháp làm mát bằng chất lỏng mới và thậm chí cả nghiên cứu về điện toán lượng tử có thể giảm đáng kể nhu cầu năng lượng trong tương lai.

Tuy nhiên, nghịch lý JP sẽ lặp lại: Các trung tâm dữ liệu hiệu quả hơn sẽ dẫn tới nhu cầu lớn hơn, từ đó kéo theo nhu cầu điện tăng lên chứ không giảm./.

BBT TẠP CHÍ NĂNG LƯỢNG VIỆT NAM

Link tham khảo:

https://www.zmescience.com/science/2030-ai-forecast-electricity-water-use/

https://www.rcrwireless.com/20250318/featured/ai-data-centers-power