Thách thức năng lượng cho các trung tâm dữ liệu AI: Xu hướng và vấn đề

Ngày 1 tháng 7 năm 2026 – Ban Thư ký VAHC

Bài viết dựa trên bài trình bày của Tiến sĩ Cao Thúy Oanh, Trưởng nhóm R&D của Câu lạc bộ Hydro ASEAN Việt Nam (VAHC), Giảng viên Đại học Văn Hiến, tại Hội thảo chuyên đề "AI ⇄ Hydrogen: Lưỡng hướng tăng tốc cho kỷ nguyên năng lượng và trí tuệ" ngày 30/6/2026 tại TP.HCM.

AI đang trở thành hạ tầng cốt lõi của nền kinh tế số. Nhưng AI không chỉ là thuật toán. AI cần trung tâm dữ liệu. Và trung tâm dữ liệu cần điện.

Đầu năm 2025, Microsoft tuyên bố tiếp tục đầu tư hàng chục tỷ USD cho AI và trung tâm dữ liệu. AWS đang xây dựng các trung tâm dữ liệu AI với công suất hàng GW. Google đang ký hợp đồng mua điện hạt nhân cho AI.

Cuộc đua AI ngày nay không còn là cuộc đua thuật toán, mà đang dần trở thành cuộc đua năng lượng.

Phần I: AI bùng nổ và nhu cầu tính toán

Vì sao AI trở thành vấn đề năng lượng?

Trước đây, khi nói đến AI người ta nghĩ đến ChatGPT, Gemini, Claude, robot, xe tự lái. Nhưng phía sau tất cả là hàng triệu GPU, hàng ngàn máy chủ và hàng trăm MW điện. IEA gọi đây là AI-Energy Nexus – mối liên kết giữa AI và năng lượng.

Bảng 1: Từ AI App đến điện năng – Chuỗi giá trị năng lượng của AI

Lớp	Thành phần	Ý nghĩa năng lượng
Ứng dụng	ChatGPT, Gemini, Claude…	Nhu cầu người dùng tạo ra tải inference
Mô hình	GPT-4, Llama, Gemini…	Hàng tỷ tham số, yêu cầu tính toán khổng lồ
Hạ tầng tính toán	Cluster GPU (hàng chục ngàn GPU)	Tiêu thụ điện tập trung, mật độ cao
Nhà máy AI	AI Factory (trang trại GPU)	Vận hành 24/7, tải liên tục
Năng lượng	Điện từ lưới hoặc nguồn riêng	Yêu cầu công suất lớn, ổn định

Trong kỷ nguyên AI, hạ tầng tính toán và hạ tầng điện lực đang trở thành một.

Ví dụ điển hình: Ireland – từ "thiên đường Data Center" đến áp lực lưới điện

Ireland từng là điểm đến lý tưởng cho các trung tâm dữ liệu tại châu Âu nhờ khí hậu mát mẻ và chính sách thuế hấp dẫn. Nhưng hiện nay, trung tâm dữ liệu đã tiêu thụ hơn 20% điện quốc gia. Cơ quan quản lý điện Ireland đã phải hạn chế một số dự án mới. Đến năm 2030, các trung tâm dữ liệu dự kiến tiêu thụ 8,6 TWh điện, tương đương 20% tổng nhu cầu điện. Đây là minh chứng rõ ràng: AI không còn là câu chuyện trên Internet nữa – nó đang định hình lại toàn bộ hệ thống năng lượng.

AI Factory – Nhà máy sản xuất trí tuệ nhân tạo

Khác với trung tâm dữ liệu truyền thống (phục vụ cloud, website, email, lưu trữ dữ liệu), AI Factory là nơi huấn luyện mô hình AI, vận hành AI Agent, robot, xe tự hành và AI tạo sinh. Một trung tâm dữ liệu AI điển hình tiêu thụ điện tương đương 100.000 hộ gia đình.

Ví dụ: Colossus AI Factory của Elon Musk tại Memphis, Tennessee hiện có khoảng 100.000 GPU Nvidia và đang mở rộng lên 1.000.000 GPU. Đây là một trong những AI Factory lớn nhất thế giới.

Nếu Data Center là kho hàng thì AI Factory là nhà máy sản xuất trí tuệ nhân tạo hoạt động 24/7.

Phần II: Nhu cầu điện của AI tăng mạnh

Điện năng cho trung tâm dữ liệu đang tăng nhanh chưa từng có

Theo IEA, năm 2024, các trung tâm dữ liệu toàn cầu tiêu thụ khoảng 415 TWh điện, chiếm khoảng 1,5% tổng điện năng toàn cầu. Đến năm 2030, con số này dự kiến đạt 945 TWh – gần gấp đôi chỉ trong 6 năm.

Bảng 2: Tăng trưởng điện năng tiêu thụ của trung tâm dữ liệu toàn cầu

Năm	Điện năng tiêu thụ (TWh)	Tương đương	Tỷ trọng điện toàn cầu
2024	415	~1,5%	1,5%
2030	945	Tương đương tổng điện năng của Nhật Bản	~3%
Tăng trưởng	+127%	Gần gấp đôi	+1,5 điểm %

Nguồn: IEA, Energy and AI 2025

Con số 945 TWh vào năm 2030 tương đương với tổng sản lượng điện hàng năm của Nhật Bản.

AI không chỉ tiêu thụ dữ liệu, AI đang tiêu thụ điện với tốc độ chưa từng có.

AI đang trở thành khách hàng tiêu thụ điện lớn nhất trong trung tâm dữ liệu

Hiện nay, AI chiếm khoảng 5–15% tải điện của trung tâm dữ liệu. Đến năm 2030, con số này có thể đạt 35–50%. Có hai loại tải điện chính:

• Training (Huấn luyện): Tải lớn, kéo dài nhiều tuần, tiêu thụ điện cực lớn trong thời gian ngắn.

• Inference (Suy luận): Biến động liên tục, diễn ra 24/7 trên toàn thế giới.

Câu chuyện về Training và Inference – Vì sao AI tiêu thụ điện mãi mãi

Nhiều người nghĩ rằng sau khi huấn luyện xong một mô hình AI như GPT, nó sẽ không còn tốn điện nữa. Thực tế không phải vậy.

Giai đoạn 1: Training (Huấn luyện) – Giống như đào tạo một bác sĩ. GPT phải đọc hàng nghìn tỷ từ, học ngôn ngữ, học suy luận, học viết văn, học lập trình. Trong giai đoạn này, hàng chục ngàn GPU chạy liên tục trong nhiều tuần hoặc nhiều tháng, tiêu thụ điện cực lớn.

Ví dụ GPT-4: Một số nghiên cứu ước tính GPT-4 cần khoảng 20.000–25.000 GPU Nvidia A100 trong nhiều tuần đến vài tháng. Điện năng tiêu thụ cho training ước tính khoảng 50–100 GWh (Gigawatt-hour), tức 50.000.000–100.000.000 kWh. Dễ hình dung: Một hộ gia đình Việt Nam tiêu thụ khoảng 250 kWh/tháng. 100 GWh đủ cho khoảng 33.000 hộ gia đình dùng điện cả năm.

Giai đoạn 2: Inference – Sau khi training xong, mô hình bắt đầu phục vụ người dùng. Khi người dùng hỏi ChatGPT, Gemini, Claude hay Copilot, AI phải đọc câu hỏi, chạy mô hình và tạo câu trả lời. Mỗi lần như vậy, GPU lại hoạt động.

Ví dụ: OpenAI năm 2025 cho biết ChatGPT xử lý hơn 1 tỷ truy vấn mỗi ngày. Một truy vấn ChatGPT có thể tiêu thụ khoảng 0,3–3 Wh. 1 tỷ truy vấn/ngày × 1 Wh = 1 GWh/ngày. Một năm: 365 GWh – tương đương điện năng của hàng chục nghìn hộ gia đình.

Bảng 3: So sánh Training và Inference

Tiêu chí	Training	Inference
Tần suất	Một lần (hoặc vài lần/năm)	Liên tục, 24/7
Quy mô	Rất lớn (hàng chục ngàn GPU)	Phân tán, nhiều server
Thời gian	Nhiều tuần đến nhiều tháng	Mỗi giây, mỗi phút
Điện năng tiêu thụ	50–100 GWh (cho GPT-4)	Hàng trăm GWh/năm
Đặc điểm	Tải tập trung, cao	Tải phân tán, biến động

Training tạo ra AI. Nhưng Inference mới là thứ khiến AI tiêu thụ điện mỗi ngày. Chi phí điện của AI không kết thúc khi mô hình hoàn thành. Nó chỉ mới bắt đầu.

GPU đang thay đổi "hình dạng" của nhu cầu điện

Trung tâm dữ liệu truyền thống sử dụng CPU với tải ổn định. AI Factory sử dụng GPU với mật độ điện rất cao và tải biến động mạnh. Vấn đề mới không chỉ là tăng điện năng mà còn là tăng Peak Load (tải đỉnh) và Load Volatility (biến động tải).

Điều ngành điện lo nhất không phải tổng điện năng, mà là những cú nhảy công suất bất ngờ của AI.

Phần III: Các thách thức năng lượng

Thách thức số 1: Áp lực lên lưới điện

Các trung tâm dữ liệu AI tập trung rất mạnh: Hoa Kỳ chiếm 45%, Trung Quốc 25%, châu Âu 15%. Theo Deloitte, nhu cầu điện từ các trung tâm dữ liệu AI tại Hoa Kỳ có thể tăng hơn 30 lần vào năm 2035, từ 4 GW (2024) lên 123 GW. Các trung tâm dữ liệu lớn nhất đang được xây dựng hoặc lên kế hoạch có công suất từ 2 GW đến 5 GW.

Bảng 4: Tập trung trung tâm dữ liệu AI toàn cầu

Khu vực	Tỷ lệ tập trung	Thách thức chính
Hoa Kỳ	45%	Áp lực lưới điện tại Virginia, Texas, California
Trung Quốc	25%	Nhu cầu điện tăng nhanh, phụ thuộc than
Châu Âu	15%	Ireland, Hà Lan, Đức đang quá tải
Phần còn lại	15%	Hạ tầng đang phát triển

Nguồn: IEA, Ohio State University 2026

Case Study 1: Virginia (Hoa Kỳ) – Được gọi là "Data Center Capital of the World", khoảng 70% lưu lượng Internet toàn cầu từng đi qua khu vực này. Các công ty điện lực phải đầu tư hàng tỷ USD để mở rộng lưới.

Case Study 2: Ireland – Trung tâm dữ liệu đã trở thành phụ tải lớn nhất quốc gia. Có thời điểm chính phủ phải cân nhắc hạn chế dự án mới. Đến năm 2030, dự kiến chiếm 20% tổng điện năng.

Thế giới không thiếu điện đồng đều. Một số nơi đang thiếu điện vì AI.

Thách thức số 2: Carbon và phát triển bền vững

Hiện nay, cơ cấu điện toàn cầu vẫn phụ thuộc lớn vào nhiên liệu hóa thạch (khoảng 60%), trong khi năng lượng tái tạo chiếm khoảng 27% và điện hạt nhân khoảng 15%. Phát thải từ trung tâm dữ liệu hiện chiếm khoảng 0,5% CO₂ toàn cầu và có thể lên tới 1% vào 2030. Đây là một trong số ít lĩnh vực phát thải vẫn tăng.

Các Big Tech đang hành động:

• Google: Mục tiêu 100% điện carbon-free 24/7; ký thỏa thuận mua điện hạt nhân 25 năm từ nhà máy Duane Arnold.

• Microsoft: Khởi động lại nhà máy điện hạt nhân Three Mile Island với khoản vay 1 tỷ USD từ Bộ Năng lượng Hoa Kỳ.

• Amazon: Đầu tư vào lò phản ứng mô-đun nhỏ (SMR).

Các Big Tech ngày càng giống công ty năng lượng hơn công ty công nghệ.

Thách thức số 3: Dữ liệu và dự báo

IEA thừa nhận hiện chưa có cơ sở dữ liệu toàn cầu hoàn chỉnh, chuẩn báo cáo thống nhất hay cơ chế công bố minh bạch về điện năng tiêu thụ của AI. Có quá nhiều bất định: AI phát triển nhanh đến đâu? Hiệu suất chip tăng nhanh đến đâu? Bao nhiêu trung tâm dữ liệu được xây thực tế?

Ví dụ DeepSeek (đầu năm 2025): Sự xuất hiện của DeepSeek đặt ra câu hỏi: Nếu AI hiệu quả hơn nhiều thì nhu cầu điện có còn tăng mạnh không? IEA cho rằng hiện vẫn còn quá sớm để kết luận. Điều này minh họa rất tốt cho tính bất định.

Điều khó nhất không phải dự báo AI sẽ mạnh đến đâu, mà là dự báo AI sẽ tiêu thụ bao nhiêu điện.

Theo Goldman Sachs, chi tiêu cho hạ tầng AI của bốn ông lớn công nghệ Mỹ (Microsoft, Amazon, Alphabet, Meta) dự kiến đạt gần 400 tỷ USD vào cuối năm 2025.

Phần IV: Thế giới đang ứng phó ra sao?

Trung tâm dữ liệu đang tự sản xuất điện

Xu hướng mới: Captive Power – trung tâm dữ liệu tự sản xuất điện tại chỗ, sử dụng khí đốt, pin lưu trữ và năng lượng lai. IEA dự báo đến 2030 sẽ có 20–25 GW pin lưu trữ phục vụ trung tâm dữ liệu.

• Microsoft: Đầu tư điện hạt nhân (Three Mile Island).

• Google: Địa nhiệt và hạt nhân (Duane Arnold + Kairos Power SMR).

• Amazon: Đầu tư SMR.

Trung tâm dữ liệu đang chuyển từ người mua điện thành người sản xuất điện.

Từ phụ tải thụ động thành đối tác của lưới điện

NVIDIA và Emerald AI đã thử nghiệm thực tế tại Phoenix, Arizona: Giảm 25% điện năng tiêu thụ trong giờ cao điểm mà vẫn duy trì chất lượng dịch vụ. Giải pháp bao gồm dịch chuyển workload, demand response và điều phối AI thông minh.

Bảng 5: Kết quả thử nghiệm Emerald AI tại Phoenix, Arizona

Chỉ tiêu	Kết quả
Địa điểm	Phoenix, Arizona
Quy mô	256 GPU NVIDIA
Thời gian thử nghiệm	3 giờ trong giờ cao điểm
Mức giảm điện năng	25%
Tác động đến chất lượng dịch vụ	Không ảnh hưởng
Tiềm năng mở rộng	Có thể giải phóng 100 GW công suất lưới điện mới

Nguồn: NVIDIA, Emerald AI field demonstration 2025

Tương lai, trung tâm dữ liệu không chỉ tiêu thụ điện mà còn giúp ổn định lưới điện. Data Center tương lai có thể trở thành "pin mềm" của hệ thống điện.

Phần V: Hàm ý chính sách cho Việt Nam

Bài học 1: AI là vấn đề công nghệ và cũng là vấn đề năng lượng.

Bài học 2: Muốn phát triển AI, phải phát triển điện trước.

Bài học 3: Quy hoạch AI cần gắn với Quy hoạch điện VIII, quy hoạch trung tâm dữ liệu quốc gia, năng lượng tái tạo và lưu trữ điện.

Bài học 4: Việt Nam cần nghiên cứu sớm các mô hình trung tâm dữ liệu AI, pin lưu trữ, lưu trữ hydro và lò phản ứng mô-đun nhỏ (SMR).

Bảng 6: Việt Nam – Ưu thế và thách thức trong cuộc đua năng lượng AI

Yếu tố	Ưu thế	Thách thức
Năng lượng tái tạo	Điện mặt trời phát triển mạnh, điện gió ngoài khơi tiềm năng 1.068 GW (lớn nhất Đông Nam Á)	Tỷ lệ hấp thụ còn thấp, lưới điện chưa sẵn sàng
Vị trí địa lý	Gần các trung tâm công nghệ Đông Á, cửa ngõ ASEAN	Cạnh tranh với Singapore, Malaysia
Tăng trưởng AI	Tốc độ tăng trưởng nhanh, lực lượng lao động trẻ	Thiếu nhân lực chất lượng cao
Hạ tầng điện	Đang được đầu tư nâng cấp	Lưới truyền tải yếu, thiếu lưu trữ điện và điện nền ổn định
Chính sách	Quy hoạch điện VIII, Chiến lược hydro đang được xây dựng	Khung pháp lý cho AI và năng lượng còn chưa đồng bộ

Tầm nhìn chiến lược: Việt Nam có thể tận dụng tiềm năng năng lượng tái tạo khổng lồ (đặc biệt là điện gió ngoài khơi 1.068 GW) để phát triển các trung tâm dữ liệu AI xanh, vừa đáp ứng nhu cầu điện trong nước, vừa xuất khẩu tín chỉ carbon và dịch vụ dữ liệu cho khu vực.

Kết luận

Các con số nói lên tất cả:

• Điện năng tiêu thụ của trung tâm dữ liệu toàn cầu: 415 TWh (2024) → 945 TWh (2030) – tăng +127%

• Nhu cầu điện từ AI tại Hoa Kỳ: 4 GW (2024) → 123 GW (2035) – tăng +30 lần

• Chi tiêu hạ tầng AI của Big Tech: gần 400 tỷ USD (2025)

• Ireland: Trung tâm dữ liệu chiếm 20% điện năng quốc gia vào 2030

• NVIDIA + Emerald AI: Giảm 25% điện năng giờ cao điểm mà không ảnh hưởng chất lượng dịch vụ

Thế kỷ XX là cuộc đua dầu mỏ. Thế kỷ XXI là cuộc đua dữ liệu. Nhưng kỷ nguyên AI có thể sẽ là cuộc đua giữa dữ liệu và điện năng.

Quốc gia nào làm chủ được cả hai, quốc gia đó sẽ có lợi thế trong nền kinh tế số tương lai.

Trong thập niên trước, người ta nói dữ liệu là dầu mỏ mới. Nhưng trong kỷ nguyên AI, điện mới là dầu mỏ mới. Bởi vì không có điện thì cũng sẽ không có AI.

---

#AI #DataCenters #EnergyTransition #Electricity #Grid #NVIDIA #Microsoft #Google #Amazon #IEA #Deloitte #GoldmanSachs #VAHC #Vietnam #CleanEnergy #Sustainability