AI và bài toán khí thải

Trí tuệ nhân tạo (AI) đã ăn sâu vào cơ sở hạ tầng của cuộc sống hiện đại. Từ việc tối ưu hóa sản xuất đến dự đoán tắc nghẽn giao thông, ảnh hưởng của nó là không thể phủ nhận.

Nhưng khi các hệ thống AI ngày càng tiên tiến và phổ biến, chúng lại đặt ra một vấn đề nan giải về năng lượng: Liệu AI có đang thúc đẩy chúng ta hướng tới một tương lai sạch hơn, ít phát thải hơn, hay đang âm thầm làm trầm trọng thêm nhu cầu điện toàn cầu? Câu trả lời rất đa dạng và phụ thuộc vào cách thức, địa điểm và lý do triển khai AI!

Chi phí Carbon của trí tuệ nhân tạo: Cách đào tạo mô hình AI tiêu thụ năng lượng

Mặc dù AI có vẻ là kỹ thuật số và vô hình, nền tảng của nó lại dựa trên các trung tâm dữ liệu khổng lồ chứa đầy phần cứng tiêu tốn nhiều năng lượng. Việc đào tạo một mô hình ngôn ngữ quy mô lớn - chẳng hạn như các mô hình được sử dụng cho chatbot, công cụ dịch thuật hoặc công cụ đề xuất - có thể tiêu thụ tới 1.300 megawatt giờ điện, tạo ra hơn 500.000 kg CO₂ nếu sử dụng lưới điện chạy bằng nhiên liệu hóa thạch. Những con số này vượt xa lượng khí thải hàng năm của một số máy bay chở khách cỡ nhỏ.

Nhưng không chỉ giai đoạn đào tạo mới tiêu tốn năng lượng. Quá trình suy luận liên tục - tức là quá trình chạy truy vấn trên các mô hình đã được đào tạo - cũng tích lũy năng lượng sử dụng theo thời gian. Khi các công cụ AI được mở rộng để phục vụ hàng triệu người mỗi ngày, tổng mức tiêu thụ điện của chúng sẽ ngang bằng với các ngành công nghiệp quy mô vừa.

Hiệu quả thông minh hay chỉ là tăng tải? Tác động của AI theo ngành

AI có tiềm năng thực sự trong việc giảm phát thải, nhưng hiệu quả của nó khác nhau tùy theo ngành:

- Trong lưới điện, AI có thể tích hợp năng lượng tái tạo một cách trơn tru hơn bằng cách dự báo cường độ bức xạ mặt trời và hành vi của gió. Ở một số khu vực trên thế giới, việc cân bằng lưới điện theo thời gian thực được hỗ trợ bởi AI đã cải thiện việc sử dụng lưu trữ và giảm thiểu các sự cố cắt giảm công suất - khi năng lượng tái tạo không được sử dụng do lưới điện không linh hoạt.

- Trong các ngành công nghiệp nặng, hệ thống học sâu có thể tinh chỉnh hoạt động. Các cảm biến dựa trên AI tại các nhà máy thép theo dõi nhiệt độ lò nung và tự động điều chỉnh đầu vào, giúp tiết kiệm năng lượng từ 3–5% trên mỗi tấn sản phẩm đầu ra.

- Trong vận tải, AI đang được sử dụng để định tuyến lại đội xe hậu cần nhằm tối ưu hóa nhiên liệu, nhưng có một vấn đề:

- Trong vận tải, AI đang được sử dụng để định tuyến lại đội xe hậu cần nhằm tối ưu hóa nhiên liệu, nhưng có một vấn đề: những lợi ích này thường bị triệt tiêu bởi khối lượng hàng hóa tăng lên. Việc giao hàng nhiều hơn, chứ không phải ít hơn, là kết quả của sự dễ dàng vận hành.

Vượt ra ngoài màn hình: Tiêu thụ năng lượng của phần cứng AI

Phần mềm chỉ là một nửa câu chuyện. Cơ sở hạ tầng vật lý của AI cũng có những tác động:

- GPU và TPU, những con chip được sử dụng để đào tạo và vận hành AI, ngốn điện hơn nhiều so với CPU truyền thống. Các trung tâm dữ liệu phải đầu tư vào hệ thống làm mát tiên tiến, thường tiêu thụ hàng triệu lít nước mỗi năm, góp phần gây ra tình trạng thiếu nước ở các khu vực tập trung nhiều công nghệ.

- Sự trỗi dậy của AI biên, nơi các thiết bị thông minh thực hiện xử lý cục bộ (như nhận dạng khuôn mặt hoặc lệnh thoại), làm tăng nhu cầu năng lượng vượt ra ngoài phạm vi máy chủ tập trung. Hàng tỷ thiết bị chạy AI trên thiết bị, từ camera đến thiết bị gia dụng, tạo ra gánh nặng năng lượng phân tán khó đo lường nhưng không thể bỏ qua.

Hiệu ứng phục hồi: Hiệu quả dẫn đến tăng trưởng hay hạn chế?

Trớ trêu thay, khả năng cải thiện hiệu quả của AI lại có thể làm tăng tổng nhu cầu năng lượng - một hiện tượng được gọi là hiệu ứng phục hồi. Ví dụ, phần mềm kiến trúc do AI tạo ra có thể hợp lý hóa thiết kế tòa nhà, giảm lãng phí vật liệu. Nhưng nếu nó giảm chi phí và đẩy nhanh tiến độ triển khai dự án, nhiều công trình xây dựng sẽ được khởi công, làm tăng lượng khí thải nói chung.

Điều này cũng đúng với AI trong việc tạo nội dung. Khi văn bản, hình ảnh và video được tạo ra nhanh hơn và rẻ hơn, nhu cầu lưu trữ và truyền dữ liệu tăng vọt. Tác động môi trường của việc lưu trữ một khối lượng lớn nội dung tổng hợp hiếm khi được tính đến trong các nghiên cứu về năng lượng AI.

Địa lý quan trọng: Không phải lưới điện nào cũng như nhau

Chi phí môi trường của AI thay đổi tùy thuộc vào nơi triển khai.

- Ở Iceland hoặc Na Uy, nơi điện gần như hoàn toàn đến từ các nguồn thủy điện và địa nhiệt, các mô hình đào tạo có thể có lượng khí thải tối thiểu.

- Nhưng ở các quốc gia phụ thuộc vào than đá, chẳng hạn như một số vùng ở Nam Phi hoặc Ba Lan, cùng một dự án AI có thể thải ra lượng carbon cao gấp 10 lần trên mỗi kilowatt giờ.

Phát thải ẩn: Những gì các số liệu thường bỏ sót

Báo cáo hiện tại tập trung nhiều vào phát thải trong giai đoạn đào tạo. Tuy nhiên, điều này lại che giấu dấu chân năng lượng dài hạn. Đào tạo lại mô hình, cập nhật phiên bản, truy vấn người dùng, tạo hình ảnh, triển khai mô hình trên khắp các trung tâm dữ liệu—tất cả đều tạo ra phát thải liên tục, hiếm khi được đưa tin.

Hơn nữa, lượng khí thải từ quá trình sản xuất chip - đặc biệt là silicon dành riêng cho AI - thường bị bỏ qua. Tuy nhiên, việc sản xuất một GPU tiên tiến lại đòi hỏi các quy trình khai thác, tinh chế và chế tạo phức tạp trên nhiều lục địa, mỗi giai đoạn đều để lại dấu vết carbon.

Trí tuệ nhân tạo (AI) về bản chất không tốt hay xấu đối với khí thải. Nó là một hệ số nhân - của trí thông minh, của hiệu quả và của tiêu dùng. Nếu được kết hợp với cơ sở hạ tầng năng lượng sạch, các chiến lược triển khai có trách nhiệm và quy định minh bạch, AI có thể trở thành chất xúc tác cho quá trình khử cacbon. Nhưng nếu được phép phát triển không kiểm soát để theo đuổi tốc độ và quy mô, nó có thể làm gia tăng áp lực năng lượng toàn cầu và làm chệch hướng các mục tiêu khí hậu.

Tương lai của AI không chỉ là sự đổi mới. Nó còn là những quyết định thiết kế hôm nay sẽ ảnh hưởng đến toàn bộ hệ thống năng lượng của tương lai!