Hằng ngày promt hỏi AI 10 hay 100 câu không làm bạn thấy gì khác biệt vì câu trả lời không khói, không tiếng ồn, không hóa đơn điện tăng vọt. Nhưng trong toàn bộ chuỗi giá trị AI, mỗi câu hỏi kích hoạt một chuỗi máy chủ, "ngốn" điện và rất nhiều tài nguyên.
Tuy nhiên, trong các thảo luận hiện nay, việc làm rõ tác động của AI tới môi trường còn gây nhiều bối rối.
Trong nhiều bài báo khoa học và tài liệu kỹ thuật, "AI xanh" thường được hiểu rất đơn giản là mô hình nào làm việc hiệu quả hơn mà tốn ít điện hơn thì được coi là "xanh hơn". Tính "xanh" của AI thường được lượng hóa thông qua các chỉ số như số phép tính (FLOPs), thời gian huấn luyện, hoặc lượng điện tiêu thụ của một mô hình trong suốt vòng đời sử dụng.
Cùng lúc đó, truyền thông và các diễn đàn chính sách thường mô tả AI như một công cụ "thông minh" có khả năng tối ưu hóa các hệ thống sẵn có, từ quản lý lưới điện, điều phối giao thông, đến giảm lãng phí trong sản xuất và tiêu dùng năng lượng. Trong những mô tả như vậy, AI xuất hiện chủ yếu ở vai trò của một lớp phần mềm - một tập hợp các thuật toán có thể được triển khai linh hoạt, cập nhật nhanh chóng, và dường như không để lại nhiều "dấu chân vật chất".
Hai cách nhìn này, một từ kỹ thuật và một từ cách kể chuyện, dẫn đến cùng một suy nghĩ rằng AI là thứ "nhẹ", ít liên quan đến môi trường. Và các tác động môi trường của AI - nếu có - chủ yếu nằm ở mức tiêu thụ điện năng trong quá trình tính toán, và do đó có thể được giải quyết bằng các cải tiến thuật toán hoặc chuyển đổi sang các nguồn năng lượng tái tạo.
Tuy nhiên, cách nhìn này chỉ phản ánh một phần của bức tranh.
Cụm Trung tâm dữ liệu lớn của Google ở Ohio - theo các phân tích, công suất lên tới 1GW. Để so sánh: Con số này tương đương một nhà máy điện cỡ lớn và khoảng 1-2% tổng lượng điện quốc gia của Việt Nam. Nguồn ảnh: Google Data Centers
Phát thải trong toàn bộ chuỗi
Trên thực tế, mọi phép toán, dù là huấn luyện một mô hình ngôn ngữ lớn hay chạy một thuật toán nhận diện hình ảnh, đều cần đến phần cứng cụ thể: chip bán dẫn, máy chủ, trung tâm dữ liệu, hệ thống làm mát, và nguồn cung điện ổn định. Mỗi khâu trong chuỗi này đều gắn với các dạng phát thải, tiêu thụ tài nguyên và tác động môi trường khác nhau, nhiều trong số đó diễn ra ngoài tầm quan sát của người dùng cuối và các nhà hoạch định chính sách.
Các trung tâm dữ liệu lớn - nền tảng hạ tầng cho thuật toán đang ngốn lượng điện và tài nguyên khổng lồ. Riêng về điện, theo các ước tính của Cơ quan Năng lượng Quốc tế (IEA), các trung tâm dữ liệu chiếm khoảng 1,5% tổng mức tiêu thụ điện năng toàn cầu vào năm 2024, tức là tương đương toàn bộ lượng điện của một quốc gia cỡ trung bình. Nếu xu hướng hiện nay tiếp diễn, tiêu thụ điện của các trung tâm dữ liệu được dự báo sẽ tăng lên gần 3% tổng nhu cầu điện toàn cầu vào năm 2030, tức là gấp đôi chỉ trong vài năm.
Một số phân tích gần đây còn cho thấy, tại những khu vực tập trung nhiều trung tâm dữ liệu, nhu cầu điện của các trung tâm này có thể cạnh tranh trực tiếp với các ngành công nghiệp truyền thống hoặc nhu cầu sinh hoạt của đô thị. Bên cạnh điện năng, các trung tâm dữ liệu còn cần lượng nước đáng kể để làm mát.
Tiếp theo là sản xuất chip - bộ não tính toán của AI. Ngành bán dẫn là một trong những ngành công nghiệp có cường độ năng lượng và nước cao nhất hiện nay. Việc sản xuất chip tiên tiến đòi hỏi quy trình cực kỳ tinh vi, sử dụng lượng lớn điện năng, nước siêu tinh khiết và các hóa chất độc hại. Một số nghiên cứu chỉ ra rằng phần lớn dấu chân carbon của chip được tạo ra trong giai đoạn sản xuất, chứ không phải khi sử dụng. Điều này có nghĩa là, ngay cả khi một trung tâm dữ liệu vận hành bằng năng lượng tái tạo, phần "carbon ẩn" trong phần cứng của nó vẫn đã tồn tại từ trước.
Cốt lõi trong chuỗi giá trị sản xuất bán dẫn thế hệ mới, cũng như pin dự phòng và hệ thống lưu trữ năng lượng - những cấu phần bảo đảm cho AI không bị gián đoạn và duy trì hoạt động ổn định - là các khoáng sản chiến lược như lithium, cobalt, nickel, đồng và các nguyên tố đất hiếm. Hoạt động khai thác các khoáng sản này vốn nổi tiếng với cường độ năng lượng cao, phát thải lớn và tác động môi trường nghiêm trọng, từ phá hủy hệ sinh thái đến ô nhiễm nước và đất.
Cuối cùng là khâu xử lý rác thải điện tử. Máy chủ, chip và thiết bị mạng có vòng đời ngắn, thường chỉ vài năm trước khi bị thay thế bởi các thế hệ mới hiệu năng cao hơn. Theo Liên Hợp Quốc, rác thải điện tử là một trong những dòng chất thải tăng nhanh nhất toàn cầu, nhưng tỷ lệ tái chế an toàn vẫn còn thấp. Phần lớn rác thải này được xuất khẩu sang các nước đang phát triển, nơi năng lực xử lý môi trường còn thấp, kéo theo các rủi ro ô nhiễm và sức khỏe cộng đồng.
Hệ lụy từ những chi phí bị làm mờ
Do phát thải "đầu chuỗi" từ khai thác khoáng sản, sản xuất phần cứng và xây dựng hạ tầng ít khi được tính gộp trong các đánh giá tác động môi trường, AI thường được mô tả như một ngành có phát thải tương đối nhỏ so với các ngành truyền thống, dù trên thực tế nó dựa vào chính những ngành công nghiệp nặng đó để tồn tại.
Thế nhưng, trong khi các ngành công nghiệp nặng được giám sát chặt chẽ về phát thải trong toàn bộ chuỗi giá trị, AI lại thường chỉ được "đo" ở khâu cuối cùng - nơi phát thải nhìn thấy ít nhất.
Phần lớn các chính sách đánh giá tác động của AI mới tập trung vào các vấn đề đạo đức thuật toán, quản trị dữ liệu, chứ ít đánh giá đến hệ quả môi trường. AI cũng như các viên pin, đều trực tiếp ngốn tài nguyên. Nguồn ảnh: Pexel/ thiết kế Mỹ Hạnh.
Một đặc điểm quan trọng khác của chuỗi cung ứng phần cứng AI là sự tách rời không gian. Phần lớn giá trị kinh tế của AI được tạo ra và tiêu thụ tại các trung tâm công nghệ lớn, nơi đặt trụ sở của các tập đoàn, phòng thí nghiệm và người dùng cuối. Trong khi đó, các tác động môi trường nặng nề nhất lại được tích lũy âm thầm nhưng bền bỉ ở những nơi khác: các mỏ khoáng sản, khu công nghiệp bán dẫn, hoặc các vùng đặt trung tâm dữ liệu tiêu thụ nhiều điện và nước.
Cần làm rõ rằng, lợi nhuận trong nền kinh tế AI không chỉ xuất hiện ở tầng phần mềm hay dịch vụ số. Từ khai thác khoáng sản, sản xuất chip, lắp ráp máy chủ đến xây dựng và vận hành trung tâm dữ liệu, mỗi khâu đều tạo ra giá trị kinh tế và mang lại lợi nhuận cho các chủ thể tham gia. Tuy nhiên, điểm then chốt không nằm ở việc "có hay không có lợi nhuận", mà ở cách lợi nhuận, quyền quyết định và chi phí môi trường được phân bổ không cân xứng trong toàn chuỗi.
Trong thế kỷ XX, bất bình đẳng toàn cầu thường gắn với sản xuất hàng hóa vật chất: nhà máy, mỏ tài nguyên và khu công nghiệp tập trung ở các nước đang phát triển, trong khi tiêu thụ và tích lũy giá trị diễn ra ở các nước phát triển. Ngày nay, trong nền kinh tế thuật toán, sản phẩm cuối cùng không còn là thép hay dệt may, mà là dịch vụ số và AI. Tuy nhiên, cấu trúc bất bình đẳng không biến mất, mà chuyển dịch sang hạ tầng cho các dịch vụ đó.
Do đó, khi các đánh giá tác động môi trường của AI chỉ tập trung vào lượng điện tiêu thụ của mô hình hoặc trung tâm dữ liệu cụ thể, chúng có nguy cơ làm mờ đi bức tranh lớn hơn: ai là người hưởng lợi nhiều nhất từ sự mở rộng của AI, và ai là người phải trả giá dài hạn cho hạ tầng của nó.
Quản trị AI chưa chạm đúng chỗ
Trong những năm gần đây, chính sách về AI trên toàn cầu phát triển nhanh chóng, phản ánh mối quan tâm ngày càng lớn của các chính phủ đối với tác động xã hội của công nghệ này. Phần lớn các khung chính sách hiện nay tập trung vào đạo đức thuật toán, quản trị dữ liệu, bảo vệ quyền riêng tư, trách nhiệm giải trình và tính minh bạch của các hệ thống tự động. Trong khi đó, chuỗi cung ứng phần cứng, vòng đời môi trường của hệ thống AI, hay cách chi phí tài nguyên và phát thải được phân bổ dọc theo chuỗi giá trị toàn cầu hiếm khi đề cập đầy đủ.
Khoảng trống này trở nên đáng chú ý nếu đặt trong bối cảnh AI ngày càng được gắn với các mục tiêu phát triển bền vững. Nghịch lý ở đây là: AI có thể được dán nhãn "xanh" trong các báo cáo và chiến lược, trong khi những chi phí môi trường lớn nhất của nó lại nằm ở những khâu không được đưa vào đánh giá một cách hệ thống. Những nguồn phát thải phân tán nhưng liên kết chặt chẽ của nó thường được xem là vấn đề của chính sách công nghiệp hoặc môi trường riêng rẽ, chứ không phải là một phần cấu thành của chính sách AI.
Cách phân mảnh chính sách này cũng khiến câu hỏi về phân bổ chi phí và lợi ích trở nên mờ nhạt. Các lợi ích kinh tế và giá trị gia tăng từ AI - dưới dạng dịch vụ số, năng suất cao hơn hay lợi thế cạnh tranh - thường được ghi nhận rõ ràng. Trong khi đó, chi phí môi trường và áp lực lên hạ tầng năng lượng lại được "hấp thụ" bởi những khu vực đặt trung tâm dữ liệu, nhà máy sản xuất hoặc bãi xử lý chất thải. Khi các khung chính sách AI không bao quát đầy đủ chuỗi hạ tầng, sự mất cân xứng này khó được nhìn nhận như một vấn đề quản trị công nghệ, mà chỉ được xem là hệ quả phụ của phát triển kinh tế.
Về dài hạn, khoảng trống chính sách này có thể làm suy yếu chính mục tiêu phát triển bền vững mà AI được kỳ vọng đóng góp. Nếu AI tiếp tục mở rộng với tốc độ hiện nay, nhưng các đánh giá tác động môi trường vẫn chỉ dừng ở cuối chuỗi - các thuật toán, nguy cơ là phát thải và tiêu thụ tài nguyên sẽ tăng nhanh hơn khả năng điều chỉnh của chính sách.
---
Tài liệu tham khảo:
IEA (2025) – The transformative potential of AI depends on energy. https://www.iea.org/reports/energy-and-ai/executive-summary
Emergentmind (2019) – Green AI. https://www.emergentmind.com/papers/1907.10597