Đến năm 2030, AI sẽ tiêu thụ lượng nước tương đương với 1,3 tỷ người.

Trí tuệ nhân tạo AI sẽ tiêu thụ lượng nước tương đương 1,3 tỷ người vào năm 2030 Các nhà khoa học Liên Hợp Quốc cảnh báo chi phí môi trường của công nghệ đang bị đánh giá thấp Một trong những dãy máy chủ tại trung tâm dữ liệu của Google ở Douglas, Georgia. Manuel G. Pascual Madrid - Ngày 03/6/2026 - 16:31CEST Đến năm 2030, lượng nước tiêu thụ liên quan đến việc sử dụng trí tuệ nhân tạo (AI) sẽ tương đương với 1,3 tỷ người ở khu vực châu Phi cận Sahara, đồng thời sẽ cần gần gấp ba lần tổng lượng năng lượng tiêu thụ hàng năm của Pakistan, Bangladesh và Nigeria – các quốc gia có tổng dân số 650 triệu người. Về lượng khí thải carbon, con số này có thể đạt 400 triệu tấn CO₂ tương đương, ngang bằng với tổng lượng khí thải của Vương quốc Anh. Hoạt động của AI sẽ cần 14.500 km² đất, bao gồm cơ sở hạ tầng và chuỗi cung ứng – gấp đôi diện tích vùng đô thị Jakarta, một siêu đô thị với hơn 32 triệu dân, hoặc gấp 10 lần diện tích Thành phố Mexico (21 triệu dân). Đây là một số số liệu được các tác giả của một báo cáo công bố vào thứ Tư tuần này bởi Viện Nước, Môi trường và Sức khỏe của Đại học Liên Hợp Quốc (UNU-INWEH) trích dẫn. Ngoài những dự báo này, dựa trên ước tính tăng trưởng thận trọng, báo cáo còn chứa đựng dữ liệu đáng chú ý về tình hình hiện tại: nếu các trung tâm dữ liệu cung cấp năng lượng cho AI là một quốc gia, lượng điện tiêu thụ hiện tại của chúng (448 terawatt-giờ, TWh) sẽ ngang bằng với Pháp. Tổ chức này trước đây đã công bố các báo cáo cảnh báo về lượng khí thải carbon liên quan đến việc sử dụng AI ngày càng tăng. Lần này, các nhà nghiên cứu cũng đã tính đến năng lượng và nước tiêu thụ bởi các trung tâm dữ liệu cung cấp năng lượng cho AI (đối với nước, bao gồm cả hệ thống làm mát và sản xuất điện). Giáo sư Kaveh Madani, Giám đốc UNU-INWEH, cho biết trong một thông cáo báo chí: “Báo cáo này không phải là một trường hợp chống lại trí tuệ nhân tạo”. “Đây là lời kêu gọi sử dụng AI một cách có trách nhiệm và chủ động giải quyết các tác động không mong muốn của nó để làm cho nó bền vững và công bằng. Chúng ta có một khoảng thời gian hẹp để đảm bảo rằng xương sống của cuộc cách mạng công nghệ trong thời đại của chúng ta phát triển trong giới hạn của hành tinh.” Shaolei Ren, giáo sư kỹ thuật tính toán tại Đại học California, Riverside, và là chuyên gia bền vững AI không tham gia vào nghiên cứu, nhận định: “Báo cáo là một lời nhắc nhở quan trọng và kịp thời rằng AI không chỉ giới hạn ở các mô hình và thuật toán, mà còn có tác động vật lý và môi trường thực sự được xác định bởi các trung tâm dữ liệu, hệ thống điện, hệ thống cấp nước, sử dụng đất và chuỗi cung ứng phần cứng”. Chi phí môi trường bị đánh giá thấp của AI Các tác giả của báo cáo nhấn mạnh một số thông điệp chính. Một trong số đó là chi phí môi trường của AI đang bị đánh giá thấp một cách có hệ thống. Hầu hết các phân tích được công bố cho đến nay tập trung vào lượng khí thải carbon liên quan đến việc đào tạo các mô hình – giai đoạn trước khi chúng được phát hành, trong đó hàng chục hoặc hàng trăm triệu tham số được xử lý ngày đêm trong vài tuần bằng cách sử dụng các bộ dữ liệu khổng lồ. Báo cáo nhấn mạnh: “Mỗi kilowatt-giờ điện được sử dụng để đào tạo hoặc chạy một mô hình AI đều mang theo dấu chân môi trường, bao gồm dấu chân carbon từ hỗn hợp phát điện; dấu chân nước từ sản xuất điện và làm mát; và dấu chân đất từ cơ sở hạ tầng năng lượng, hồ chứa và khai thác nhiên liệu”. Một biểu đồ trong báo cáo cho thấy sự phân bố toàn cầu của các trung tâm dữ liệu. Nếu chỉ xét các trung tâm được sử dụng cho AI, 90% nằm ở Hoa Kỳ và Trung Quốc. Dấu chân carbon có thể thay đổi tới 70% nếu, ví dụ, than đá được thay thế bằng năng lượng sinh học làm nguồn điện cung cấp cho AI. Tuy nhiên, điều này sẽ làm tăng dấu chân nước lên ba mươi lần và dấu chân đất lên một trăm lần. Do đó, sự phức tạp trong việc quản lý tác động môi trường của AI là cực kỳ cao. Lượng khí thải thấp không đồng nghĩa với mức tiêu thụ nước thấp hoặc sử dụng đất thấp. Đánh giá tác động môi trường của AI bằng một chỉ số duy nhất có thể che khuất những tác động có hại và chuyển chúng sang các khu vực khác. Miriam Aczel, tác giả chính của nghiên cứu, giải thích: “Nếu chúng ta tiếp tục đánh giá tính bền vững của AI chỉ dựa vào carbon, chúng ta có thể nghĩ rằng năng lượng tái tạo làm cho cơ sở hạ tầng AI sạch hơn, nhưng đó là giải quyết một vấn đề trong khi tạo ra các vấn đề khác, thường ở những nơi không mong muốn”. **Những ứng dụng nào gây ô nhiễm hơn** Báo cáo cũng đưa ra một kết luận thú vị khác. Cho đến gần đây, quan điểm phổ biến là hầu hết năng lượng tiêu thụ liên quan đến một mô hình AI xảy ra trong giai đoạn huấn luyện (tức là trước khi nó được công chúng sử dụng). Tuy nhiên, dữ liệu của nhóm Aczel đã thách thức quan điểm này: suy luận (inference) – các phép tính được thực hiện mỗi khi người dùng gửi một truy vấn để mô hình có thể phản hồi – chiếm phần lớn, từ 80% đến 90% tổng mức tiêu thụ. Sự thành công của các công cụ này, được hàng trăm triệu người sử dụng mỗi ngày, đã đảo ngược cán cân. Các nhà nghiên cứu cũng đánh giá mức tiêu thụ năng lượng liên quan đến các ứng dụng AI khác nhau. Một cuộc trò chuyện tiêu chuẩn với chatbot như ChatGPT hoặc Gemini sử dụng năng lượng gấp 200 lần so với một chức năng AI cơ bản như phân loại email đáng ngờ vào thư rác. Sử dụng đó làm cơ sở, việc tạo ra một hình ảnh tổng hợp tiêu thụ năng lượng gấp 1.400 lần, trong khi một video ngắn có thể yêu cầu năng lượng gấp 200.000 lần. Álex Hernández, một nhà nghiên cứu tại Viện AI Quebec (MILA), do Yoshua Bengio tại Đại học Montreal đứng đầu, người không tham gia vào nghiên cứu, cho biết: “Đây là một trong những báo cáo kỹ thuật toàn diện nhất về tác động môi trường của các hệ thống AI hiện tại, nhưng các kết luận tập trung vào tác động của GPT-4, một mô hình từ hơn ba năm trước. Và ba năm trong lĩnh vực AI là một khoảng thời gian dài vô tận”. Hernández cho rằng các kết luận của báo cáo dựa trên dữ liệu từ các mô hình cũ hơn,