Trí tuệ nhân tạo (AI) của Trung Quốc vừa lập bản đồ toàn bộ lưới điện năng lượng tái tạo của nước này. Đây là lý do tại sao phần còn lại của thế giới nên chú ý.

Mọi nền kinh tế lớn hiện đang đối mặt với cùng một vấn đề. Trí tuệ nhân tạo (AI) đang tiêu thụ điện năng với tốc độ mà các lưới điện chưa từng được thiết kế để xử lý. Tại Mỹ, giá thị trường công suất ở PJM, nhà điều hành lưới điện lớn nhất nước này, đã tăng hơn mười lần trong hai năm, với sự tăng trưởng của các trung tâm dữ liệu được xác định là nguyên nhân chính. Tại châu Âu, các công ty điện lực đang gấp rút nâng cấp cơ sở hạ tầng truyền tải đủ nhanh để đáp ứng nhu cầu của các nhà cung cấp dịch vụ đám mây lớn (hyperscalers). Cơ quan Năng lượng Quốc tế (IEA) dự báo mức tiêu thụ điện của các trung tâm dữ liệu toàn cầu có thể đạt gần 1.000 TWh vào cuối thập kỷ này. Năng lượng tái tạo phần lớn đã có sẵn, nhưng khả năng phối hợp nó, thông qua bản đồ lưới điện năng lượng AI ở quy mô quốc gia, là điều mà hầu hết các quốc gia vẫn còn thiếu. Tuy nhiên, Trung Quốc vừa xây dựng được hệ thống này. Một nghiên cứu được công bố trên tạp chí Nature tuần này bởi các nhà nghiên cứu từ Đại học Bắc Kinh và Học viện DAMO của Tập đoàn Alibaba đã tạo ra một thứ mà chưa quốc gia nào làm được trước đây: một kho dữ liệu hoàn chỉnh, độ phân giải cao, được tạo bằng AI về toàn bộ cơ sở hạ tầng năng lượng gió và mặt trời của một quốc gia, cùng với khuôn khổ phân tích để phối hợp nó như một hệ thống thống nhất. Sử dụng mô hình học sâu (deep-learning) được huấn luyện trên ảnh vệ tinh dưới mét, nhóm nghiên cứu đã xác định được 319.972 cơ sở điện mặt trời quang điện và 91.609 tuabin gió của Trung Quốc, xử lý 7,56 terabyte hình ảnh để thực hiện việc này. Lập bản đồ lưới điện năng lượng bằng AI Các nghiên cứu trước đây về tính bổ sung của năng lượng mặt trời-gió – ý tưởng rằng hai nguồn này có thể bù đắp sự biến động của nhau về thời gian và địa lý – chủ yếu dựa vào các kịch bản triển khai giả định hoặc mô hình hóa. Cách tính bổ sung thể hiện trong cơ sở hạ tầng thực tế, và cách nó định hình kết quả tích hợp cấp hệ thống, cho đến nay vẫn chưa rõ ràng. Các nhà nghiên cứu chỉ ra rằng tính bổ sung của năng lượng mặt trời-gió làm giảm đáng kể sự biến động của sản lượng điện, với hiệu quả tăng lên khi phạm vi địa lý của việc ghép nối mở rộng. Nói một cách thực tế, các cơ sở được phối hợp càng xa nhau thì chúng càng đạt được sự cân bằng đáng tin cậy hơn. Ví dụ, một đám mây che phủ các trang trại năng lượng mặt trời ở Cam Túc không làm tối các hành lang gió ở Nội Mông. Phát hiện của nghiên cứu chỉ ra một sự kém hiệu quả về cấu trúc trong cách Trung Quốc hiện đang quản lý lưới điện của mình: sự phối hợp diễn ra ở cấp tỉnh chứ không phải cấp quốc gia. Các nhà nghiên cứu lập luận rằng việc chuyển sang quy mô quốc gia thống nhất sẽ giúp dễ dàng ghép nối các nguồn năng lượng bổ sung, ổn định lưới điện và tránh cắt giảm – việc lãng phí năng lượng tái tạo được tạo ra từ lâu đã là một trong những vấn đề năng lượng sạch tốn kém nhất của Trung Quốc. Ông Lưu Vũ, giáo sư tại Trường Khoa học Trái đất và Không gian của Đại học Bắc Kinh, mô tả kho dữ liệu này cho phép Trung Quốc nhìn thấy bức tranh năng lượng mới của mình từ "góc nhìn của Chúa", một cụm từ mang ý nghĩa vận hành nhiều hơn so với ý nghĩa ban đầu. Các nhà điều hành lưới điện không thể tối ưu hóa những gì họ không biết – cho đến bây giờ. Trung Quốc đang trong giai đoạn bùng nổ nhu cầu điện do AI thúc đẩy, gây căng thẳng cho lưới điện của nước này. Sự phát triển nhanh chóng của các dịch vụ dữ liệu và các cơ sở điện toán khổng lồ đã đẩy mức tiêu thụ điện của ngành này tăng 44% so với cùng kỳ năm trước trong quý 1/2026, đạt 22,9 tỷ kilowatt-giờ, theo Hội đồng Điện lực Trung Quốc. Đây là tốc độ tăng trưởng vượt bậc đối với một lĩnh vực vốn đã có nhu cầu lớn. Điều này đã thúc đẩy việc mở rộng các trung tâm dữ liệu ở các tỉnh phía bắc và phía tây của Trung Quốc, nơi đất đai rẻ hơn, tài nguyên gió và mặt trời dồi dào hơn, với giá điện tương ứng thấp hơn. Các tỉnh được nhắm mục tiêu cho các trung tâm dữ liệu mới là những khu vực có khả năng bổ trợ năng lượng mặt trời-gió cao nhất. **Mô hình đằng sau** Thành tựu kỹ thuật đằng sau điều này đáng được tìm hiểu. Mô hình học sâu (deep-learning) của DAMO được huấn luyện để xác định các cơ sở quang điện mặt trời và tua-bin gió từ hình ảnh vệ tinh có độ phân giải dưới mét, một nhiệm vụ phức tạp do sự đa dạng của các loại lắp đặt, điều kiện địa hình và chất lượng hình ảnh. Tập dữ liệu thu được bao gồm các công trình lắp đặt tại 1.915 huyện của Trung Quốc, trải dài từ các tấm pin trên mái nhà ở các thành phố ven biển đến các trang trại gió quy mô tiện ích trên cao nguyên Mông Cổ. Xử lý 7,56 terabyte hình ảnh để tạo ra một kho dữ liệu cấp huyện nhất quán trên toàn quốc là một minh chứng cho những gì AI không gian địa lý quy mô lớn có thể làm khi được áp dụng cho các vấn đề cơ sở hạ tầng và là một khuôn mẫu mà các quốc gia khác, về nguyên tắc, có thể nhân rộng. Theo Trung tâm Nghiên cứu Năng lượng và Không khí Sạch (Centre for Research on Energy and Clean Air) có trụ sở tại Phần Lan, lĩnh vực năng lượng sạch của Trung Quốc đã tạo ra sản lượng kinh tế ước tính 15,4 nghìn tỷ nhân dân tệ (2,26 nghìn tỷ USD) vào năm ngoái, tương đương với toàn bộ GDP của Brazil. Việc quản lý một cơ sở tài sản ở quy mô đó mà không có công cụ hiển thị cấp quốc gia luôn là một yếu tố hạn chế, một giới hạn hiện đã không còn. Tập dữ liệu và mã nguồn của nghiên cứu đã được công khai thông qua Zenodo. (Ảnh: Luo Lei) Xem thêm: Bên trong nỗ lực của Trung Quốc nhằm ứng dụng AI vào hệ thống năng lượng Bạn muốn tìm hiểu thêm về AI và dữ liệu lớn từ các nhà lãnh đạo ngành? Hãy tham khảo AI & Big Data Expo diễn ra tại Amsterdam, California và London. Sự kiện toàn diện này là một phần của TechEx và được tổ chức cùng với các sự kiện công nghệ hàng đầu khác, nhấp vào đây để biết thêm thông tin. AI News được cung cấp bởi TechForge Media. Khám phá các sự kiện và hội thảo trực tuyến về công nghệ doanh nghiệp sắp tới khác tại đây. Bài đăng Trung Quốc đã lập bản đồ toàn bộ lưới điện năng lượng tái tạo của mình bằng AI. Đây là lý do tại sao phần còn lại của thế giới nên chú ý xuất hiện lần đầu trên AI News.