AI không chỉ cần chip: Cơn khát điện phía sau cuộc đua trí tuệ nhân tạo

Bạn vừa bấm Enter

Bạn gõ một câu hỏi vào ChatGPT rồi bấm Enter. Vài giây sau, câu trả lời hiện ra từng chữ một. Mọi thứ diễn ra trên màn hình, im lặng, không mùi, không khói. Cảm giác đây là một sản phẩm thuần túy phần mềm.

Nhưng ở một nơi cách bạn hàng trăm hay hàng nghìn cây số, trong một tòa nhà không cửa sổ, hàng tỷ transistor vừa bật tắt hàng tỷ lần. Dòng điện chạy qua chúng biến thành nhiệt. Quạt và máy bơm chất lỏng đang hút lượng nhiệt đó ra ngoài. Điện để làm tất cả những việc ấy đi qua một máy biến áp, một trạm biến áp, một đường dây truyền tải, và bắt đầu từ một nhà máy điện đang đốt khí, quay tuabin gió, hấp thụ ánh nắng hay phân hạch uranium.

Bài này lần ngược chuỗi vật lý phía sau một prompt, rồi dùng nó để hiểu vì sao điện năng đã trở thành một trong những điểm nghẽn lớn nhất của cuộc đua AI, và cách một nhà đầu tư nên nghĩ về những xu hướng như thế.

Watt và watt-giờ: một prompt tốn bao nhiêu điện?

Trước hết cần phân biệt hai khái niệm hay bị dùng lẫn lộn.

Công suất (power), đo bằng watt (W), cho biết một thiết bị dùng điện nhanh đến mức nào. Một bóng đèn LED 10 W, một nồi cơm điện 700 W.

Năng lượng (energy), đo bằng watt-giờ (Wh) hoặc kilowatt-giờ (kWh, chính là “số điện” trên hóa đơn), cho biết tổng cộng đã dùng bao nhiêu điện. Hai đại lượng liên hệ với nhau qua thời gian:

Bóng đèn 10 W sáng trong một giờ tiêu thụ 10 Wh. Nồi cơm 700 W nấu trong nửa giờ tiêu thụ 350 Wh.

Vậy một prompt tốn bao nhiêu? Năm 2025, lần đầu tiên các công ty AI lớn công bố số liệu. Google cho biết một prompt văn bản điển hình (trung vị) của Gemini tiêu thụ 0,24 Wh[4]. OpenAI cho biết một truy vấn ChatGPT trung bình tốn khoảng 0,34 Wh[5]. Tính theo $E=P\times t$, 0,34 Wh là lượng điện một bóng LED 10 W dùng trong khoảng hai phút.

Hai chi tiết đáng chú ý về những con số này.

Thứ nhất, đo cái gì quyết định con số ra bao nhiêu. Google cho biết nếu chỉ tính điện của riêng chip AI đang chạy, con số chỉ là 0,10 Wh. Con số 0,24 Wh đã tính thêm CPU đi kèm, những máy chờ sẵn để dự phòng, và hệ thống làm mát. Một phép đo “chỉ tính chip” có thể thấp hơn thực tế hơn hai lần.

Thứ hai, những con số này thay đổi rất nhanh. Google báo cáo năng lượng cho mỗi prompt đã giảm 33 lần trong 12 tháng tính đến tháng 5/2025. IEA ước tính năng lượng cho mỗi tác vụ AI đang giảm ít nhất mười lần mỗi năm, một tốc độ cải thiện hiệu quả “chưa từng có trong lịch sử năng lượng”[1].

Nghe có vẻ không đáng lo. Nhưng đây mới là một prompt văn bản. Ta sẽ quay lại chỗ này.

Máy tính là một lò sưởi biết tính toán

Điện đi vào một máy chủ AI thì đi đâu?

Theo định luật bảo toàn năng lượng, nó không biến mất. Câu trả lời gửi về máy bạn gần như không mang theo năng lượng đáng kể nào: vài nghìn chữ chỉ là vài kilobyte dữ liệu. Vì vậy gần như toàn bộ điện năng mà chip và máy chủ tiêu thụ cuối cùng biến thành nhiệt. Dòng điện chạy qua hàng tỷ transistor và dây dẫn siêu nhỏ, gặp điện trở, và làm chúng nóng lên.

Nói hơi đùa, một máy chủ AI là một lò sưởi điện có thêm tác dụng phụ là trả lời câu hỏi. Một con chip AI hiện đại tiêu thụ cỡ 1.000 W, tương đương một chiếc máy sưởi điện cỡ nhỏ, nhưng dồn toàn bộ lượng nhiệt ấy vào một miếng silicon nhỏ hơn lòng bàn tay.

Hệ quả rất đơn giản: mỗi watt dùng để tính toán kéo theo một watt nhiệt phải được đưa ra khỏi phòng. Nếu không, chip sẽ quá nhiệt và tự giảm tốc hoặc hỏng. Làm mát không phải một phần phụ của data center. Nó là nửa còn lại của bài toán.

Từ một con chip đến một chiếc tủ nóng bằng 65 ngôi nhà

Chip không hoạt động một mình. Nhiều chip được ghép vào một máy chủ (server), nhiều máy chủ xếp chồng trong một chiếc tủ tiêu chuẩn gọi là rack, cao khoảng hai mét, chiếm diện tích sàn nhỏ hơn một mét vuông. Hàng nghìn rack xếp thành hàng trong một data center.

Điều khiến AI khác với điện toán truyền thống là mật độ công suất của mỗi rack tăng rất nhanh[1]:

Năm 2020, một rack với 32 chip thế hệ Ampere tiêu thụ khoảng 13 kW. Rack GB200 NVL72 hiện nay chứa 72 GPU Blackwell và 36 CPU Grace, tiêu thụ khoảng 130 kW. Thế hệ Rubin đã được công bố sẽ lên tới 600 kW mỗi rack, và ngành đang hướng tới 1 MW. IEA mô tả: một chiếc tủ cỡ tủ lạnh gia đình sẽ có công suất đỉnh tương đương khoảng 65 hộ gia đình, một tốc độ tăng mật độ công suất “chưa có tiền lệ trong ngành kỹ thuật điện”.

Ở mật độ này, quạt gió không còn đủ sức. Các rack AI hiện đại được làm mát bằng chất lỏng chạy qua những tấm kim loại áp sát vào từng con chip, vì chất lỏng mang nhiệt đi hiệu quả hơn không khí rất nhiều.

Để đo một data center tốn bao nhiêu điện cho những việc ngoài tính toán, ngành dùng chỉ số PUE (power usage effectiveness):

PUE bằng 1 là lý tưởng: mọi watt đều dùng cho tính toán. PUE 1,5 nghĩa là cứ 1 kWh cho máy chủ lại tốn thêm 0,5 kWh cho làm mát, chiếu sáng và hao hụt khi chuyển đổi điện. Khảo sát toàn cầu năm 2025 của Uptime Institute cho PUE trung bình là 1,54, gần như không đổi suốt sáu năm[6]. Google báo cáo PUE trung bình toàn hệ thống năm 2025 là 1,09[7].

Khoảng cách đó rất lớn khi nhân lên. Cùng 100 MW cho máy chủ, một data center có PUE 1,54 phải kéo 154 MW từ lưới điện, trong khi PUE 1,09 chỉ cần 109 MW. Phần chênh lệch 45 MW, chạy liên tục, tương đương điện năng của hàng chục nghìn hộ gia đình.

Một prompt rẻ như vậy, điện đi đâu?

Đến đây có một nghịch lý thú vị.

Điện năng của các data center trên toàn thế giới năm 2025 là khoảng 485 TWh, tăng 17% so với năm trước. Riêng các data center chuyên cho AI tăng 50%[1]. Trong khi đó, một prompt văn bản chỉ tốn khoảng 0,3 Wh. Hai con số này có khớp nhau không?

Hãy thử tính. Đoạn Python dưới đây ước lượng điện năng một năm của khoảng 2,5 tỷ prompt mỗi ngày, số lượng mà ChatGPT được báo cáo vào giữa năm 2025. Để thận trọng, ta giả định con số 0,34 Wh chưa bao gồm làm mát và nhân thêm PUE:

# Ước tính thô: điện năng một năm của N prompt mỗi ngày, trước và sau khi tính PUE
PROMPTS_PER_DAY = 2.5e9    # khoảng số prompt mỗi ngày ChatGPT được báo cáo vào giữa 2025
WH_PER_PROMPT = 0.34       # Wh cho một prompt văn bản trung bình (OpenAI, 2025)
PUE = 1.2                  # tổng điện data center / điện cho thiết bị IT

it_twh = PROMPTS_PER_DAY * WH_PER_PROMPT * 365 / 1e12   # 1 TWh = 10^12 Wh
print(f"Điện cho chip và máy chủ : {it_twh:.2f} TWh/năm")
print(f"Tính cả làm mát (PUE {PUE}): {it_twh * PUE:.2f} TWh/năm")
print(f"Công suất trung bình     : {it_twh * 1e12 / 8760 / 1e6:.0f} MW chạy liên tục")
print(f"So với 485 TWh của mọi data center năm 2025: {it_twh * PUE / 485:.2%}")

Điện cho chip và máy chủ : 0.31 TWh/năm
Tính cả làm mát (PUE 1.2): 0.37 TWh/năm
Công suất trung bình     : 35 MW chạy liên tục
So với 485 TWh của mọi data center năm 2025: 0.08%

Chưa tới 0,1%. IEA làm một phép tính còn rộng tay hơn: giả sử mỗi ngày có 10 tỷ truy vấn, tương đương toàn bộ lượt tìm kiếm internet trên thế giới, mỗi truy vấn tốn tới 1 Wh. Kết quả chỉ khoảng 3,6 TWh mỗi năm, vẫn chưa tới 1% điện năng của data center[1].

Vậy phần còn lại đi đâu? Câu trả lời hợp lý nhất là: những prompt văn bản ngắn chỉ là phần nổi của tảng băng. Phần lớn điện năng dành cho việc huấn luyện các mô hình ngày càng lớn, và cho những tác vụ nặng hơn nhiều: tạo video và hình ảnh, các mô hình suy luận nhiều bước (reasoning), những “tác tử” AI (agent) tự chạy hàng chục bước liên tiếp, và AI được nhúng vào vô số dịch vụ của doanh nghiệp. Theo IEA, những tác vụ này có thể tốn gấp hàng trăm đến hàng nghìn lần một câu hỏi văn bản.

Điều đáng chú ý là chính IEA thừa nhận chưa ai có câu trả lời đầy đủ: những công ty đã công bố năng lượng mỗi prompt chưa công bố họ phân bổ phần năng lực tính toán khổng lồ đang xây dựng cho những loại tác vụ nào. Đây là một điểm mù thật sự trong mọi dự báo về điện năng của AI.

Có tiền cũng không xây ngay được

IEA dự báo điện năng của data center sẽ tăng gần gấp đôi, lên khoảng 950 TWh vào năm 2030, chiếm khoảng 3% điện năng toàn cầu. Riêng các data center chuyên cho AI tăng hơn gấp ba[1].

Ở Mỹ, nơi tập trung nhiều data center nhất, Phòng thí nghiệm Quốc gia Lawrence Berkeley ước tính data center dùng 176 TWh năm 2023, khoảng 4,4% điện năng cả nước, và có thể lên 325–580 TWh vào năm 2028, tức 6,7–12%[3]. Khoảng dự báo rộng như vậy tự nó đã nói lên mức độ bất định.

Các công ty công nghệ có rất nhiều tiền. Vậy sao không xây ngay? Vì phía sau data center là một chuỗi hạ tầng vật lý có tốc độ riêng của nó[1]:

• Máy biến áp phải đặt trước trung bình hai đến ba năm mới nhận được hàng.
• Tuabin khí cho nhà máy điện có thể mất khoảng năm năm để giao. Đơn đặt hàng tuabin khí toàn cầu tăng 70% chỉ trong năm 2025.
• Đấu nối vào lưới điện có thể phải chờ năm đến mười năm ở nhiều nơi.
• Ngay cả phía công nghệ thông tin cũng nghẽn: bộ nhớ băng thông cao (HBM) cho chip AI được dự báo thiếu hụt ít nhất đến hết năm 2027.

Một ví dụ cho thấy quy mô của vấn đề: ở bang Texas, tổng công suất của các phụ tải lớn, chủ yếu là data center, đang xếp hàng chờ đấu nối lưới điện đã tăng từ khoảng 63 GW lên hơn 230 GW vào tháng 1/2026. Để so sánh, mức tiêu thụ đỉnh cao nhất trong lịch sử của cả bang chỉ là 85 GW. Rõ ràng phần lớn các dự án trong hàng đợi sẽ không bao giờ được xây, nhưng lưới điện vẫn phải xử lý từng hồ sơ.

Data center còn có xu hướng tập trung thành cụm. Chúng chỉ chiếm khoảng 1,5% điện năng toàn cầu, nhưng ở những vùng tập trung nhiều data center, chúng có thể chiếm 20–30% nhu cầu điện địa phương. Và AI còn làm khó lưới điện theo một cách ít ai nghĩ tới: khi huấn luyện mô hình, công suất tiêu thụ của cả data center có thể dao động hàng chục megawatt, khoảng một nửa công suất định mức, trong chưa đầy một giây. Vì thế các data center AI ngày càng cần thêm pin lưu trữ để làm phẳng những cú giật đó.

Tiền có thể mua chip trong vài tháng. Nhưng máy biến áp, đường dây và nhà máy điện chạy theo nhịp năm và thập kỷ.

Điện lấy từ đâu?

Để có điện, các công ty công nghệ đang đi theo nhiều hướng cùng lúc[1].

Năng lượng tái tạo vẫn là hướng lớn nhất. Ngành công nghệ chiếm khoảng 40% tổng lượng hợp đồng mua điện tái tạo dài hạn (PPA) mà các doanh nghiệp ký trên toàn thế giới năm 2025. Nhưng gió và mặt trời không chạy liên tục, trong khi data center cần điện 24 giờ mỗi ngày.

Khí đốt phát tại chỗ đang nổi lên ở Mỹ, như một cách để không phải chờ đấu nối lưới điện. IEA ước tính khoảng 15–27 GW điện khí tại chỗ có thể cấp cho data center vào năm 2030. Nhưng để đảm bảo độ tin cậy khi không có lưới điện dự phòng, phải xây dư công suất phát 30–70% so với nhu cầu, và tuabin khí thì đang khan hiếm.

Và một cái tên quen thuộc đang quay trở lại: điện hạt nhân.

Vì sao hạt nhân quay lại cuộc thảo luận về AI

Hạt nhân có ba đặc điểm khiến nó hấp dẫn với data center: chạy ổn định suốt ngày đêm, phát thải carbon rất thấp khi vận hành, và tạo ra rất nhiều điện trên một diện tích nhỏ. Những năm gần đây, các công ty công nghệ đã ký hàng loạt thỏa thuận[1]:

• Năm 2024, Microsoft ký hợp đồng mua khoảng 835 MW từ việc khởi động lại tổ máy số 1 của nhà máy Three Mile Island ở Mỹ, dự kiến vận hành lại năm 2027.
• Năm 2025, Amazon Web Services ký hợp đồng mua tới 1.920 MW từ nhà máy hạt nhân Susquehanna.
• Meta đã ký nhiều thỏa thuận với tổng công suất hơn 6 GW.
• Tổng công suất lò phản ứng mô-đun nhỏ (SMR) được các data center đặt mua hoặc cam kết đã tăng từ khoảng 25 GW cuối năm 2024 lên khoảng 45 GW vào đầu năm 2026.

Nhưng có một chi tiết quan trọng: theo IEA, những SMR thương mại đầu tiên chỉ được kỳ vọng đi vào vận hành quanh năm 2030. Trong khi một thế hệ chip AI mới ra đời mỗi một đến hai năm, và một mô hình AI mới ra đời mỗi vài tháng, thì một nhà máy hạt nhân được đo bằng thập kỷ.

Việt Nam là một ví dụ trực tiếp cho nhịp thời gian ấy. Dự án điện hạt nhân Ninh Thuận từng được Quốc hội thông qua chủ trương năm 2009, rồi tạm dừng năm 2016. Ngày 30/11/2024, Quốc hội thông qua Nghị quyết 174/2024/QH15 cho phép khởi động lại dự án. Mục tiêu hiện nay là hoàn thành các nhà máy vào khoảng năm 2035[8]. Tức là từ lúc quyết định đến lúc có điện là hơn một thập kỷ, và đó là khi mọi việc diễn ra suôn sẻ.

Vì vậy, hạt nhân là một phần hợp lý của câu trả lời dài hạn, nhưng khó là lời giải cho cơn khát điện của AI trong vài năm tới. Nhiều dự án hạt nhân trong lịch sử cũng từng chậm tiến độ và đội vốn, và mỗi thỏa thuận hôm nay đều phụ thuộc vào cấp phép, chuỗi cung ứng nhiên liệu và sự chấp thuận của cộng đồng. Hạt nhân đang quay lại cuộc thảo luận, nhưng điều đó khác với việc nó chắc chắn là người chiến thắng.

Hiệu ứng bậc hai: nhìn xuyên qua sản phẩm

Đến đây, chuỗi vật lý phía sau một prompt đã hiện ra đầy đủ. Với nhà đầu tư, chuỗi này gợi ý một cách nghĩ hữu ích: phân biệt hiệu ứng bậc một và hiệu ứng bậc hai.

Hiệu ứng bậc một là thứ ai cũng thấy: AI bùng nổ thì cần nhiều chip. Hiệu ứng bậc hai khó thấy hơn: nhiều chip cần nhiều data center, data center cần điện, điện cần máy biến áp, đường dây và nhà máy.

Thị trường tài chính đã bắt đầu phản ánh điều này, nhưng không đồng đều. Khi phân tích biến động giá cổ phiếu từ khi ChatGPT ra đời, IEA thấy nhu cầu AI không nâng giá chung cho toàn ngành năng lượng, vì so với quy mô cả ngành, nó vẫn còn quá nhỏ. Ngược lại, định giá của các nhà sản xuất tuabin khí và thiết bị điện, một số công ty hạt nhân và một số công ty năng lượng mới nổi ngày càng gắn chặt với câu chuyện AI[1].

Quy mô vốn phía sau cũng chưa từng có. Chi tiêu đầu tư của các công ty công nghệ lớn nhất vượt 400 tỷ USD năm 2025. Các hyperscaler và các công ty cho thuê hạ tầng AI mới (neo-cloud) công bố kế hoạch khoảng 715 tỷ USD cho năm 2026, tăng 75%. Chi tiêu của chỉ năm công ty đã lớn hơn toàn bộ đầu tư khai thác dầu khí của thế giới. IEA ước tính một data center AI hiện đại tốn khoảng 40.000–50.000 USD cho mỗi kW công suất, gấp năm đến mười lần một nhà máy điện hạt nhân tính trên cùng đơn vị, và tổng đầu tư cho data center giai đoạn 2026–2030 có thể lên tới 3.900 tỷ USD[1].

Những lý do để hoài nghi

Một câu chuyện hấp dẫn cần được thử thách. Có ít nhất năm lý do khiến nhu cầu điện của AI có thể không tăng như những dự báo lạc quan nhất.

Hiệu quả tăng rất nhanh. Hiệu năng trên mỗi watt của các chip AI hàng đầu tăng khoảng 30–40% mỗi năm trong thập kỷ qua[1]. Phần mềm cũng ngày càng hiệu quả hơn. Ngày 27/1/2025, sau khi công ty DeepSeek của Trung Quốc công bố một mô hình được cho là đạt chất lượng tương đương với chi phí thấp hơn nhiều, cổ phiếu NVIDIA giảm 17%, mất gần 600 tỷ USD giá trị vốn hóa trong một ngày[9]. Thị trường đã tự hỏi: nếu AI rẻ đi nhiều lần, liệu có cần nhiều chip và nhiều điện như vậy?

Nhưng hiệu quả chưa chắc làm giảm tổng nhu cầu. Năm 1865, nhà kinh tế học William Stanley Jevons nhận thấy máy hơi nước hiệu quả hơn không làm nước Anh dùng ít than đi, mà ngược lại: than rẻ hơn trên mỗi đơn vị công việc khiến người ta dùng máy hơi nước ở khắp nơi[11]. Hiện tượng này được gọi là nghịch lý Jevons. Nếu AI rẻ đi, người ta có thể dùng AI cho nhiều việc hơn hẳn, và tổng điện năng vẫn tăng. Chính IEA cũng mô tả nhu cầu điện của AI là kết quả của ba xu hướng giằng co nhau: hiệu quả tăng, mức sử dụng bùng nổ, và những tác vụ mới nặng hơn nhiều.

Điểm nghẽn có thể giữ tăng trưởng lại. Chính những giới hạn về máy biến áp, tuabin và đấu nối lưới điện ở trên có thể khiến việc xây dựng chậm hơn kế hoạch. IEA cho rằng các điểm nghẽn đang làm giảm khả năng xảy ra những kịch bản tăng trưởng mạnh nhất trong ngắn hạn.

Dự báo có thể sai, và vốn có thể cạn. Đầu tư cho data center đã quá lớn để các công ty tự tài trợ từ tiền mặt, nên ngày càng phụ thuộc vào tâm lý của thị trường vốn. Từ nửa sau năm 2025, tâm lý nhà đầu tư đã chuyển từ lạc quan sang thận trọng hơn: các neo-cloud gần như mất hết phần giá tăng từ tháng 3/2025, còn vốn hóa của các hyperscaler và công ty thiết kế chip đi ngang[1].

Xây thừa là chuyện đã từng xảy ra. Cuối những năm 1990, ngành viễn thông tin rằng lưu lượng internet tăng gấp đôi mỗi 100 ngày, và đổ tiền lắp đặt cáp quang khắp thế giới. Thực tế, như nhà toán học Andrew Odlyzko chỉ ra, lưu lượng chỉ tăng gần gấp đôi mỗi năm[10]. Xu hướng là có thật và rất mạnh, chỉ là không mạnh đến mức kỳ vọng. Khi bong bóng vỡ, nhiều công ty phá sản, trong khi chính những sợi cáp quang dư thừa ấy về sau trở thành nền móng giá rẻ cho internet hiện đại. Người hưởng lợi cuối cùng thường không phải người bỏ tiền xây.

Xu hướng tốt chưa chắc là khoản đầu tư tốt

Tất cả dẫn tới một thông điệp đơn giản nhưng hay bị quên:

Great trend ≠ great investment at any price.

Một xu hướng công nghệ có thể hoàn toàn có thật, và vẫn khiến nhà đầu tư thua lỗ. Có ba lý do chính.

Thứ nhất, giá có thể đã phản ánh hết kỳ vọng. Nếu ai cũng thấy AI cần điện, giá cổ phiếu của các công ty liên quan có thể đã bao gồm một kịch bản rất lạc quan. Khi thực tế chỉ tốt thay vì xuất sắc, giá vẫn có thể giảm.

Thứ hai, không phải mọi công ty trong chuỗi đều nắm giữ lợi nhuận. Ở mỗi tầng của chuỗi, câu hỏi là ai có sức mạnh định giá: người nắm điểm nghẽn thật sự, hay người chỉ tham gia vào một thị trường sắp có rất nhiều đối thủ mới?

Thứ ba, thời điểm quan trọng. Một ngành cần mười năm để xây dựng có thể trải qua những chu kỳ lên xuống rất mạnh trong mười năm đó, như cáp quang đầu những năm 2000.

Cách nghĩ về hiệu ứng bậc hai hữu ích nhất khi dùng để đặt câu hỏi, không phải để tìm ra “cổ phiếu tiếp theo”. Tầng nào của chuỗi đang là điểm nghẽn? Điểm nghẽn đó cần bao lâu để được giải tỏa? Và giá hiện tại đang giả định điều gì về tương lai?

Quay lại người đang gõ prompt

Quay lại người đang gõ câu hỏi vào ChatGPT.

Thứ trông như một sản phẩm hoàn toàn kỹ thuật số thực ra nằm trên một chuỗi rất vật lý: electron → transistor → chip → máy chủ → nhiệt → làm mát → máy biến áp → lưới điện → nhà máy điện. Mỗi mắt xích có tốc độ riêng. Phần mềm thay đổi theo tuần. Chip thay đổi theo năm. Máy biến áp, đường dây và nhà máy điện thay đổi theo thập kỷ. Và cả chuỗi chỉ chạy nhanh bằng mắt xích chậm nhất.

Điều đáng mang theo, cả khi nhìn AI lẫn bất kỳ xu hướng công nghệ nào khác: đừng chỉ nhìn sản phẩm mà mọi người đang dùng. Hãy lần ngược xuống những tài nguyên, hạ tầng và điểm nghẽn mà sản phẩm đó không thể tồn tại nếu thiếu. Đó thường là nơi câu chuyện thật sự diễn ra.