Các truy vấn AI tiêu tốn năng lượng khác nhau: Sự thật phía sau các AI

Các mô hình AI đang âm thầm tiêu tốn lượng điện khổng lồ mỗi ngày, góp phần vào biến đổi khí hậu. Bài viết này của CentriX giúp bạn hiểu rõ sự khác biệt về mức tiêu thụ năng lượng giữa các truy vấn AI, cách đo lường và lựa chọn giải pháp bền vững hơn cho tương lai số.

Trong thời đại mà trí tuệ nhân tạo (AI) len lỏi vào mọi lĩnh vực từ học thuật, kinh doanh đến giải trí, ít ai nhận ra rằng mỗi truy vấn, mỗi hình ảnh được tạo ra bằng AI đều có một “chi phí vô hình” – đó là năng lượng tiêu thụ. Trong khi một số mô hình AI tiêu tốn điện năng tương đối ít, thì các mô hình ngôn ngữ lớn lại “ngốn” một lượng điện khổng lồ, góp phần làm tăng phát thải khí nhà kính.

Vậy, truy vấn AI tiêu tốn năng lượng khác nhau như thế nào? Bài viết này sẽ giúp bạn hiểu rõ sự chênh lệch, lý do đằng sau và cách người dùng có thể góp phần xây dựng một tương lai AI bền vững hơn.

1. Vì sao cần quan tâm đến năng lượng tiêu thụ của AI?

1.1 Mối liên hệ giữa AI và biến đổi khí hậu

Theo International Energy Agency (IEA), các trung tâm dữ liệu – nơi đặt các máy chủ xử lý AI – hiện chiếm khoảng 3% tổng lượng điện tiêu thụ toàn cầu và phát thải tương đương với ngành hàng không. Với tốc độ ứng dụng AI ngày càng tăng, tỷ lệ này được dự báo sẽ gấp đôi vào năm 2030 nếu không có các biện pháp kiểm soát.

1.2 Trung tâm dữ liệu và phát thải khí nhà kính

Để đào tạo một mô hình AI như GPT-4 có thể cần đến từ hàng trăm MWh đến vài GWh điện, tùy theo quy mô và cấu hình. Ngoài ra, việc vận hành AI cũng liên quan đến nhu cầu làm mát, hệ thống lưu trữ, truy vấn hàng ngày từ người dùng – tất cả đều tiêu tốn năng lượng và phát thải CO₂.

2. Mỗi truy vấn AI tiêu thụ bao nhiêu năng lượng?

2.1 Mô hình nhỏ: Tiết kiệm điện năng

Các mô hình AI chuyên biệt như TinyBERT của Intel hay DistilBERT của Hugging Face được thiết kế để thực hiện các tác vụ đơn giản như tìm kiếm hoặc trích xuất văn bản. Theo Financial Times, mỗi 1.000 truy vấn chỉ tiêu tốn khoảng 0,06 Wh, tương đương với việc thắp sáng bóng đèn LED 20 giây – một con số gần như không đáng kể.

2.2 Mô hình lớn: “Ngốn điện” như bật đèn sân vận động

Ngược lại, các mô hình ngôn ngữ lớn (LLM) như:

• GPT-4 (OpenAI)
  
• Claude (Anthropic)
  
• Gemini (Google)
  
• Llama (Meta)
  
• Qwen (Alibaba)

… có thể tiêu thụ điện năng gấp hàng nghìn lần cho mỗi truy vấn. Ví dụ, một truy vấn qua GPT-4 có thể tiêu tốn từ 3 – 10 Wh, cao hơn hàng chục đến hàng trăm lần so với Google Search truyền thống.

3. Vì sao có sự chênh lệch lớn giữa các mô hình AI?

3.1 Cơ chế hoạt động: Mô hình chuyên biệt vs mô hình tổng quát

Mô hình chuyên biệt được lập trình để tìm kiếm thông tin sẵn có, còn LLM thì tạo ra câu trả lời từ đầu bằng cách dự đoán từ tiếp theo dựa trên khối dữ liệu khổng lồ. Quá trình này đòi hỏi nhiều vòng tính toán, tài nguyên GPU và tiêu tốn điện năng đáng kể.

3.2 Dung lượng dữ liệu và khối lượng xử lý

Ví dụ, GPT-4 được huấn luyện trên hàng chục nghìn tỷ token văn bản, cần hàng triệu GPU giờ (GPU hours). Trong khi đó, DistilBERT chỉ dùng một phần rất nhỏ dữ liệu để học và phục vụ mục tiêu hẹp.

4. Vấn đề minh bạch: Ai công khai mức tiêu thụ năng lượng?

4.1 Các mô hình mã nguồn mở

Một số mô hình mã nguồn mở như Mistral, BLOOM, hay OpenLLaMA cho phép cộng đồng đánh giá, tối ưu hiệu suất và ghi lại dữ liệu tiêu thụ năng lượng cụ thể. Nhờ vậy, chúng trở thành đối tượng thử nghiệm lý tưởng cho các nghiên cứu về AI bền vững.

4.2 Mã nguồn đóng và Big Tech thiếu minh bạch

Ngược lại, các tập đoàn lớn như Google, Anthropic, OpenAI lại chưa công khai chi tiết về mức tiêu thụ năng lượng của từng mô hình. Điều này làm dấy lên các nghi ngại và thông tin chưa kiểm chứng lan truyền trên mạng, gây hoang mang dư luận.

5. AI Energy Score: Chuẩn hóa đánh giá năng lượng AI

5.1 Mục tiêu và đối tác

Được khởi xướng vào tháng 2/2025, AI Energy Score là sáng kiến từ Salesforce, Hugging Face, Cohere và Đại học Carnegie Mellon, nhằm xây dựng một hệ thống đo lường minh bạch và công khai về tiêu thụ năng lượng của AI.

5.2 Cách thức đo và xếp hạng

Họ phân tích 10 tác vụ phổ biến như tạo văn bản, phân loại hình ảnh, chuyển âm thanh thành văn bản,… trên nhiều mô hình AI mã nguồn mở. Dựa trên lượng điện thực tế đo từ phần cứng GPU khi chạy mô hình, mỗi AI sẽ được chấm điểm từ 1 đến 5 sao về hiệu suất năng lượng.

5.3 Kết quả bất ngờ: Mô hình “ngốn điện” gấp 62.000 lần mô hình tối ưu

Theo báo cáo AI Energy Score 2025, mô hình có hiệu suất kém nhất tiêu tốn năng lượng gấp 62.000 lần so với mô hình hiệu quả nhất khi thực hiện cùng một tác vụ. Điều này đặt ra câu hỏi lớn về hiệu quả sử dụng tài nguyên trong thời đại AI phát triển nóng.

Xem thêm: Chatbot AI hỗ trợ Sức khỏe tâm thần tại Trung Quốc

6. Người dùng có thể làm gì?

6.1 Dùng công cụ so sánh năng lượng

AI Energy Score còn phát triển công cụ giúp người dùng so sánh mức tiêu thụ điện của truy vấn AI với các hành động đời thường như sạc điện thoại, chạy xe máy, hay đun nước sôi. Điều này giúp nâng cao nhận thức cá nhân về tác động môi trường khi sử dụng AI.

6.2 Cân nhắc khi sử dụng AI cho tác vụ đơn giản

Việc dùng GPT-4 để hỏi “thủ đô của Canada là gì?” không những quá dư thừa, mà còn tiêu tốn năng lượng hơn nhiều so với Google Search. Thay vào đó, người dùng nên chọn các mô hình AI nhẹ hơn hoặc công cụ tìm kiếm chuyên biệt.

6.3 Thay đổi thói quen sử dụng AI

Khuyến nghị từ các chuyên gia: Chỉ nên dùng LLM cho những tác vụ cần sáng tạo nội dung, phân tích chuyên sâu, viết báo cáo, hoặc hỗ trợ công việc phức tạp. Những truy vấn ngắn hoặc mang tính tra cứu đơn thuần nên dùng các AI nhỏ hoặc công cụ truyền thống.

7. AI cũng có thể giúp giải quyết biến đổi khí hậu

7.1 DeepMind và các ứng dụng AI xanh

DeepMind đã phát triển hệ thống tối ưu hóa lưới điện, giúp giảm tới 30% năng lượng làm mát trung tâm dữ liệu của Google. AI còn được ứng dụng để thiết kế tấm pin mặt trời thế hệ mới và cải tiến công nghệ sản xuất xi măng ít phát thải.

7.2 Microsoft và Alphabet đầu tư vào năng lượng sạch

• Microsoft đầu tư vào nhà máy Three Mile Island – dự án năng lượng hạt nhân xanh.
  
• Alphabet (công ty mẹ của Google) thử nghiệm các lò phản ứng hạt nhân mô-đun nhỏ (SMR) để cung cấp điện cho trung tâm dữ liệu.

Năm 2024, ngành công nghệ đã đóng góp tới 92% lượng mua năng lượng tái tạo mới tại Mỹ (Bloomberg NEF).

8. Tương lai: Minh bạch và lựa chọn mô hình thông minh

8.1 Cần luật hóa công bố tiêu thụ năng lượng

Nếu các công ty như OpenAI, Google, Anthropic từ chối công khai thông tin năng lượng, các tổ chức quốc tế và chính phủ nên đưa ra quy định bắt buộc. Điều này không chỉ giúp kiểm soát phát thải mà còn nâng cao niềm tin từ người tiêu dùng.

8.2 Thúc đẩy AI nhỏ, nhanh, tiết kiệm

Đã đến lúc các doanh nghiệp và nhà phát triển ưu tiên các mô hình nhỏ, tiết kiệm năng lượng nhưng vẫn đảm bảo hiệu quả công việc. Điều này không chỉ có lợi cho môi trường, mà còn tiết kiệm chi phí hạ tầng và vận hành.

9. Kết luận: Dùng AI có trách nhiệm là lựa chọn bắt buộc

AI là cánh tay phải của thời đại số, nhưng nếu không sử dụng đúng cách, nó có thể trở thành “con dao hai lưỡi” đối với hành tinh. Việc hiểu rõ mô hình AI nào tiêu tốn bao nhiêu năng lượng, từ đâu và vì sao, là bước đầu tiên để xây dựng một hệ sinh thái số thông minh, tiết kiệm và bền vững.

👉 Hãy bắt đầu bằng cách lựa chọn đúng công cụ cho từng tác vụ, và chia sẻ thông tin này với cộng đồng. Vì một tương lai AI xanh, sạch và có trách nhiệm.

Xem thêm: Trung Quốc đưa AI và Robot trồng rau ở Sa mạc