Nghiên cứu cảnh báo “đảo nhiệt dữ liệu”: Trung tâm dữ liệu AI có thể làm nóng khu dân cư trong bán kính tới 10 km

Một nghiên cứu mới từ Đại học Cambridge cho rằng các trung tâm dữ liệu quy mô lớn phục vụ AI đang tạo ra một dạng “đảo nhiệt dữ liệu” — cách gọi lấy cảm hứng từ hiện tượng “đảo nhiệt đô thị”, khi khu vực có nhiều bê tông, mái nhà và hạ tầng giữ nhiệt khiến nhiệt độ tăng cao hơn vùng xung quanh. Theo nhóm nghiên cứu, sau khi đi vào hoạt động, nhiệt độ bề mặt đất quanh các cơ sở này tăng từ 0,3 đến 9,1 độ C, với mức tăng trung bình dao động 1,5 đến 2,4 độ C. Đáng chú ý, tác động này vẫn có thể đo được ở khoảng cách tới 10 km, dù cường độ giảm khoảng 30% khi ra xa khoảng 7 km.

Nghiên cứu tập trung vào “land surface temperature”, tức nhiệt độ bề mặt đất — thước đo mức độ nóng lên của mái nhà, nhựa đường, sân bãi và mặt đất dưới ánh nắng. Đây là chỉ số khác với nhiệt độ không khí gần mặt đất, vốn phản ánh trực tiếp hơn cảm giác nóng mà con người trải nghiệm. Một chuyên gia từ Omdia lưu ý rằng kết quả hiện nên được hiểu như dấu hiệu của thay đổi sử dụng đất và hạ tầng mới quy mô lớn, hơn là bằng chứng chắc chắn cho thấy nhiệt thải từ máy chủ đang làm nóng mạnh toàn bộ khu dân cư. Nói cách khác, phần nhiệt quan sát được có thể đến từ việc xây thêm công trình lớn, bề mặt lát kín và cơ sở phụ trợ, chứ không chỉ từ bản thân năng lực tính toán AI.

Bối cảnh khiến nghiên cứu này được chú ý là làn sóng đầu tư dữ dội vào hạ tầng AI. Các “hyperscaler” — thuật ngữ chỉ những tập đoàn đám mây khổng lồ như Amazon, Microsoft hay Google có khả năng mở rộng hạ tầng lên quy mô cực lớn — đã tăng chi tiêu cho cơ sở hạ tầng gấp ba lần trong ba năm qua. Khối lượng công suất bổ sung mỗi quý cũng leo thang mạnh, tăng 170% vào cuối năm trước. Khi AI tạo sinh và các mô hình ngôn ngữ lớn tiếp tục bùng nổ, các “server farm” hay “trang trại máy chủ” đang mọc lên nhanh chóng để đáp ứng nhu cầu huấn luyện và vận hành mô hình.

Theo nghiên cứu, ngành trung tâm dữ liệu đang trên đường trở thành một trong những lĩnh vực ngốn điện nhất trong thập kỷ tới. Nhu cầu điện toàn cầu của các cơ sở máy chủ khổng lồ được dự báo sẽ tăng hơn gấp đôi vào năm 2030, trong đó AI là động lực chính. Thậm chí, mức tiêu thụ điện cho xử lý dữ liệu có thể vượt cả điện năng dùng cho sản xuất công nghiệp trong vòng 3 đến 5 năm tới. Điều này đặc biệt đáng lo khi phần lớn các “nhà máy AI” hiện vẫn phụ thuộc vào nhiên liệu hóa thạch để phát điện, đồng nghĩa tăng trưởng AI có thể kéo theo lượng phát thải khí nhà kính tăng đáng kể.

Bài báo dẫn ví dụ tại Mỹ, nơi số dự án nhà máy điện chạy khí đốt đang phát triển gần như tăng gấp ba trong năm qua. Nhu cầu điện khổng lồ từ các datacenter AI cũng bị cho là góp phần thúc đẩy sự hồi sinh của các nhà máy nhiệt điện than. Đây là nghịch lý lớn của kỷ nguyên AI: trong khi công nghệ thường được quảng bá là công cụ tối ưu hóa và hiện đại hóa nền kinh tế, hạ tầng đứng sau nó lại có thể làm gia tăng áp lực lên lưới điện và mục tiêu giảm phát thải.

Nếu chỉ tính riêng tác động của “đảo nhiệt dữ liệu”, nhóm tác giả ước tính có tới 343 triệu người trên toàn cầu có thể bị ảnh hưởng. Tương tự hiệu ứng đảo nhiệt đô thị, hệ quả tiềm tàng không chỉ dừng ở cảm giác nóng hơn mà còn có thể lan sang phúc lợi xã hội, y tế và hệ thống năng lượng. Khi nhiệt độ nền tăng, nhu cầu làm mát bằng điều hòa cũng tăng theo, tạo thêm sức ép lên lưới điện và chi phí sinh hoạt của cộng đồng sống gần các cụm hạ tầng số.

Dù gây chú ý, công trình này hiện vẫn chưa được “peer review”, tức chưa trải qua quy trình phản biện khoa học độc lập — bước đánh giá quan trọng để các chuyên gia khác kiểm tra phương pháp, dữ liệu và kết luận trước khi nghiên cứu được xem là đáng tin cậy hơn. Omdia nhận định đây mới là một phân tích ban đầu, chưa được lặp lại độc lập, vì vậy các tuyên bố cần được tiếp cận thận trọng. Theo lập luận vật lý cơ bản, ngay cả trung tâm dữ liệu rất lớn cũng chỉ tạo thêm một dòng nhiệt tương đối nhỏ khi phân tán trên phạm vi nhiều kilomet, nên phần lớn hiệu ứng quan sát được có thể đến từ thay đổi lớp phủ bề mặt và cách sử dụng đất.

Nhóm tác giả cũng thừa nhận tác động này có thể được giảm bớt nhờ tiến bộ công nghệ. Các linh kiện điện tử tiết kiệm điện hơn, hệ thống làm mát hiệu quả hơn và các phương pháp tính toán tối ưu hơn đều có thể giúp giảm công suất tiêu thụ. Hiện nay nhiều nhà máy đã sử dụng tản nhiệt nhôm trực tiếp trên các dòng máy tính công nghiệp, panel pc, màn hình cảm ứng HMI. Với AI, điều đó có thể bao gồm các kỹ thuật huấn luyện hiệu quả hơn, dùng ít tài nguyên tính toán hơn cho cùng một kết quả. Trong ngành, đây là bài toán gắn với hiệu suất hạ tầng, thường được đo bằng các chỉ số như PUE (Power Usage Effectiveness) — thước đo mức độ hiệu quả sử dụng điện của trung tâm dữ liệu, càng gần 1,0 càng tốt vì cho thấy phần lớn điện năng được dùng trực tiếp cho thiết bị CNTT thay vì thất thoát vào làm mát hay vận hành phụ trợ.

Tác giả chính Andrea Marinoni cho biết kết quả nghiên cứu khiến chính nhóm thực hiện cũng bất ngờ và có thể trở thành vấn đề lớn trong tương lai. Thông điệp cốt lõi, theo ông, là cần thận trọng hơn trong cách thiết kế và phát triển trung tâm dữ liệu. Khi AI bước sang giai đoạn công nghiệp hóa, câu hỏi không còn chỉ là xây thêm bao nhiêu GPU hay mở rộng bao nhiêu megawatt công suất, mà còn là đặt cơ sở ở đâu, xử lý nhiệt ra sao, dùng nguồn điện nào và tác động thế nào đến cộng đồng xung quanh. Trong cuộc đua AI, hạ tầng vật lý đang trở thành một phần của bài toán môi trường và quy hoạch đô thị, chứ không còn là chuyện riêng của ngành công nghệ.