⚡ Nguồn năng lượng, nhiệt và trí tuệ ☁️ - Trung tâm dữ liệu AI được giải thích 🏭

Giới thiệu chung về trung tâm dữ liệu AI

Nếu bạn từng thắc mắc về tác động của các trung tâm dữ liệu AI đến môi trường, bạn đã đến đúng nơi! Bài giải thích này nhằm mục đích cung cấp một cái nhìn tổng quan toàn diện về việc sử dụng năng lượng, nước và tài nguyên thiên nhiên của các trung tâm dữ liệu quy mô lớn (hyperscale), những gì chúng ta biết về chúng và cách chúng đang phát triển theo thời gian. Chúng tôi đã cấu trúc bài viết xung quanh 3 chủ đề: thông tin chung về trung tâm dữ liệu và đi sâu vào việc sử dụng năng lượng và nước của chúng. Mỗi phần bao gồm một loạt các câu hỏi thường gặp về chủ đề này. Cuối cùng, chúng tôi đưa ra tổng quan về luật pháp hiện hành liên quan đến trung tâm dữ liệu và thảo luận về các câu hỏi và chủ đề còn bỏ ngỏ.

1. Trung tâm dữ liệu hoạt động như thế nào? 🏭

Trung tâm dữ liệu là trái tim của AI, cung cấp ba chức năng: tính toán (compute), lưu trữ (storage) và mạng lưới (networking), bằng cách chứa và kết nối tất cả cơ sở hạ tầng cần thiết để thực hiện các chức năng này, đồng thời đảm bảo rằng cơ sở hạ tầng này ổn định và an toàn. Ở cấp độ vĩ mô, trung tâm dữ liệu được cấu trúc trên nhiều quy mô: từ các hộp (boxes) (chứa các máy chủ riêng lẻ) đến các giá đỡ (racks) (chứa nhiều máy chủ), mà lần lượt được đặt trong các tòa nhà (buildings), các tòa nhà này được nhóm lại thành các khu phức hợp (campuses), và sau đó thành các khu vực (regions) (ví dụ: “us-east-1”).

Để đảm bảo sự tích hợp với thế giới bên ngoài, trung tâm dữ liệu được kết nối thông qua các bộ định tuyến (routers) và cáp (cables) với các máy chủ khác, cho phép truyền thông tin cả cục bộ và toàn cầu. Và trong khi hầu hết các trung tâm dữ liệu hiện nay bao gồm các nhà kho rộng bằng sân bóng đá chứa đầy máy chủ, cũng có những cấu hình nhỏ hơn tùy thuộc vào nhu cầu của công ty sở hữu chúng.

2. Điều gì làm cho các trung tâm dữ liệu AI trở nên độc đáo? 🤖

Với sự ra đời của AI, yêu cầu của các trung tâm dữ liệu đã thay đổi - trong khi phần lớn gánh nặng trước đây đặt vào việc lưu trữ và truyền dữ liệu, ngày nay trọng tâm lại chuyển sang các quy trình song song, đòi hỏi khả năng tính toán cao. Các phép tính như nhân ma trận, cần thiết cho các phương pháp học máy (ML) hiện đại, chạy nhanh hơn nhiều lần trên GPU (Bộ xử lý đồ họa), được chế tạo để xử lý song song và có thể chạy hàng nghìn quy trình đồng thời, trái ngược với CPU (Bộ xử lý trung tâm), chạy các quy trình tuần tự.

Mặc dù GPU ban đầu được thiết kế để hiển thị trò chơi điện tử theo thời gian thực, nhưng các thế hệ gần đây, được thiết kế đặc biệt cho ML, đã cho phép chúng đạt được hiệu quả tăng trưởng lên đến 40% mỗi năm [1]. Việc tạo ra các phần cứng như TPU (Bộ xử lý Tensor) và NPU (Bộ xử lý Neural), được thiết kế đặc biệt cho khối lượng công việc ML, đã cho phép đạt được hiệu quả cao hơn nữa. Nói chung, lớp phần cứng này thường được gọi là bộ tăng tốc AI (AI accelerator).

Mặc dù khối lượng công việc cho việc đào tạo và triển khai các mô hình AI là khác nhau, chúng có thể chạy trên cùng một phần cứng, với các cấu hình khác nhau: việc đào tạo đòi hỏi khả năng song song lớn hơn, nơi kết nối tới hàng trăm nghìn bộ tăng tốc AI và hoạt động như một siêu máy tính duy nhất. Mặt khác, việc triển khai (còn gọi là suy luận - inference) cho phép các cấu hình linh hoạt hơn có thể mở rộng quy mô lên và xuống tùy thuộc vào nhu cầu của người dùng, và có thể đáp ứng các kích thước lô khác nhau, có nghĩa là phần cứng thường không được sử dụng hết công suất. Cả hai loại khối lượng công việc đều có thể rất biến động, tăng vọt và giảm đột ngột theo những cách không thể đoán trước, điều này có thể gây áp lực rất lớn lên trung tâm dữ liệu và lưới điện mà nó kết nối [2].

Nguồn ảnh: https://arxiv.org/pdf/2211.02001

3. Chúng nằm ở đâu? 🌎

Các trung tâm dữ liệu đã tồn tại trong nhiều thập kỷ, khi World Wide Web, email và các dịch vụ phát trực tuyến ngày càng trở nên phổ biến. Cho đến năm 2018, năng lực trung tâm dữ liệu toàn cầu chỉ tăng trưởng vài phần trăm mỗi năm; tuy nhiên, trong 7 năm qua, sự tăng trưởng của chúng đã liên tục duy trì ở mức hai con số [3]. Theo các ước tính gần đây, có khoảng 12.000 trung tâm dữ liệu trên toàn thế giới, với khoảng 10% trong số đó tập trung vào AI [4].

Chúng tập trung về mặt địa lý rất cao - chỉ có 32 quốc gia có trung tâm dữ liệu, và gần một nửa trong số đó ở Hoa Kỳ. Bang Virginia có mật độ trung tâm dữ liệu cao nhất trên toàn cầu - nơi đây có tới gần 35% tất cả các trung tâm dữ liệu hyperscale trên toàn thế giới. Có nhiều lý do cho sự tập trung này - từ điện giá rẻ và cáp quang tốc độ cao (bao gồm cả cáp dưới biển) cho phép truyền dữ liệu nhanh chóng, đến các lý do lịch sử như các điểm kết nối ban đầu và các ưu đãi thuế địa phương [5]. Do việc đào tạo mô hình ML đặc biệt cần các cụm được đặt cùng nhau với quy mô lớn, điều này đã làm trầm trọng thêm tình huống này, với Virginia tiếp tục là địa điểm ưa thích cho các dự án trung tâm dữ liệu hyperscale mới [6].

Nguồn ảnh: https://www.visualcapitalist.com/data-center-capacity-around-the-world/

⚡ NĂNG LƯỢNG ⚡

1. Tại sao các trung tâm dữ liệu AI lại tiêu thụ nhiều năng lượng đến vậy? 🪫

Phần lớn các cuộc thảo luận gần đây xung quanh trung tâm dữ liệu tập trung vào lượng năng lượng lớn mà chúng yêu cầu, điều này đang gây căng thẳng cho các lưới điện ở những nơi như Virginia [7] và thậm chí còn dẫn đến việc người tiêu dùng dân sự phải trả nhiều tiền hơn cho hóa đơn năng lượng của họ [8]. Nói chung, điều này là do một số yếu tố: một mặt, GPU có mức tiêu thụ năng lượng cao hơn nhiều so với CPU, với các thế hệ GPU gần đây như mẫu Blackwell của NVIDIA sử dụng tới 600W điện [9], trong khi CPU mới nhất chỉ sử dụng 250W [10].

Nguồn ảnh: https://www.umweltbundesamt.de/sites/default/files/medien/11850/publikationen/68_2025_texte_0.pdf

Ngoài ra, do bản thân phần cứng ngày càng tập trung - với nhiều GPU trong một giá đỡ máy chủ và hàng trăm giá đỡ máy chủ trong một trung tâm dữ liệu nhất định, điều này làm tăng tương ứng mức tiêu thụ điện. Trong khi trước đây các giá đỡ máy chủ CPU sử dụng 5-10 kW điện, thì trong kỷ nguyên GPU, các giá đỡ đòi hỏi nhiều hơn 10-20 lần [4]. Ở cấp độ của một cụm trung tâm dữ liệu hyperscale, điều này có thể chuyển thành yêu cầu lên tới 5 và thậm chí 10 GW điện, tăng từ 5 MW - mức tăng gấp 2.000 lần trong vòng một thập kỷ [4, 11].

2. Năng lượng đó đến từ đâu? 🔌

Theo các ước tính gần đây từ Cơ quan Năng lượng Quốc tế, 60% năng lượng được sử dụng để cung cấp năng lượng cho các trung tâm dữ liệu trên toàn cầu được tạo ra từ nhiên liệu hóa thạch như than đá và khí đốt tự nhiên [12]. Chỉ riêng tại Hoa Kỳ, các trung tâm dữ liệu ước tính tạo ra hơn 105 triệu tấn CO2tương đương, chiếm 2% lượng phát thải của Hoa Kỳ vào năm 2023 [13]. Ước tính này đại diện cho lượng phát thải từ năng lượng mà các trung tâm dữ liệu tiêu thụ vật lý (tức là lượng phát thải dựa trên vị trí), thay vì bất kỳ hợp đồng nào mà các nhà khai thác trung tâm dữ liệu có để mua tín dụng năng lượng tái tạo (tức là lượng phát thải dựa trên thị trường)*, thường được các nhà khai thác báo cáo [14].

Do áp lực mà các trung tâm dữ liệu AI đang đặt lên lưới điện (vì chúng yêu cầu một lượng năng lượng lớn, tập trung tại một địa điểm cụ thể), có nhiều cách khác nhau để giải quyết vấn đề này, chẳng hạn như các phương pháp “ngoài lưới” (tức là các vi mạch độc lập) có thể sử dụng các loại nguồn khác với địa điểm đặt trung tâm dữ liệu, bao gồm các hệ thống kết hợp (hybrid) kết hợp năng lượng tái tạo, nhiên liệu hóa thạch và lưu trữ pin [15] hoặc các hệ thống dựa trên nhiên liệu hóa thạch cung cấp nhiều đầu ra hơn so với lưới điện địa phương có thể xử lý [16].

3. Các trung tâm dữ liệu có thể được cấp toàn bộ năng lượng từ năng lượng tái tạo không? 🌱

Mặc dù việc các trung tâm dữ liệu AI hoạt động 24 giờ một ngày, 365 ngày một năm ở mức công suất tối đa gần như là phóng đại, nhưng chúng vẫn duy trì một mô hình mạnh mẽ nhưng biến động, sử dụng khoảng 80% công suất cho việc đào tạo và 40-60% cho việc suy luận [17]. Điều này có nghĩa là lượng điện năng mà trung tâm dữ liệu yêu cầu có thể thay đổi mạnh mẽ từ khoảnh khắc này sang khoảnh khắc khác. Điều này có nghĩa là nguồn năng lượng cung cấp cho trung tâm dữ liệu phải có khả năng phản ứng và biến đổi tương đương, hoặc phải có một loại bộ đệm nào đó giữa trung tâm dữ liệu và nguồn điện cho phép bù đắp cho sự khác biệt tiềm năng về cung và cầu, điều này có thể làm hỏng thiết bị và gây mất ổn định lưới điện.

Trong khi các máy phát điện nhiên liệu hóa thạch có thể phản ứng nhanh với sự biến động của nhu cầu, các nguồn năng lượng tái tạo - và các nhà máy điện hạt nhân - thì không thể [18]. Điều này là hợp lý, vì luôn có khả năng về lý thuyết để bơm nhiều hoặc ít khí đốt tự nhiên hơn để tạo ra nhiều hoặc ít điện hơn, nhưng khó kiểm soát hơn đầu ra của các tấm pin mặt trời hoặc tua bin gió, những thứ sẽ phản ứng với sự thay đổi của ánh sáng mặt trời hoặc tốc độ gió (trong khi các nhà máy điện hạt nhân luôn có đầu ra gần như ổn định). Mặc dù về lý thuyết có thể bù đắp điều này bằng các thiết bị như pin hoặc bộ tụ điện, điều này có thể làm tăng chi phí đáng kể, làm cho các lựa chọn này đắt đỏ hơn đáng kể đối với các nhà xây dựng và nhà khai thác [19].

4. Năng lượng hạt nhân có giải quyết được khủng hoảng năng lượng của trung tâm dữ liệu không? ⚛️

Năng lượng hạt nhân đã thu hút được nhiều sự quan tâm trong bối cảnh các trung tâm dữ liệu AI, với nhiều mối quan hệ đối tác giữa các công ty công nghệ và các công ty khởi nghiệp hạt nhân [20] và các nhà khai thác cơ sở [21] được công bố trong những năm gần đây. Phần lớn công việc này là hướng tới tương lai, trên các khoảng thời gian khác nhau, từ vài năm đến nhiều thập kỷ. Hiện tại, năng lượng hạt nhân cung cấp khoảng 9% lượng điện trên toàn thế giới, với hơn một nửa công suất hiện có tập trung ở Hoa Kỳ, Trung Quốc và Pháp [22].

Trong khi các lò phản ứng mới tiếp tục được xây dựng trên toàn cầu, việc này mất trung bình 6 đến 8 năm [23]; ngay cả trong những trường hợp các lò phản ứng hạt nhân hiện có đã ngừng hoạt động được đưa trở lại hoạt động (ví dụ: Three Mile Island [24] và Trung tâm Năng lượng Duane Arnold [25], sẽ được Microsoft và Google hồi sinh), việc này có thể mất 3-5 năm. Ngay cả ở các quốc gia như Pháp, nơi có sẵn năng lượng hạt nhân dư thừa, việc kết nối các trung tâm dữ liệu mới với lưới điện hiện có có thể mất tới 5 năm do các thủ tục cấp phép và xây dựng cần thiết [26].

Cuối cùng, mặc dù các công nghệ mới như SMR (Lò phản ứng mô-đun nhỏ, một loại lò phản ứng hạt nhân mới có kích thước nhỏ hơn và sản xuất ít điện hơn so với các lò phản ứng hạt nhân truyền thống) cũng là một cách tiếp cận đầy tiềm năng để tạo ra năng lượng cho các trung tâm dữ liệu, nhưng chúng cũng chưa khả thi vào lúc này. SMR thương mại đầu tiên ở Bắc Mỹ dự kiến sẽ đi vào hoạt động vào năm 2029 [27] và sẽ mất nhiều năm để công nghệ trở nên đủ trưởng thành để được áp dụng rộng rãi. Các phương pháp thay thế khác trong sản xuất năng lượng hạt nhân, chẳng hạn như nhiệt hạch hạt nhân, cũng là những lĩnh vực nghiên cứu tích cực, với các công ty theo đuổi sự phát triển của phương pháp này nhận được đầu tư từ các công ty công nghệ [28] - tuy nhiên, chúng cũng chưa khả thi trên quy mô thương mại.

💧 NƯỚC 💧

1. Tại sao các trung tâm dữ liệu lại sử dụng nhiều nước đến vậy? 🚰

Dấu chân nước của một trung tâm dữ liệu AI bao gồm ba loại sử dụng nước: tại chỗ (tức là làm mát tại chỗ ở trung tâm dữ liệu), nước được sử dụng bởi các nhà máy điện cung cấp năng lượng cho trung tâm dữ liệu (đặc biệt cao đối với các nhà máy điện nhiên liệu hóa thạch, hạt nhân và thủy điện), và nước tiêu thụ trong quá trình sản xuất vật liệu, đặc biệt là chip xử lý AI. Trên quy mô toàn cầu, tổng lượng nước tiêu thụ của các trung tâm dữ liệu ước tính khoảng 560 tỷ lít mỗi năm [13].

Mặc dù ban đầu làm mát bằng không khí (tức là sử dụng quạt tương tự như trên máy tính xách tay và máy tính để bàn) là đủ cho các trung tâm dữ liệu truyền thống, tập trung vào CPU, nhưng khi nhu cầu về trung tâm dữ liệu hyperscale chứa đầy GPU ngày càng tăng, việc sử dụng làm mát bằng nước cũng tăng lên, vì nước hiệu quả hơn không khí để tản nhiệt. Để làm mát, các trung tâm dữ liệu đặc biệt sử dụng nước ngọt, vì muối có thể làm tắc nghẽn các mạch làm mát. Các trung tâm dữ liệu hyperscale sử dụng, trung bình, tới 20 triệu lít nước mỗi ngày, tương đương với một thị trấn có từ 10.000 đến 50.000 dân [29]. Do chỉ có 3% lượng nước trên Trái đất là nước ngọt, và phần lớn các tầng chứa nước đã chịu áp lực từ hạn hán và tiêu thụ quá mức [30], điều này hạn chế lượng nước có sẵn và các địa điểm để xây dựng trung tâm dữ liệu.

2. Các giải pháp tiềm năng nào có thể giúp làm mát trung tâm dữ liệu sử dụng ít nước hơn? ♻️

Hầu hết các trung tâm dữ liệu hiện đang sử dụng hệ thống vòng hở, dẫn đến việc tới 80% lượng nước đầu vào bị bay hơi [31] và phần còn lại được xả trở lại sông và suối. Mặc dù hệ thống làm mát mạch kín (tức là nơi tất cả nước được tái chế và không bay hơi) [33] là khả thi về mặt kỹ thuật, nhưng chúng tốn kém hơn và do đó ít phổ biến hơn. Ngoài ra, các phương pháp làm mát thân thiện với môi trường hơn, chẳng hạn như sử dụng nước khử muối và tái chế nước [32], cũng như làm mát trực tiếp đến chip hiệu quả hơn [34], đang bắt đầu được áp dụng trong ngành.

Khi nói đến nước được sử dụng để sản xuất chip, điều này đặc biệt khó giảm thiểu vì cần một lượng lớn nước siêu tinh khiết để làm sạch, khắc và rửa các chip GPU trong quy trình sản xuất, với một cơ sở trung bình sử dụng tới 40 triệu lít nước mỗi ngày [31]. Điều này có thể gây áp lực lên các tầng chứa nước địa phương - ví dụ, Đài Loan, nơi có hơn 90% nhà máy sản xuất chip máy tính tiên tiến trên thế giới, đã trải qua các đợt hạn hán trong những năm gần đây, khiến chính phủ phải cắt giảm thủy lợi trên hàng chục nghìn mẫu đất nông nghiệp để ưu tiên sản xuất [35]. Tuy nhiên, nhiều cơ sở sản xuất chip mới đang giảm lượng nước mà họ sử dụng, ví dụ bằng cách áp dụng các loại quy trình mới hoặc triển khai các dự án tái chế [36].

Kết luận

Các trung tâm dữ liệu AI đang ở tuyến đầu của nghiên cứu và thực hành AI, và tác động môi trường của chúng không hề nhỏ - cả về lượng nước và năng lượng cần thiết để cung cấp năng lượng cho chúng, và lượng phát thải mà chúng tạo ra. Do tốc độ và quy mô tăng trưởng của AI, những tác động này đang gia tăng nhanh chóng, trong khi nhiều giải pháp được đề xuất vẫn chưa được triển khai ở quy mô đủ lớn để bù đắp cho chúng. Với tư cách là một cộng đồng, chúng ta ít nhất nên phấn đấu để có sự minh bạch cao hơn về những tác động này và chủ động tích hợp các biện pháp giảm thiểu vào thế hệ trung tâm dữ liệu tiếp theo.

Trích dẫn:

bibtex @inproceedings{ai_data_center_primer, author = {Boris Gamazaychikov and Sasha Luccioni}, title = {⚡ Power, Heat, and Intelligence ☁️ - AI Data Centers Explained 🏭}, booktitle = {Hugging Face Blog}, year = {2025}, url = {https://huggingface.co/blog/sasha/ai-data-centers-explained} }

Tham khảo

1. Epoch AI, (2025) ‘Data on Machine Learning Hardware’. Xuất bản trực tuyến tại epoch.ai.
2. Được lấy từ Li, Y., & Li, Y. (2025). AI Load Dynamics–A Power Electronics Perspective. Bản thảo arXiv arXiv:2502.01647v2.
3. Conte, Niccolo (2025) Đã biểu đồ hóa: Sự tăng trưởng năng lực trung tâm dữ liệu toàn cầu (2005-2025), Visual Capitalist
4. Stepchange (2025) Trung tâm dữ liệu: Xương sống ẩn của Thế giới Hiện đại của chúng ta
5. Virginia Economic Development Partnership (2025) Trung tâm dữ liệu
6. Beckler, Hannah (2025) Sự bùng nổ xây dựng trung tâm dữ liệu của Virginia còn lớn hơn bạn nghĩ. Một công ty đứng sau hầu hết mọi thứ. Business Insider
7. Copley, Michael (2025) Sự bùng nổ của trung tâm dữ liệu đang diễn ra. Nhưng có những rủi ro lớn về năng lượng và môi trường NPR
8. Saul, Josh et al. (2025) Trung tâm dữ liệu AI đang làm tăng vọt hóa đơn tiền điện, Bloomberg Technology
9. Tech PowerUp (2025) NVIDIA RTX PRO 6000 Blackwell
10. Intel (2025) Bộ xử lý Intel® Core™ i9
11. Skidmore, Zachary (2025) Fermi America nộp đơn IPO giữa kế hoạch cho khu phức hợp trung tâm dữ liệu 11GW ở Texas, Data Center Dynamics
12. Cơ quan Năng lượng Quốc tế (2025), Năng lượng và AI
13. Guidi, G., Dominici, F., Gilmour, J., Butler, K., Bell, E., Delaney, S., & Bargagli-Stoffi, F. J. (2024). Gánh nặng môi trường của các trung tâm dữ liệu Hoa Kỳ trong kỷ nguyên trí tuệ nhân tạo. Bản thảo arXiv arXiv:2411.09786.
14. O’Brien, Isabel (2024) Lượng khí thải của trung tâm dữ liệu có lẽ cao hơn 662% so với các tuyên bố của các công ty công nghệ lớn. Liệu nó có thể duy trì sự lừa dối này không?, The Guardian
15. Rollinson, William (2025) Vi mạch ngoài lưới: Tương lai của các Trung tâm Dữ liệu Bền vững, Data Center Magazine
16. Gooding, Matthew (2025) xAI được cấp phép cho 15 tuabin khí tại trung tâm dữ liệu Memphis, Data Center Dynamics
17. Norris, Tyler (2025), Bí ẩn về tỷ lệ sử dụng trung tâm dữ liệu thấp, Power Policy Net
18. Kirby, B., & Milligan, M. R. (2005). Phương pháp và nghiên cứu điển hình để ước tính khả năng tăng tốc của một khu vực kiểm soát hoặc cơ quan cân bằng và ý nghĩa đối với việc thâm nhập gió ở mức độ trung bình hoặc cao. WINDPOWER Hội nghị 2005
19. Eliahou Ontiveros, Jeremie et al (2025) Biến động tải đào tạo AI ở quy mô Gigawatt - Rủi ro mất điện lưới điện? Semi Analysis
20. Massa, Annie (2024) Công ty khởi nghiệp nhiệt hạch trị giá 3,7 tỷ USD của Altman khiến các nhà khoa học bối rối, Bloomberg Law
21. Kearney, Laila và Srivastava, Vallari (2025) NextEra Energy hợp tác với Google để khởi động lại nhà máy hạt nhân Iowa, Reuters
22. World Nuclear Association (2025),Năng lượng hạt nhân trên thế giới ngày nay
23. Ritchie, Hannah (2023), Mất bao lâu để xây dựng một lò phản ứng hạt nhân? Sustainability by Numbers
24. Mandler, C. (2024) Nhà máy điện hạt nhân Three Mile Island sẽ mở cửa trở lại để cung cấp năng lượng cho các trung tâm dữ liệu của Microsoft, NPR
25. Butts, Dylan (2025) Google và NextEra hồi sinh cơ sở hạt nhân lớn ở Iowa khi nhu cầu năng lượng AI tăng vọt, CNBC
26. Crellin Forrest và Howcroft Elizabeth (2025), Thách thức kết nối có thể cản trở mục tiêu trở thành trung tâm AI của Pháp được cung cấp năng lượng hạt nhân, Reuters
27. OPG (2025) OPG sẵn sàng bắt đầu xây dựng Lò phản ứng mô-đun nhỏ đầu tiên của Bắc Mỹ
28. Terrell, Michael (2025), Khoản đầu tư mới nhất của chúng tôi vào tương lai được cung cấp năng lượng bởi nhiệt hạch, Google
29. Yañez-Barnuevo, Miguel (2025), Trung tâm dữ liệu và tiêu thụ nước, Viện Nghiên cứu Môi trường và Năng lượng
30. National Geographic (2025), Nước ngọt của Trái đất
31. Li, Pengfei, Jianyi Yang, Mohammad A. Islam, và Shaolei Ren. (2025) “Làm cho AI bớt ‘khát’.” Communications of the ACM 68, số 7, 54-61.
32. Setmajer, Alex (2025) Trung tâm dữ liệu có thể sử dụng các nguồn nước thay thế như thế nào, Blog Equinix
33. Tozzi, Christopher (2024), Làm mát vòng kín là gì và khi nào thì trung tâm dữ liệu nên sử dụng nó? Data Center Knowledge
34. Hamilton, Marc (2025)Yếu tố làm mát: Nền tảng Blackwell của NVIDIA tăng hiệu quả sử dụng nước gấp hơn 300 lần, Blog NVIDIA
35. Zhong, Raymond và Chang Chien, Amy (2021) Hạn hán ở Đài Loan đặt các nhà sản xuất chip đối đầu với nông dân, The New York Times
36. Wiles, Russ (2023) Taiwan Semiconductor Manufacturing Co. sắp bắt đầu sản xuất tại khu vực phía bắc Phoenix, AZ Central

Ghi chú

*Tín chỉ năng lượng tái tạo là một hình thức bù đắp carbon thường được các công ty sử dụng để đáp ứng các cam kết về không ròng - xem https://www.ibm.com/think/topics/renewable-energy-certificates

Cộng đồng

Thảo luận về bài viết

Yes, an interesting time for Scope 2 for sure. My understanding, though, is that that update is focused on defining how Market Based is calculated (and what types of mechanisms are allowable). I have always been a proponent of focusing on Location Based first, and these updates/debates underscore that even more. While there is a need to encourage impactful renewables investment through Market Based accounting, Location Based should be the focus when trying to quantify actual, physical emissions.

Boris Gamazaychikov

Link bài viết gốc

• Tags:
• Ai
• 5 Ngày Trước
• Huggingface.co