Từ trung tâm dữ liệu truyền thống đến "nhà máy AI"
"AI không chỉ là một công nghệ nữa mà trở thành năng lực sản xuất trong xã hội ngày nay. Nếu không có AI, năng lực cạnh tranh, khả năng sinh lời và tạo ra hiệu quả cho doanh nghiệp sẽ bị hạn chế rất nhiều", ông Lê Bá Tân, CEO Viettel IDC, phát biểu khai mạc Hội nghị Thượng đỉnh về Trung tâm Dữ liệu và Hạ tầng đám mây (DCCI Summit) 2026 diễn ra mới đây tại Hà Nội.
Báo cáo của công ty nghiên cứu thị trường Gartner dự báo tới năm 2026, tổng tiêu dùng của thế giới vào các ứng dụng và hạ tầng AI ước đạt 2.500 tỉ USD, tăng 44% so với năm 2025, trong đó 55% là đầu tư cho hạ tầng.
Ông Lê Bá Tân, CEO Viettel IDC, phát biểu khai mạc DCCI
Ảnh: CTV
Tuy nhiên, "nút thắt" nằm ở chỗ hạ tầng cho AI hoàn toàn khác biệt so với trung tâm dữ liệu truyền thống khi sử dụng các máy chủ GPU có mật độ công suất siêu cao, cùng với đó là tải điện biến động, kiến trúc đa dạng, áp lực phải triển khai nhanh chóng.
"Một trung tâm dữ liệu truyền thống có hàng dãy tủ rack nhưng chỉ đạt công suất vài MW hay tới vài chục MW. Trong khi đó, một nhà máy AI cùng công suất có thể chỉ cần vài tủ hay dãy tủ rack, với mật độ công suất gấp 5, 10, 20 lần trung tâm dữ liệu cũ, thậm chí cao hơn nữa", ông Nguyễn Tuấn Anh - Quản lý Giải pháp, khối Quản lý Năng lượng, Schneider Electric Việt Nam - phát biểu tại sự kiện.
Nhu cầu AI bùng nổ là nguyên nhân khiến các trung tâm dữ liệu phải gấp rút thay đổi. Tuy nhiên, chính AI lại là công cụ đắc lực để tối ưu hiệu suất, tiết kiệm năng lượng cho các trung tâm dữ liệu, đáp ứng những yêu cầu vận hành ngày càng phức tạp.
Đòn bẩy của trí tuệ nhân tạo
Đại diện Schneider Electric cho biết để tối ưu hiệu suất năng lượng bên trong các trung tâm dữ liệu, cần xử lý ở cả phía cung và cầu. Phía cầu là những thiết bị IT cần được khai thác tối đa năng lực tính toán trên mỗi kW tiêu thụ; cung là hệ thống điện và làm mát cần được giảm tổn hao xuống mức thấp nhất. Đứng giữa hai phía là phần mềm quản lý hạ tầng trung tâm dữ liệu (DCIM), nơi AI phát huy vai trò.
"DCIM giúp quản lý công suất, quản lý dung lượng, quản lý vận hành, liên kết hài hòa hoạt động giữa hệ thống IT và hệ thống cơ điện", ông Tuấn Anh cho biết.
Ông Nguyễn Tuấn Anh - đại diện Schneider Electric Việt Nam chia sẻ tại sự kiện
Ảnh: CTV
Tại trung tâm dữ liệu (DC), hệ thống quản trị ảo hóa IT giúp tối ưu thiết bị thông qua kỹ thuật ảo hóa. Thay vì để nhiều máy chủ chạy lãng phí ở mức 5 - 10% công suất, hệ quản trị IT sẽ "gom" các tác vụ này vào một vài máy chủ để đẩy công suất lên 60 - 80%, rồi tắt những máy không cần thiết. Khi đó, hệ thống DCIM tích hợp AI sẽ tự động phối hợp với hệ quản trị IT để điều chỉnh việc điều phối năng lượng làm mát cho khu vực đang hoạt động.
Với hệ thống điện, thay vì bảo trì theo lịch cố định, AI giám sát "sức khỏe" thiết bị 24/7 để đưa ra dự báo thực tế. Ví dụ, bộ lưu điện (UPS) có các bộ phận như quạt hay tụ điện phải thay thế định kỳ trong khoảng 5 - 6 năm, nhưng nếu được quản trị với sự hỗ trợ của AI, thời gian sử dụng có thể kéo dài lên tới 7 - 9 năm, giúp giảm chi phí thay mới và hạn chế rác thải công nghệ.
Ở hệ thống làm mát - khu vực tiêu tốn tới 30 - 40% tổng năng lượng của một DC, giải pháp "Cooling Optimize" sử dụng thuật toán AI để phân tích nhiệt độ theo thời gian thực, từ đó tự động điều chỉnh công suất làm mát vừa đủ theo nhu cầu thực tế, tránh lãng phí.
Dẫn số liệu từ Uptime Institute, ông cho biết các sự cố liên quan đến hệ thống làm mát gây gián đoạn hoạt động nhiều gấp 20 lần so với sự cố an ninh mạng, trong khi rủi ro cháy nổ cũng cao gấp 3 lần. Theo ông, điều này khiến hệ thống làm mát không còn chỉ là hạ tầng phụ trợ mà đã trở thành yếu tố chiến lược trong thiết kế trung tâm dữ liệu AI.
Thực tế, nhiều dự án trong khu vực đang phải điều chỉnh từ giai đoạn đầu để chuyển từ mô hình trung tâm dữ liệu phục vụ điện toán đám mây sang hạ tầng dành cho AI, vốn đòi hỏi cao hơn về mật độ máy chủ, công suất điện và khả năng tản nhiệt.
Về định hướng xây dựng trung tâm dữ liệu AI tại Việt Nam, ông Tuấn Anh nhấn mạnh các chủ đầu tư cần có cách tiếp cận đặc biệt để giải quyết sự lẫn lộn giữa tải công suất thấp truyền thống và tải công suất cực cao của AI. Trong đó ưu tiên thiết kế hạ tầng dựa trên nhu cầu thực tế của từng ứng dụng AI thay vì áp dụng một công thức chung máy móc. Tiếp đến là tận dụng tối đa sức mạnh của trí tuệ nhân tạo trong việc quản lý và áp dụng các khuyến cáo công nghệ mới nhất để đảm bảo tính bền vững.
