Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) đang tạo ra những thay đổi đáng kể đối với ngành công nghiệp Trung tâm dữ liệu trên toàn cầu. Nếu trước đây, Trung tâm dữ liệu chủ yếu được thiết kế để phục vụ hoạt động lưu trữ dữ liệu, vận hành ứng dụng doanh nghiệp và cung cấp dịch vụ điện toán đám mây, thì sự xuất hiện của các mô hình AI quy mô lớn đang thúc đẩy nhu cầu về hạ tầng tính toán hiệu suất cao, mật độ công suất lớn và hệ thống làm mát tiên tiến.
Tại Việt Nam, xu hướng này không chỉ mở ra cơ hội đầu tư vào phân khúc trung tâm dữ liệu AI mà còn đặt ra những yêu cầu mới đối với việc lựa chọn địa điểm, quy hoạch công suất điện, thiết kế kỹ thuật và phát triển dự án.
Vậy AI đang thay đổi cấu trúc hạ tầng trung tâm dữ liệu như thế nào và các nhà đầu tư tại Việt Nam cần chuẩn bị gì để thích ứng với xu hướng này?
1. Từ Trung tâm dữ liệu truyền thống đến hạ tầng tính toán AI
Trung tâm dữ liệu truyền thống được phát triển chủ yếu để đáp ứng nhu cầu lưu trữ, xử lý và truyền tải dữ liệu của doanh nghiệp, nền tảng số và các nhà cung cấp dịch vụ điện toán đám mây. Hạ tầng tính toán trong những trung tâm dữ liệu này thường dựa trên bộ xử lý trung tâm (CPU), với mật độ công suất tương đối ổn định và hệ thống làm mát bằng không khí.
Tuy nhiên, sự phát triển của AI tạo sinh (Generative AI), mô hình ngôn ngữ lớn (Large Language Models - LLMs) và điện toán hiệu năng cao (High-Performance Computing - HPC) đang làm thay đổi đáng kể mô hình vận hành này. Các tác vụ AI, đặc biệt là quá trình huấn luyện mô hình AI, đòi hỏi khả năng thực hiện khối lượng phép tính song song rất lớn. Do đó, hệ thống máy chủ AI thường sử dụng GPU hoặc các bộ tăng tốc tính toán chuyên dụng, được kết nối thành những cụm tính toán hiệu suất cao. So với hệ thống máy chủ truyền thống, các cụm GPU có thể tạo ra mật độ công suất và lượng nhiệt lớn hơn đáng kể, đồng thời yêu cầu kết nối mạng tốc độ cao với độ trễ thấp. Điều này dẫn đến sự hình thành của các mô hình Trung tâm dữ liệu có hạ tầng sẵn sàng phục vụ AI và Trung tâm dữ liệu có hạ tầng sẵn sàng phục vụ AI Trung tâm dữ liệu AI, trong đó hạ tầng điện, làm mát, kết nối mạng và khả năng mở rộng được thiết kế phù hợp với đặc điểm của các tác vụ AI.
Nhưng không phải tmọi Trung tâm dữ liệu phục vụ AI đều cần được xây dựng theo cùng một tiêu chuẩn. Nhu cầu hạ tầng có thể khác nhau đáng kể giữa hoạt động huấn luyện mô hình AI, suy luận AI, điện toán đám mây và các dịch vụ Colocation truyền thống.
2. Mật độ công suất cao đang thay đổi thiết kế Trung tâm dữ liệu
Một trong những thay đổi rõ rệt nhất mà AI tạo ra đối với hạ tầng Trung tâm dữ liệu là sự gia tăng mật độ công suất điện trên mỗi tủ rack. Trong các Trung tâm dữ liệu truyền thống, mật độ công suất thường được thiết kế ở mức khoảng 5 - 6kW/rack thường đã được xem là đủ. Trong khi đó, với nhu cầu AI tăng mạnh, các rack mật độ cao hiện nay có thể đạt 30-50 kW, thậm chí cao hơn trong một số cấu hình chuyên dụng, tạo áp lực lớn lên hạ tầng điện và làm mát.
AI đang buộc các nhà vận hành phải thiết kế lại trung tâm dữ liệu, từ hệ thống nguồn điện, công nghệ làm mát đến khả năng đáp ứng mật độ tính toán cao, cụ thể như sau:
Thứ nhất, hệ thống cấp điện phải đáp ứng phụ tải tập trung lớn hơn. Các thành phần như máy biến áp, UPS, PDU, thanh dẫn điện và hệ thống phân phối điện cần được tính toán phù hợp với mật độ công suất, khả năng dự phòng và đặc tính biến động phụ tải của các cụm GPU.
Thứ hai, thiết kế không gian kỹ thuật cần được điều chỉnh. Việc bố trí rack, hệ thống cáp điện, đường ống làm mát, kết cấu sàn và không gian bảo trì phải phù hợp với các thiết bị có mật độ công suất và tải trọng cao.
Thứ ba, khả năng mở rộng phải được tính toán ngay từ giai đoạn thiết kế ban đầu. Một Trung tâm dữ liệu được phát triển cho nhu cầu Cloud truyền thống có thể gặp nhiều hạn chế khi chuyển đổi sang phục vụ AI nếu hệ thống điện và làm mát không được dự phòng phù hợp.
Đối với các dự án Trung tâm dữ liệu tại Việt Nam, điều này cho thấy việc đánh giá công suất điện không nên chỉ dừng ở tổng công suất MW của dự án, mà còn cần xem xét khả năng phân phối công suất đến từng khu vực IT và từng cụm rack.
3. Công nghệ làm mát đang có sự thay đổi
Sự gia tăng mật độ công suất kéo theo một thách thức kỹ thuật quan trọng - kiểm soát nhiệt lượng phát sinh từ hệ thống máy chủ AI. Trong Trung tâm dữ liệu truyền thống, công nghệ làm mát bằng không khí được sử dụng phổ biến thông qua các hệ thống điều hòa chính xác, quản lý luồng khí nóng - lạnh và các giải pháp tối ưu hiệu suất làm mát.
Tuy nhiên, khi mật độ công suất của các cụm GPU tăng cao, các giải pháp làm mát bằng không khí có thể gặp giới hạn về hiệu quả truyền nhiệt và khả năng duy trì nhiệt độ vận hành. Vì vậy, công nghệ làm mát bằng chất lỏng đang trở thành một hướng phát triển quan trọng đối với hạ tầng Trung tâm dữ liệu AI.
Các giải pháp làm mát bằng chất lỏng đáng chú ý bao gồm làm mát trực tiếp con chip, trong đó chất lỏng được dẫn đến các bộ phận phát nhiệt chính như CPU và GPU, và làm mát bằng ngâm trong chất lỏng, trong đó thiết bị được ngâm trong chất lỏng điện môi chuyên dụng.
So với làm mát bằng không khí, làm mát bằng chất lỏng có khả năng truyền nhiệt hiệu quả hơn tại các điểm phát nhiệt mật độ cao. Nhưng việc triển khai cũng đòi hỏi hệ thống đường ống, thiết bị phân phối chất làm mát, kiểm soát rò rỉ và quy trình bảo trì phù hợp. Tuy nhiên, lựa chọn sử dụng công nghệ làm mát bằng chất lỏng không đồng nghĩa với việc loại bỏ hoàn toàn công nghệ làm mát bằng không khí, bởi các thành phần khác trong hệ thống vẫn có thể cần làm mát bằng không khí. Việc lựa chọn giải pháp phù hợp cần dựa trên mật độ công suất, cấu hình thiết bị, điều kiện khí hậu, nguồn nước và tổng chi phí đầu tư - vận hành.
Đối với Việt Nam, nơi có điều kiện khí hậu nhiệt đới với nhiệt độ và độ ẩm cao, việc lựa chọn công nghệ làm mát có ý nghĩa đặc biệt quan trọng đối với hiệu quả sử dụng năng lượng của Trung tâm dữ liệu.
4. Cơ hội và thách thức đối với thị trường Trung tâm dữ liệu Việt Nam
Sự phát triển của AI tạo ra cơ hội để Việt Nam tham gia sâu hơn vào chuỗi giá trị hạ tầng số khu vực, đặc biệt trong bối cảnh nhu cầu về năng lực tính toán, lưu trữ dữ liệu và dịch vụ điện toán đám mây tiếp tục mở rộng.
Với vị trí địa lý tại Đông Nam Á, thị trường số đang phát triển và nhu cầu chuyển đổi số của doanh nghiệp, Việt Nam có những điều kiện để thu hút sự quan tâm của các nhà đầu tư hạ tầng Data Center. Tuy nhiên, để chuyển hóa tiềm năng thị trường thành những dự án Trung tâm dữ liệu AI có khả năng triển khai thực tế, vẫn cần giải quyết một số thách thức quan trọng:
Thứ nhất là khả năng tiếp cận nguồn điện và vấn đề cơ chế giá điện. Những dự án công suất lớn cần có phương án cung cấp điện và lộ trình mở rộng rõ ràng, phù hợp với kế hoạch phát triển hạ tầng điện tại địa phương. Bên cạnh đó, việc xác định giá điện áp dụng cho trung tâm dữ liệu cũng là một thách thức, do cơ chế xác định giá điện cho trung tâm dữ liệu còn chưa rõ ràng và có nhiều quan điểm tranh cãi. Đối với các dự án có nhu cầu điện lớn và vận hành liên tục, sự biến động của giá điện cũng như khả năng tiếp cận các cơ chế mua bán điện trực tiếp (DPPA) có thể ảnh hưởng đáng kể đến việc dự toán chi phí vận hành, xây dựng mô hình tài chính và đánh giá hiệu quả đầu tư dài hạn.
Thứ hai là mức độ sẵn sàng của hạ tầng kỹ thuật. Không phải mọi khu đất hoặc dự án Trung tâm dữ liệu hiện hữu đều có thể dễ dàng nâng cấp để đáp ứng mật độ công suất và yêu cầu làm mát của hệ thống AI.
Thứ ba là năng lực triển khai và vận hành. AI Trung tâm dữ liệu đòi hỏi sự phối hợp giữa các đơn vị phát triển dự án, tư vấn thiết kế, nhà cung cấp thiết bị, nhà thầu cơ điện và đơn vị vận hành có kinh nghiệm với hệ thống tính toán hiệu suất cao.
Thứ tư là tính khả thi thương mại. Nhu cầu AI gia tăng không đồng nghĩa mọi dự án Trung tâm dữ liệu AI đều có thể đạt hiệu quả đầu tư như kỳ vọng. Nhà đầu tư cần xác định rõ phân khúc khách hàng, mô hình kinh doanh, nhu cầu công suất thực tế và khả năng ký kết hợp đồng dài hạn.
Bên cạnh đó, các vấn đề về pháp lý đầu tư, xây dựng, môi trường, viễn thông, an toàn thông tin và bảo vệ dữ liệu cũng cần được xem xét phù hợp với phạm vi hoạt động của từng dự án. Ngoài ra, các yêu cầu pháp lý về đầu tư, xây dựng, môi trường, viễn thông, an toàn thông tin và bảo vệ dữ liệu cần được rà soát đồng bộ, phù hợp với phạm vi hoạt động và đặc thù kỹ thuật của từng dự án. Mặc dù Việt Nam đã ban hành các tiêu chuẩn và quy chuẩn kỹ thuật đối với trung tâm dữ liệu truyền thống, sự phát triển của các yếu tố AI đang đặt ra những yêu cầu mới, đồng thời bộc lộ khoảng trống trong khung pháp lý hiện hành, đặc biệt là việc bảo đảm tính thống nhất giữa các quy định chuyên ngành về hạ tầng trung tâm dữ liệu với pháp luật về trí tuệ nhân tạo.
AI đang từng bước thay đổi cách thức Trung tâm dữ liệu được quy hoạch, thiết kế, xây dựng và vận hành. Từ hệ thống điện, công nghệ làm mát, kết nối mạng đến mô hình tài chính, các yêu cầu mới đang khiến việc phát triển Trung tâm dữ liệu AI trở thành một bài toán đầu tư và kỹ thuật có mức độ phức tạp cao. Đối với nhà đầu tư tại Việt Nam, cơ hội không chỉ nằm ở việc phát triển thêm công suất Data Center, mà còn ở khả năng xây dựng hạ tầng phù hợp với nhu cầu tính toán AI, có khả năng mở rộng và duy trì hiệu quả vận hành trong dài hạn. Trong bối cảnh đó, việc đánh giá tính khả thi ngay từ giai đoạn đầu tư ban đầu có vai trò quan trọng nhằm hạn chế rủi ro về lựa chọn địa điểm, khả năng cấp điện, thiết kế hạ tầng và chi phí phát triển dự án.
DCOMPASS, với định hướng là đơn vị tư vấn đầu tư và phát triển dự án Trung tâm dữ liệu tại Việt Nam, hỗ trợ nhà đầu tư tiếp cận thị trường thông qua các giải pháp về tư vấn đầu tư, tư vấn về các vấn đề pháp lý và giấy phép, lựa chọn khu đất, đánh giá hạ tầng, phát triển dự án và nghiên cứu thị trường. Thông qua hệ sinh thái đối tác địa phương và năng lực tư vấn chuyên môn, DCOMPASS hướng đến việc kết nối cơ hội đầu tư với các điều kiện triển khai thực tế, hỗ trợ nhà đầu tư đánh giá mức độ sẵn sàng của dự án và xây dựng chiến lược phát triển hạ tầng Trung tâm dữ liệu phù hợp với xu hướng AI.
Danh mục tài liệu tham khảo:
[1] VnEconomy (2026), “Trung tâm dữ liệu Việt Nam trước áp lực xanh và nhu cầu AI tăng cao”, https://vneconomy.vn/techconnect/trung-tam-du-lieu-viet-nam-truoc-ap-luc-xanh-va-nhu-cau-ai-tang-cao.htm.
[2] Lohith Karunakara Malige (2024), “The Impact of Artificial Intelligence on the Modern Data Center Industry”, https://www.researchgate.net/publication/383232173_The_Impact_of_Artificial_Intelligence_on_the_Modern_Data_Center_Industry.
[3] TeleGeography (2026), “AI’s Impact on Data Center Deployments and Operations”, https://resources.telegeography.com/ais-impact-on-data-center-deployments-and-operations
