Trí tuệ nhân tạo vì môi trường:… · ELECTE

Giới thiệu

Trong kỷ nguyên của những thách thức môi trường ngày càng gia tăng, trí tuệ nhân tạo (AI) đang nổi lên như một đồng minh mạnh mẽ trong cuộc chiến chống biến đổi khí hậu và bảo vệ hệ sinh thái. Năm 2025 đánh dấu một năm then chốt khi các công nghệ AI tiên tiến cuối cùng cũng chuyển từ những lời hứa hẹn sang các ứng dụng cụ thể, mang lại những giải pháp sáng tạo để giám sát, dự đoán và giảm thiểu tác động môi trường.

Bài báo này khám phá những đổi mới quan trọng mà AI đang cách mạng hóa quản lý môi trường, đưa ra các ví dụ cụ thể về việc triển khai thành công và phác thảo triển vọng tương lai cho sự hợp tác giữa công nghệ và tính bền vững.

Tiềm năng của AI trong cuộc chiến chống biến đổi khí hậu

Trí tuệ nhân tạo (AI) cung cấp những công cụ chưa từng có để giải quyết các thách thức môi trường. Các nghiên cứu gần đây cho thấy AI có thể giúp giảm tới 10% lượng khí thải nhà kính toàn cầu vào năm 2030, tương đương với lượng khí thải hàng năm của toàn bộ Liên minh Châu Âu.

Khả năng xử lý khối lượng dữ liệu khổng lồ, xác định các mẫu phức tạp và đưa ra dự đoán chính xác của AI khiến nó đặc biệt phù hợp cho:

Phân tích dữ liệu khí hậu và thời tiết để dự đoán các hiện tượng cực đoan
Tối ưu hóa việc sử dụng tài nguyên thiên nhiên và năng lượng
Giám sát và bảo vệ các hệ sinh thái
Tạo điều kiện thuận lợi cho quá trình chuyển đổi sang nền kinh tế tuần hoàn

Các ứng dụng AI quan trọng cho môi trường vào năm 2025

1. Giám sát hệ sinh thái tiên tiến

Hệ thống giám sát môi trường dựa trên AI là một trong những ứng dụng đầy hứa hẹn nhất. Các nền tảng như Envirosensing đang cách mạng hóa việc giám sát nạn phá rừng thông qua việc phân tích hình ảnh vệ tinh độ phân giải cao kết hợp với các thuật toán học máy. Các hệ thống này cho phép:

Theo dõi chính xác những thay đổi trong độ che phủ rừng
Nhận diện sớm nguy cơ phá rừng
Tự động hóa quy trình thẩm định (due diligence) cho các doanh nghiệp thuộc phạm vi Quy định EUDR của Châu Âu

Tại Ý, Bộ Môi trường đã triển khai khoản đầu tư 500 triệu euro để phát triển hệ thống giám sát tiên tiến và tích hợp sử dụng công nghệ cảm biến từ xa hàng không vũ trụ, cảm biến tại chỗ và phân tích AI để dự đoán rủi ro thủy văn và xác định tội phạm môi trường.

2. Dự báo và thích ứng với biến đổi khí hậu

AI đang biến đổi khả năng dự đoán và ứng phó với biến đổi khí hậu của chúng ta:

Mô hình khí hậu tiên tiến: Các thuật toán học sâu (deep learning) đang cải thiện đáng kể độ chính xác của các dự báo khí hậu, phát hiện những mẫu hình phức tạp mà các mô hình truyền thống có thể bỏ sót.
Hệ thống cảnh báo sớm: Các nền tảng như "Sunny Lives", được phát triển bởi IBM và SEEDS, sử dụng AI để phân tích hình ảnh vệ tinh và đánh giá các nguy cơ thiên tai tại địa phương, gán điểm rủi ro tương đối cho từng công trình.
Mô phỏng các kịch bản khí hậu: AI cho phép mô phỏng nhiều kịch bản biến đổi khí hậu khác nhau và đánh giá hiệu quả của các chiến lược thích ứng và giảm nhẹ tiềm năng.

3. Tối ưu hóa nguồn năng lượng

Trong lĩnh vực năng lượng, AI đang dẫn dắt một quá trình chuyển đổi hướng tới các hệ thống hiệu quả và bền vững hơn:

Lưới điện thông minh vận hành bằng AI: Các hệ thống thông minh cân bằng cung và cầu năng lượng theo thời gian thực, tạo điều kiện thuận lợi cho việc tích hợp năng lượng tái tạo.
Dự báo sản lượng năng lượng tái tạo: Các thuật toán cải thiện độ chính xác của dự báo sản lượng từ các nguồn gió và mặt trời, giảm nhu cầu sử dụng các nguồn nhiên liệu hóa thạch dự phòng.
Hiệu quả năng lượng: Các hệ thống quản lý năng lượng dựa trên AI giúp tối ưu hóa mức tiêu thụ trong các tòa nhà, quy trình công nghiệp và giao thông vận tải.

4. Quản lý nông nghiệp bền vững

Nông nghiệp chính xác được hỗ trợ bởi AI đang cách mạng hóa ngành nông nghiệp:

Giám sát tình trạng đất: Các cảm biến IoT kết hợp với thuật toán AI phân tích sức khỏe của đất theo thời gian thực, bao gồm cả hệ vi sinh vật, cho phép can thiệp có mục tiêu và giảm việc sử dụng phân bón.
Quản lý tối ưu tài nguyên nước: Các hệ thống AI xác định chính xác nhu cầu tưới tiêu, giảm thiểu lãng phí nước.
Dự đoán bệnh cây trồng: Các thuật toán nhận diện sớm các bệnh tiềm ẩn, cho phép can thiệp phòng ngừa và giảm việc sử dụng thuốc trừ sâu.

5. Phát hiện và quản lý ô nhiễm

AI đang cải thiện đáng kể khả năng giám sát và quản lý ô nhiễm của chúng ta:

Giám sát chất lượng không khí: Các mạng cảm biến IoT kết hợp với AI phân tích mức độ ô nhiễm không khí tại các khu vực đô thị theo thời gian thực.
Xác định nguồn gây ô nhiễm: Các thuật toán thị giác máy tính áp dụng cho hình ảnh vệ tinh hoặc drone để xác định các nguồn ô nhiễm bất hợp pháp.
Tối ưu hóa quản lý rác thải: Các hệ thống thông minh cải thiện việc phân loại rác và tái chế thông qua các robot được điều khiển bởi AI.

Những thách thức và cân nhắc về mặt đạo đức

Mặc dù có tiềm năng biến đổi, việc triển khai AI cho mục đích môi trường cũng đặt ra những thách thức đáng kể:

Dấu chân môi trường của AI: Phân tích so sánh

Bản thân AI có tác động đáng kể đến môi trường, nhưng khi so sánh với các công nghệ và lĩnh vực khác, chúng ta sẽ thấy được tác động thực sự của AI.

Theo dữ liệu gần đây, việc đào tạo một mô hình AI phức tạp như GPT-3 tiêu thụ khoảng 1.287 MWh và thải ra khoảng 550 tấn CO2. Con số này có vẻ cao, nhưng cần được so sánh với các lĩnh vực khác:

Giao thông vận tải: Ngành giao thông vận tải chịu trách nhiệm cho khoảng 26% lượng khí thải nhà kính tại Ý. Một chuyến bay khứ hồi giữa New York và San Francisco lặp lại 550 lần sẽ tạo ra lượng khí thải tương đương với việc huấn luyện GPT-3.
Xem video trực tuyến: Một giờ xem video trực tuyến trung bình tạo ra từ 36 đến 100 gram CO2, theo ước tính của Cơ quan Năng lượng Quốc tế. Xét đến hàng tỷ giờ streaming được tiêu thụ trên toàn cầu, tác động tích lũy là đáng kể.
Sử dụng hàng ngày so với huấn luyện: Một nghiên cứu gần đây đăng trên Scientific Reports cho thấy, bất chấp chi phí năng lượng cao của quá trình huấn luyện, AI có thể tiết kiệm năng lượng hơn so với lao động con người đối với các tác vụ phức tạp, phát thải ít hơn từ 130 đến 1500 lần lượng CO2 để xử lý một văn bản phức tạp.

Vai trò của các nguồn năng lượng bền vững đối với các trung tâm dữ liệu

Việc cung cấp năng lượng cho các trung tâm dữ liệu lưu trữ hệ thống AI là một thách thức quan trọng đối với tính bền vững của môi trường. Nhiều giải pháp năng lượng đang nổi lên như những giải pháp thay thế khả thi để giảm lượng khí thải carbon:

1. Năng lượng hạt nhân cho các trung tâm dữ liệu

Năng lượng hạt nhân đang trải qua thời kỳ phục hưng tại các trung tâm dữ liệu nhờ hệ số công suất cao (khả năng tạo ra năng lượng liên tục) và lượng khí thải CO2 thấp. Theo IdTechEx, các trung tâm dữ liệu đã khơi dậy sự quan tâm đến nguồn năng lượng này vào năm 2024, với nhiều lựa chọn:

Lò phản ứng mô-đun nhỏ (SMR): Những lò phản ứng nhỏ gọn này hứa hẹn chi phí thấp hơn và thời gian xây dựng ngắn hơn so với các nhà máy điện hạt nhân truyền thống, nhờ vào quy trình sản xuất theo quy mô công nghiệp.
Lợi ích của điện hạt nhân: Với mức phát thải CO2 bằng 0 trong quá trình sản xuất điện và mật độ năng lượng cao, điện hạt nhân có thể cung cấp công suất lớn mà các trung tâm dữ liệu AI cần, mà không có sự dao động thường thấy ở các nguồn tái tạo như điện mặt trời và điện gió.

James Hart, Tổng giám đốc điều hành của BCS Consulting, nhấn mạnh rằng "sự tăng trưởng theo cấp số nhân của AI đặt ra thách thức cho ngành trung tâm dữ liệu", nhấn mạnh nhu cầu về các nguồn năng lượng ổn định, phát thải thấp như hạt nhân.

2. Hệ thống đồng phát điện: Hiệu quả không gì sánh bằng

Hệ thống nhiệt điện kết hợp (CHP) là một trong những giải pháp hiệu quả nhất để cung cấp năng lượng cho các trung tâm dữ liệu lưu trữ hệ thống AI, mang lại những lợi thế đáng kể so với các nguồn năng lượng khác:

Hiệu suất năng lượng vượt trội: Trong khi việc sản xuất riêng lẻ điện và nhiệt có hiệu suất tổng thể từ 40-55%, các hệ thống đồng phát điện có thể đạt hiệu suất đáng kinh ngạc từ 80-90%, thu hồi lượng nhiệt lẽ ra sẽ bị thất thoát và sử dụng nó cho các mục đích khác.
Giảm tiêu thụ nhiên liệu: Đồng phát điện tiêu thụ ít hơn tới 40% nhiên liệu so với việc sản xuất riêng lẻ điện và nhiệt để đạt được cùng một lượng năng lượng hữu ích, như dữ liệu từ Bộ Năng lượng Hoa Kỳ chỉ ra.
Giảm đáng kể lượng phát thải CO2: Nhờ hiệu suất cao hơn, một nhà máy đồng phát điện có thể giảm phát thải khí nhà kính tới 30% so với các phương pháp sản xuất năng lượng truyền thống.
Ứng dụng lý tưởng cho các trung tâm dữ liệu: Nhiệt sinh ra từ các máy chủ có thể được thu hồi và sử dụng để sưởi ấm các tòa nhà lân cận hoặc phục vụ các quy trình công nghiệp khác, tạo ra một vòng tuần hoàn hiệu quả năng lượng.
Độc lập với lưới điện và khả năng phục hồi: Các hệ thống đồng phát điện mang lại sự độc lập về năng lượng và khả năng phục hồi cao hơn, đặc biệt có giá trị đối với các trung tâm dữ liệu cần đảm bảo tính liên tục trong vận hành.
Tam phát điện: Một bước phát triển tiên tiến của đồng phát điện, bổ sung thêm khả năng sản xuất năng lượng làm lạnh vào việc phát điện và nhiệt, đặc biệt có lợi cho các trung tâm dữ liệu cần hệ thống làm mát hiệu quả.

Đồng phát điện là cầu nối lý tưởng giữa công nghệ năng lượng thông thường và năng lượng tái tạo, hoạt động theo cơ chế phát điện phân tán tương tự như điện mặt trời nhưng có ưu điểm là hoạt động liên tục, không phụ thuộc vào điều kiện thời tiết. Hơn nữa, các nhà máy đồng phát điện có thể sử dụng nhiều loại nhiên liệu, bao gồm khí sinh học và sinh khối tái tạo, mở đường cho một tương lai không phát thải.

Theo báo cáo của Geoside, "hiệu quả cao hơn của quá trình sản xuất năng lượng dẫn đến ít khí thải CO2 và khí nhà kính hơn, từ đó giảm tác động đến môi trường", nhấn mạnh vai trò quan trọng của quá trình đồng phát điện trong quá trình chuyển đổi năng lượng.

3. Năng lượng mặt trời và các nguồn tái tạo khác

Các công ty công nghệ lớn đang đầu tư mạnh vào năng lượng tái tạo:

Cam kết cho tương lai: Theo Business Critical Services Consulting, 90% năng lượng được các trung tâm dữ liệu sử dụng sẽ là năng lượng tái tạo vào năm 2033, với các công ty như Google và Microsoft đã công bố mục tiêu sử dụng năng lượng không phát thải carbon 24/7 vào năm 2030.
Các dự án năng lượng mặt trời chuyên dụng: Nhiều công ty công nghệ đang xây dựng các nhà máy điện mặt trời chuyên dụng riêng để cung cấp năng lượng cho các trung tâm dữ liệu của họ, thường kết hợp với hệ thống lưu trữ năng lượng để đảm bảo tính liên tục.

Tính bổ sung của các nguồn năng lượng này là chìa khóa: năng lượng hạt nhân có thể cung cấp điện cơ bản liên tục, trong khi năng lượng tái tạo như năng lượng mặt trời có thể đáp ứng nhu cầu cao điểm, với hệ thống đồng phát điện tối đa hóa hiệu quả tổng thể.

Ngoài ra, ngành công nghiệp AI đang đạt được những tiến bộ đáng kể trong việc giảm thiểu tác động đến môi trường:

Cải thiện hiệu quả năng lượng: Các trung tâm dữ liệu liên tục nâng cấp thiết bị của mình để tiết kiệm năng lượng hơn.
Áp dụng năng lượng tái tạo: Nhiều công ty công nghệ đã cam kết sử dụng 100% năng lượng tái tạo để cung cấp điện cho các trung tâm dữ liệu của họ.
Thuật toán hiệu quả hơn: Nghiên cứu đang tiến triển hướng tới các thuật toán AI đòi hỏi ít công suất tính toán hơn để đạt được kết quả tương đương hoặc tốt hơn.

Độ chính xác và độ tin cậy

Chất lượng kết quả AI phụ thuộc rất nhiều vào chất lượng dữ liệu đầu vào. Trong bối cảnh môi trường, nơi dữ liệu có thể không đầy đủ hoặc không chính xác, điều này là một thách thức đáng kể.

Công bằng và khả năng tiếp cận

Có nguy cơ các giải pháp dựa trên AI cho môi trường sẽ chỉ dành cho các quốc gia và tổ chức có nhiều nguồn lực hơn, từ đó có khả năng nới rộng khoảng cách công nghệ hiện tại.

Tương lai của AI môi trường: Hướng tới "AI có trách nhiệm"

Để tối đa hóa tiềm năng của AI trong bảo vệ môi trường, điều cần thiết là phải áp dụng phương pháp "AI có trách nhiệm":

Cân bằng giữa đổi mới công nghệ và tính bền vững môi trường
Đảm bảo tính minh bạch và trách nhiệm trong việc sử dụng AI
Thúc đẩy hợp tác quốc tế để chia sẻ dữ liệu, nguồn lực và kiến thức chuyên môn
Đảm bảo lợi ích của AI đối với môi trường được phân bổ công bằng

Câu hỏi thường gặp: Tác động của AI đến môi trường

AI có thực sự gây ô nhiễm nhiều như người ta nói không?

Không, tác động môi trường của AI thường bị đánh giá quá cao trong các cuộc tranh luận công khai. Mặc dù việc đào tạo các mô hình AI lớn đòi hỏi năng lượng đáng kể, nhưng tác động này cần được cân nhắc so với những lợi ích mà AI có thể mang lại về mặt tối ưu hóa năng lượng, giảm phát thải và các giải pháp khí hậu sáng tạo. Một nghiên cứu năm 2021 của Đại học Bristol cho thấy nhiều ước tính trước đây về tác động năng lượng của AI đã bị đánh giá quá cao tới 90 lần.

Tại sao tác động môi trường của AI lại bị đánh giá quá mức trong tranh luận công khai?

Tác động môi trường của AI bị đánh giá quá cao do sự kết hợp của các yếu tố tâm lý, kinh tế và xã hội. Nỗi sợ hãi những điều chưa biết và một nỗi sợ công nghệ nhất định tự nhiên làm dấy lên làn sóng chỉ trích công nghệ mới nổi này, trong khi chủ nghĩa giật gân của truyền thông lại khuếch đại dữ liệu gây hoang mang để thu hút sự chú ý lớn hơn. Ngoài ra, còn có các lợi ích kinh tế trong các lĩnh vực truyền thống coi AI là mối đe dọa cạnh tranh.

Một yếu tố then chốt là sự không phù hợp về mặt nhận thức: trung tâm dữ liệu là những cấu trúc vật lý hữu hình tiêu thụ một lượng năng lượng có thể đo lường được, trong khi lợi ích môi trường do AI mang lại (chẳng hạn như tối ưu hóa vận chuyển hoặc giảm thiểu chất thải) lại mang tính lan tỏa và ít hữu hình hơn. Hơn nữa, các trung tâm dữ liệu tự động hóa cao tạo ra tương đối ít việc làm so với các ngành công nghiệp khác, tạo ra nhận thức bất lợi về mối quan hệ giữa tác động môi trường và lợi ích kinh tế xã hội tại địa phương.

Tác động của AI thường bị nhầm lẫn với sự phụ thuộc vào hỗn hợp năng lượng được sử dụng, trong khi thực tế, với một hỗn hợp năng lượng hiệu quả, tác động này sẽ giảm đáng kể. Cuối cùng, hầu như luôn thiếu một bối cảnh so sánh: lượng khí thải carbon của AI hiếm khi được so sánh với các lĩnh vực khác như giao thông vận tải, công nghiệp nặng, hoặc thậm chí các hoạt động kỹ thuật số hàng ngày khác (phát trực tuyến video, chơi game trực tuyến), tạo ra nhận thức sai lệch về mối liên quan của nó với bức tranh tổng thể về khí thải toàn cầu.

Tác động của AI so với các hoạt động kỹ thuật số hàng ngày khác như thế nào?

Lượng khí thải carbon của AI tương đương hoặc thấp hơn nhiều hoạt động kỹ thuật số hàng ngày. Ví dụ, một giờ phát trực tuyến video độ nét cao tạo ra khoảng 36–100 gram CO2, trong khi một suy luận duy nhất từ mô hình AI có thể tiêu thụ ít năng lượng hơn một người thực hiện cùng một tác vụ. Giai đoạn đào tạo chuyên sâu hơn, nhưng chỉ diễn ra một lần so với việc sử dụng liên tục.

Việc sử dụng AI cho mục đích môi trường có phải là một nghịch lý khi xét đến mức tiêu thụ năng lượng của nó không?

Không, đây không phải là mâu thuẫn. Mặc dù AI tiêu thụ năng lượng, nhưng tiềm năng tối ưu hóa hiệu quả năng lượng và giảm phát thải của nó trong nhiều lĩnh vực (năng lượng, vận tải, sản xuất) có thể mang lại mức tiết kiệm khí thải vượt xa tác động trực tiếp của nó. Nghiên cứu cho thấy AI có thể giúp giảm lượng khí thải toàn cầu tới 10% vào năm 2030.

Làm thế nào để chúng ta có thể giảm tác động môi trường của AI?

Chúng ta có thể giảm tác động của AI đến môi trường thông qua nhiều chiến lược khác nhau:

Phát triển các thuật toán hiệu quả hơn, đòi hỏi ít công suất tính toán hơn
Triển khai phần cứng chuyên dụng cho AI tiêu thụ ít năng lượng hơn
Áp dụng các thực hành "AI xanh" cân bằng giữa hiệu suất và mức tiêu thụ năng lượng
Thúc đẩy tính minh bạch của các công ty công nghệ về dấu chân carbon của các mô hình AI của họ

‍AI có gây hại cho môi trường nhiều hơn so với các quy trình truyền thống mà nó thay thế không?

Không, trong hầu hết các trường hợp, AI hiệu quả hơn các quy trình truyền thống. Ví dụ, trong tối ưu hóa vận tải, AI có thể giảm lượng khí thải tới 10% thông qua các tuyến đường hiệu quả hơn và giảm tắc nghẽn giao thông. Trong nông nghiệp, AI có thể giảm lượng nước và phân bón sử dụng tới 30%. Những lợi ích về hiệu quả này thường lớn hơn lượng khí thải carbon của chính AI.

Kết luận

Trí tuệ nhân tạo là một công cụ mạnh mẽ và linh hoạt trong cuộc chiến chống biến đổi khí hậu và bảo vệ môi trường. Đến năm 2025, chúng ta sẽ chứng kiến sự xuất hiện của những ứng dụng cụ thể đã và đang mang lại những tác động tích cực đáng kể.

Mặc dù AI tiêu thụ năng lượng, nhưng tác động của nó tương đương hoặc thấp hơn nhiều hoạt động kỹ thuật số hàng ngày, và tiềm năng giảm phát thải trong các lĩnh vực khác vượt xa lượng khí thải carbon trực tiếp của nó. Điều quan trọng là phải cân nhắc chi phí năng lượng của AI so với lợi ích môi trường mà nó có thể tạo ra thông qua tối ưu hóa, dự báo và quản lý tài nguyên.

Để phát huy hết tiềm năng của AI trong lĩnh vực này, cần có một cách tiếp cận cân bằng, không chỉ xem xét đến khả năng công nghệ mà còn cả những tác động về mặt đạo đức, xã hội và môi trường của AI.

Tương lai của sự bền vững môi trường sẽ ngày càng phụ thuộc vào khả năng tích hợp trí tuệ nhân tạo một cách có trách nhiệm vào các chiến lược quản lý môi trường, biến công nghệ này thành đồng minh thực sự của hành tinh.

Nguồn

Gruppo Iren. (2025). "Trí tuệ nhân tạo, tác động môi trường là gì và làm thế nào để cân bằng giữa tính bền vững và đổi mới". https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html" id="">https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
GeoSmart Magazine. (2025). "Giám sát nạn phá rừng: cuộc cách mạng của Envirosensing". https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/
Ministero dell'Ambiente e della Sicurezza Energetica. "Đầu tư 1.1 - Xây dựng một hệ thống giám sát và dự báo tiên tiến, tích hợp". https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0
ESG360. (2025). "Trí tuệ nhân tạo: các giải pháp mới chống lại biến đổi khí hậu". https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/
L'Ecofuturo Magazine. (2025). "Trí tuệ nhân tạo: những lợi ích nào cho khí hậu và môi trường?". https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/
Think with Google. (2024). "Trí tuệ nhân tạo có thể giúp giải quyết cuộc khủng hoảng khí hậu không?". https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/
Wastezero. (2024). "Tác động môi trường của trí tuệ nhân tạo (AI): mức độ gây ô nhiễm qua CO2, năng lượng và tiêu thụ nước?". https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/
Agenda Digitale. (2024). "Trí tuệ nhân tạo và biến đổi khí hậu: rủi ro và cơ hội". https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/
International Energy Agency (IEA). "The True Climate Impact of Streaming". https://about.netflix.com/en/news/the-true-climate-impact-of-streaming
Breakthrough Fuel. "Trí tuệ nhân tạo trong lĩnh vực vận tải thúc đẩy hiệu quả và tính bền vững". https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/
GreenPlanner. (2024). "Đến năm 2033, các trung tâm dữ liệu sẽ chỉ sử dụng năng lượng tái tạo". https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/
GreenPlanner. (2025). "Tương lai năng lượng của các trung tâm dữ liệu: hạt nhân, hydro và pin". https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/
ZeroUno. (2023). "Các yếu tố tác động môi trường của trung tâm dữ liệu". https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/
Nucleare e Ragione. (2024). "So sánh các nguồn năng lượng". https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/
Agenda Digitale. (2024). "Công nghệ số không phải là bữa ăn miễn phí: mức độ gây ô nhiễm của các trung tâm dữ liệu và cách giảm thiểu tác động". https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/
Sorgenia. (2024). "Đồng phát năng lượng: nguyên lý hoạt động và lợi ích". https://www.sorgenia.it/guida-energia/cogenerazione
Viessmann. (2024). "Máy đồng phát: lợi ích và nguyên lý hoạt động của các hệ thống đồng phát". https://industriale.viessmann.it/blog/cogeneratore
Enel X. (2024). "The Data Center Industry and Sustainability". https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability
Geoside. (2023). "Đồng phát thông minh: tối ưu hóa năng lượng để tiết kiệm và góp phần vào quá trình chuyển đổi năng lượng". https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione
2G Energy. (2024). "Đồng phát: năng lượng hiệu quả và bền vững". https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation
Cummins Inc. (2021). "Ba lợi ích chính của đồng phát". https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration

Trí tuệ nhân tạo cho môi trường: Đổi mới và giải pháp 2025

Tóm tắt bài viết này bằng AI