Bộ não con người chỉ tiêu thụ khoảng 20 watt điện năng. Siêu máy tính nhanh nhất thế giới, LineShine ở Thâm Quyến, tiêu thụ tới 42,2 triệu watt. Sự chênh lệch này thường được dùng như một lý lẽ nổi bật trên mạng về lượng điện AI tiêu hao – nhưng phần lớn chúng đều không đúng.
Sự so sánh này thực ra là có cơ sở. Tuy nhiên, các con số được chia sẻ tràn lan trên mạng xã hội lại xuất phát từ một bài nghiên cứu duy nhất. Đặc biệt, có một con số đã bị trích dẫn sai suốt ba năm qua.
China just topped the global supercomputer ranking for the first time since 2017.
LineShine. Shenzhen. 2.198 exaflops. 2 quintillion calculations per second. 20% faster than the US's El Capitan.
built entirely on domestic Chinese CPUs. no Nvidia. no US chips. no export controls… https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
— IT Guy (@T3chFalcon) June 24, 2026
AI tiêu thụ năng lượng: 20 watt của bộ não mua được gì？
Con số 20 watt dựa trên hàng chục năm nghiên cứu chỉ số trao đổi chất. Bộ não chiếm khoảng 2% trọng lượng cơ thể nhưng tiêu hao đến 20% lượng oxy khi cơ thể nghỉ ngơi.
Số lượng neuron thực ra không chắc chắn như nhiều người nghĩ. Con số 86 tỷ neuron thường được nhắc đến thực chất chỉ dựa trên mẫu nghiên cứu 4 bộ não nam giới, và hiện tại cũng đang bị tranh cãi trên tạp chí Brain.
Nhiều bài viết lan truyền trên mạng còn dùng con số 12 watt thay vì 20. Con số này xuất hiện trong một bài nghiên cứu năm 2023 trên tạp chí Frontiers in Artificial Intelligence, nhưng lại không trích dẫn nguồn nào rõ ràng.
Chính bài nghiên cứu này còn đưa ra một con số được nhiều người chia sẻ: Các tác giả ước tính rằng nếu tái tạo bộ não người trên máy tính sẽ tiêu tốn đến 2,7 tỷ watt.
Con số này được suy ra bằng cách mở rộng mô phỏng với 10 triệu neuron lên quy mô của chuột, rồi nhân lên 1.000 lần.
Bài nghiên cứu cũng nói rõ rằng quá trình mô phỏng này diễn ra chậm hơn sinh học thực tế khoảng 30,000 lần. Tuy nhiên, những bài đăng trên mạng xã hội lại bỏ qua điểm này. Sau đó, các nguồn khác lại gán sai số liệu này cho Blue Brain Project, dù dự án này chưa từng công bố con số đó.
Một bài đăng lan truyền trên LinkedIn nói rằng bộ não người chỉ cần 12 watt để suy nghĩ. Nguồn: Evolving AI
Dù vậy, cũng có những con số đáng tin cậy hơn từ các nguồn khác. Epoch AI từng ước tính rằng một câu hỏi ChatGPT điển hình tiêu tốn khoảng 0.3 watt-giờ vào đầu năm 2025. Một nghiên cứu khác trên tạp chí Joule sau đó lại xác nhận là 0.31 watt-giờ.
Việc hai phương pháp độc lập lại đưa ra con số gần như giống hệt nhau là điều khá hiếm gặp. Tuy nhiên, con số này sẽ thay đổi đáng kể theo khối lượng công việc, và những mô hình lý luận cần đưa ra câu trả lời dài thường sẽ tiêu tốn gấp nhiều lần.
Sinh học khác gì máy móc, và những gì “silicon” đã học theo
Hoạt động của vỏ não rất thưa thớt. Tốc độ phát xung trung bình dưới 1 Hz và năng lượng tiêu hao tập trung vào những thay đổi, chứ không phải lặp đi lặp lại theo chu kỳ đồng hồ.
Các mô hình AI hiện đại cũng rút ra kết luận tương tự. Kimi K2 chỉ kích hoạt 32,6 tỷ trên tổng số 1.04 nghìn tỷ tham số mỗi token, tức khoảng 3.1%.
Tỷ lệ này đang giảm rất nhanh. Năm 2023, Mixtral sử dụng khoảng 28% tham số, còn DeepSeek-V3 hiện chỉ dùng khoảng 5.5%.
Sinh học còn xử lý thông tin với độ chính xác thấp. Không có bộ phận nào trong neuron đạt độ chính xác đến 32 bit.
Các nhà sản xuất chip cũng đi theo hướng đó. DeepSeek đã huấn luyện một mô hình có 671 tỷ tham số với độ chính xác 8 bit. NVIDIA sau đó cũng tiền huấn luyện mô hình 12 tỷ tham số chỉ với độ chính xác 4 bit, như nghiên cứu công bố.
Công suất tiêu thụ theo thang lôgarit, từ bộ não người đến trung tâm dữ liệu Nguồn: BeInCrypto
Sự khác biệt lớn nhất, đồng thời là thứ ít được áp dụng nhất, là nơi lưu trữ trí nhớ và xử lý thông tin. Bộ não kết hợp cả hai ở cùng một chỗ.
Trong khi đó, máy tính lại tách rời bộ nhớ và bộ xử lý. Mark Horowitz (Stanford) từng chỉ ra rằng việc này rất tốn năng lượng. Việc lấy dữ liệu từ bộ nhớ có thể ngốn năng lượng gấp hàng trăm lần so với khi tính toán số học.
Những con chip mô phỏng bộ não: hứa hẹn nhưng chưa thành công
Phần cứng chuyên biệt để mô phỏng neuron sinh học thực ra còn gặp rất nhiều khó khăn. Chưa có hệ thống neuromorphic hay analog nào đủ khả năng huấn luyện hoặc vận hành những mô hình AI dẫn đầu hiện nay.
Hala Point của Intel tích hợp tới 1.15 tỷ neuron nhân tạo trên tổng cộng 1,152 chip. Tuy nhiên, hiện nó vẫn chỉ là một mẫu thử nghiệm nghiên cứu tại phòng thí nghiệm Sandia National Laboratories. Mike Davies, giám đốc phòng thí nghiệm điện toán neuromorphic của Intel, khi trả lời The Register vào năm 2024, cho biết:
“Chúng tôi hiện chưa kết nối bất kỳ mô hình LLM nào với Hala Point. Thực sự, chúng tôi chưa biết làm sao để làm điều đó.”
Bức tranh kinh doanh của ngành này còn mờ nhạt hơn nữa. BrainChip là công ty niêm yết nổi bật nhất trong lĩnh vực này. Hãng này từng báo cáo trong quý 3/2025 chỉ thu được 700,000 USD từ khách hàng, trong khi chi phí vận hành lên tới 5.3 triệu USD.
Nhiều công ty khác thậm chí đã dừng hoạt động. Rain AI từng cố gắng gọi 150 triệu USD nhưng không thành công, và đã xem xét việc bán lại vào năm 2025.
Các nhà nghiên cứu trong ngành mô tả đây là một vòng luẩn quẩn. Theo cô Catherine Schuman, trợ lý giáo sư ngành kỹ thuật điện và khoa học máy tính tại Đại học Tennessee, Knoxville, chia sẻ:
“Các công ty sản xuất phần cứng đang chờ đợi có một ứng dụng nổi bật, nhưng thực ra rất khó để xây dựng ứng dụng đó khi không có phần cứng để thử nghiệm.”
Hơn 20 nhà nghiên cứu đã ký vào một bài báo đồng thuận năm 2025 trên tạp chí Nature. Họ cho rằng, lĩnh vực này vẫn còn thiếu một hệ sinh thái đủ mạnh để phát triển.
Các nguyên lý của sinh học đã cho thấy ưu thế. Nhưng phần cứng được xây dựng dựa trên các nguyên lý đó lại chưa thành công.
Mọi người đều tranh giành nguồn điện như nhau
Bây giờ yếu tố hiệu suất ngày càng quan trọng vì điện năng đã trở thành giới hạn ràng buộc. Theo Cơ quan Năng lượng Quốc tế, lượng điện tiêu thụ toàn cầu của các trung tâm dữ liệu ước tính đạt 485 terawatt-giờ vào năm 2025.
Riêng các trung tâm dành cho AI đã tăng trưởng 50% chỉ trong một năm. Cơ quan này dự báo tới năm 2030, con số này sẽ tăng gấp ba lần.
Hiện nay, trở ngại lớn nhất khi xây dựng trung tâm dữ liệu không còn là chip, mà là khả năng kết nối vào lưới điện. Theo Phòng thí nghiệm quốc gia Lawrence Berkeley, thời gian chờ từ khi gửi yêu cầu kết nối cho đến khi đi vào hoạt động thương mại hiện đã hơn 5 năm.
Tổng giám đốc Microsoft, ông Satya Nadella, từng thừa nhận vào tháng 11 rằng công ty hiện có sẵn chip xử lý AI nhưng không thể lắp đặt được vì thiếu điện. Tức vấn đề nằm ở hạ tầng năng lượng, chứ không phải ở nguồn cung chip. Nhiều nhà đầu tư tổ chức cũng đã đặt câu hỏi về sự sẵn sàng của lưới điện.
Các thợ đào Bitcoin đã dành cả thập kỷ để giải quyết đúng bài toán này. Họ sở hữu các khu đất có điện, hợp đồng mua điện, và quyền kết nối lưới điện mà nhiều doanh nghiệp AI mới phải chờ đợi rất lâu mới có được.
Kết quả là ngành đào Bitcoin giờ đã chuyển hướng sang trở thành một lĩnh vực năng lượng và hạ tầng. Việc chuyển đổi một khu đào cũ sang trung tâm AI có chi phí khoảng 3 triệu đến 4 triệu USD cho mỗi megawatt công suất. Trong khi đó, xây mới từ đầu tốn từ 10 triệu đến 12 triệu USD trên mỗi megawatt, theo ước tính của VanEck.
Giá trị hợp đồng được công bố hiện rất lớn. Các công ty đào Bitcoin niêm yết đã ký các hợp đồng AI tổng giá trị hơn 70 tỷ USD.
Tuy nhiên, công suất thực tế đã vận hành lại không nhiều như vậy. Báo cáo quý 2/2026 cho thấy toàn ngành mới chỉ thật sự sử dụng khoảng 750 megawatt.
Core Scientific chiếm khoảng 437 megawatt trong số đó. Galaxys Helios đạt 133; TeraWulf 102; IREN 50; và Riot 25. Hut 8 đã ký hợp đồng triển khai 949 megawatt nhưng đến nay vẫn chưa hoạt động được megawatt nào.
Công suất đã ký hợp đồng so với công suất thực tế đã vận hành Nguồn: BeInCrypto
Việc chuyển đổi hướng kinh doanh này đã tiêu tốn rất nhiều chi phí. Tổng lỗ quý gần đây nhất của các hãng đào như MARA và CleanSpark đã lên tới 851 triệu USD vào tháng 8.
Phần lớn công suất đào hiện tại sẽ không bao giờ chuyển đổi được sang AI. Một khảo sát sơ bộ của Cambridge công bố vào tháng 7 chỉ ra chỉ khoảng 10% thợ đào đã phân bổ điện cho AI.
Những rào cản là rất thực tế. Đào Bitcoin có thể chịu được việc tạm ngưng vận hành, nhưng các khách hàng AI lại yêu cầu nguồn điện ổn định, hệ thống làm mát cao cấp và hạ tầng cáp quang mà các khu đào ở xa thường không đáp ứng được.
Dù vậy, xu hướng chuyển dịch này là rõ ràng. Hiện tại, 83% doanh thu của Core Scientific đến từ dịch vụ cho thuê hạ tầng, còn khai thác Bitcoin chỉ chiếm 13%.
Nhà đầu tư đã phản ánh sự thay đổi này vào giá cổ phiếu. Những doanh nghiệp đào nào đã ký được hợp đồng thuê lại có giá trị vốn hóa cao hơn hẳn tính trên mỗi megawatt đã vận hành. Trong khi đó cơ hội đầu tư AI tiếp theo dường như sẽ nằm ở điện, chứ không còn ở chip nữa.
Tại sao tối ưu hiệu suất sẽ không giải quyết được vấn đề điện năng của AI
Hiệu suất tăng đã giúp hấp thụ sự tăng trưởng về nhu cầu trong quá khứ. Tổng sức mạnh xử lý của trung tâm dữ liệu toàn cầu tăng 550% từ năm 2010 đến 2018, trong khi lượng điện tiêu thụ chỉ tăng khoảng 6%.
Sau đó, mô hình này đã bị phá vỡ. Lượng điện tiêu thụ của các trung tâm dữ liệu tại Hoa Kỳ tăng từ 58 terawatt-giờ vào năm 2014 lên 176 vào năm 2023.
Quá trình tiến hóa của sinh vật luôn tối ưu dưới một giới hạn cứng. Nếu bộ não tiêu thụ 200 watt thì chủ nhân nó sẽ không thể sống sót, nên hiệu quả là phương án duy nhất có thể lựa chọn.
AI thì chưa từng gặp phải giới hạn đó. AI lại bị giới hạn bởi vốn, mà vốn dễ mở rộng hơn điện rất nhiều.
Nhưng giờ mọi thứ đang thay đổi. Câu hỏi đặt ra không còn là liệu sinh học có hiệu quả hơn không. Vấn đề là AI sẽ phát triển thành gì khi nguồn điện, chứ không phải tiền bạc, sẽ quyết định điều gì được xây dựng.