Tokyo thử nghiệm tận dụng nhiệt từ trung tâm dữ liệu AI để làm mát và cung cấp nước nóng

Thử nghiệm tại Tokyo tận dụng nhiệt thải từ máy chủ

Tokyo đang hỗ trợ một dự án thu hồi nhiệt trực tiếp từ máy chủ trí tuệ nhân tạo (AI) để làm mát các tòa nhà, cung cấp nhiệt cho các cơ sở tắm gần đó và phục vụ nhà máy. Chương trình trình diễn diễn ra từ ngày 16/7/2026 đến ngày 31/3/2028, với chính quyền đô thị đóng góp tối đa 520 triệu yen cho các chi phí đủ điều kiện.

Công ty Điện lực Tokyo Holdings, thường được gọi là TEPCO, dẫn dắt dự án cùng MESH-X và NHK Technologies tại một trung tâm dữ liệu ở Tokyo. Mục tiêu của họ là giải quyết một vấn đề ngày càng lớn song hành với AI: phần lớn điện năng đi vào thiết bị tính toán cuối cùng chuyển thành nhiệt, mà các đơn vị vận hành phải loại bỏ để máy móc tiếp tục hoạt động.

Thông báo của chính quyền Tokyo mô tả một hệ thống sử dụng quá trình bay hơi để làm mát máy chủ trang bị bộ xử lý đồ họa, hay GPU, đồng thời thu hồi nhiệt trực tiếp ở nhiệt độ cao. GPU là những con chip có thể thực hiện nhiều phép tính cùng lúc, giữ vai trò then chốt trong AI hiện đại.

Dự án kết hợp hai nhu cầu thường được quản lý riêng rẽ. Trung tâm dữ liệu cần làm mát, trong khi các tòa nhà và doanh nghiệp lân cận cần nhiệt. Thu hồi nhiệt có ích có thể giúp cùng một lượng điện phục vụ cả hoạt động tính toán lẫn nhu cầu năng lượng tại địa phương.

Nhật Bản cũng đang thử nghiệm một hướng tiếp cận khác: chuyển các phép tính AI giữa các thành phố hoặc thay đổi thời điểm chạy để phù hợp với khả năng cung cấp điện. Các thử nghiệm này cùng hướng đến cách AI sử dụng điện, nơi tiêu thụ điện và điều gì xảy ra với năng lượng sau đó.

WaBiCo thu hồi nhiệt từ chip như thế nào

TEPCO gọi phương pháp của mình là WaBiCo, viết tắt của Watt Bit Cogeneration. Tên gọi kết nối watt, đơn vị đo công suất, với bit, đơn vị thông tin số. Ý tưởng cốt lõi là xem thiết bị điện tử công suất cao vừa là tài nguyên tính toán, vừa là nguồn nhiệt có thể sử dụng.

Công nghệ làm mát đưa nước vào môi trường có áp suất giảm, khoảng một nửa áp suất khí quyển, để nước sôi ở khoảng 80 độ C thay vì mức 100 độ quen thuộc. Nhiệt từ GPU làm nước bay hơi, cho phép hệ thống thu năng lượng nhiệt ở mức nhiệt độ hữu ích cho các ứng dụng khác.

TEPCO cho biết hệ thống sử dụng một tấm làm mát chuyên dụng để làm mát trực tiếp GPU và thu hồi nhiệt từ chip. Phương pháp tuần hoàn dùng chính nhiệt để vận chuyển nhiệt, không cần máy bơm thực hiện công đoạn này. Thu năng lượng gần chip giúp tạo ra nhiệt nóng hơn, hữu ích hơn so với để nhiệt phân tán khắp phòng máy chủ.

Nhiệt độ rất quan trọng vì mỗi công việc cần một cấp nhiệt khác nhau. Không khí ấm khó thu hồi và tốn kém có ít ứng dụng. Nhiệt thu hồi ở khoảng 80 độ C có thể đáp ứng nhiều ứng dụng hơn trong các tòa nhà và ngành công nghiệp, tùy thuộc vào thiết bị và yêu cầu nhiệt độ.

Các ứng dụng được đề xuất gồm cung cấp nhiệt cho những cơ sở tắm và nhà máy gần đó, cấp nhiệt cho hệ thống sưởi khu vực, cũng như dùng nhiệt thu hồi làm nguồn năng lượng để làm mát phòng máy chủ hoặc các cơ sở lân cận. Hệ thống làm mát vận hành bằng nhiệt sử dụng năng lượng nhiệt để chạy chu trình làm mát, thay vì phụ thuộc hoàn toàn vào máy nén chạy bằng điện.

Tokyo tài trợ và thử nghiệm những gì

Thông báo lựa chọn dự án của TEPCO cho biết Tokyo đã chọn đề xuất này vào ngày 30/6/2026. Công ty cho biết mình là đơn vị vận hành chính và nêu rõ khoản đóng góp tối đa 520 triệu yen của chính quyền nhằm hỗ trợ một phần các chi phí được chỉ định.

Cục Công nghiệp và Lao động Tokyo xếp chương trình trình diễn vào Chiến lược Tokyo 2050, với mục tiêu tối đa hóa hiệu quả năng lượng. Hoạt động thực tế kết hợp phát triển hệ thống làm mát bằng bay hơi với thử nghiệm trong môi trường vận hành thật.

Dự án cần kết nối việc thu hồi nhiệt với một nơi sử dụng hữu ích. Với cơ sở tắm, điều đó đồng nghĩa với nguồn cung năng lượng nhiệt ổn định. Với nhà máy, nhiệt độ và thời điểm cung cấp phải phù hợp với quy trình công nghiệp. Còn tại phòng máy chủ, nhiệt thu hồi phải được tích hợp vào hệ thống làm mát để hỗ trợ vận hành ổn định.

Các thông báo chỉ nêu địa điểm thử nghiệm là một trung tâm dữ liệu ở Tokyo. Chúng không cung cấp tỷ lệ thu hồi nhiệt đo được, mức tiết kiệm điện, mức giảm phát thải, khách hàng sử dụng nhiệt cụ thể hay ngày triển khai thương mại. Kết quả này sẽ quyết định phương pháp hữu ích đến đâu sau khi kết thúc thử nghiệm.

Hiệu quả làm mát và tái sử dụng nhiệt là hai lợi ích khác nhau

TEPCO đặt mục tiêu cải thiện một chỉ số hiệu quả tiêu chuẩn của trung tâm dữ liệu, gọi là Hiệu quả sử dụng năng lượng (PUE). Chỉ số này lấy tổng lượng điện một cơ sở sử dụng chia cho lượng điện dùng cho thiết bị tính toán. Kết quả càng gần 1 thì lượng điện bổ sung dành cho làm mát và các hệ thống hỗ trợ khác càng thấp.

Giả sử một cơ sở tiêu thụ 120 đơn vị điện, trong đó máy tính dùng 100 đơn vị, thì PUE sẽ là 1,2. Giảm 20 đơn vị điện bổ sung sẽ cải thiện chỉ số này. Dự án tại Tokyo hướng đến lợi ích như vậy bằng cách thay đổi phương thức loại bỏ nhiệt khỏi chip.

Tái sử dụng nhiệt có thể mang lại một lợi ích khác: người sử dụng lân cận có thể đáp ứng một phần nhu cầu sưởi bằng năng lượng thu hồi từ hoạt động tính toán. Điện vẫn cung cấp năng lượng cho máy chủ, trong khi nhiệt hữu ích được đưa ra khỏi cơ sở để phục vụ mục đích khác.

Cần đo lường riêng hai lợi ích này. Đơn vị vận hành phải theo dõi lượng điện dùng cho làm mát, lượng nhiệt thực tế cung cấp cho khách hàng và năng lượng mà khách hàng nếu không sẽ phải tiêu thụ. Kết nối nhiệt sẽ có giá trị khi cơ sở tiếp nhận có thể sử dụng năng lượng vào đúng thời điểm được cung cấp.

Chip hiệu quả hơn trong bối cảnh khối lượng công việc AI tăng

NVIDIA mô tả năng lượng là nền tảng của hạ tầng AI. Tại cuộc họp Davos tháng 1/2026, Giám đốc điều hành Jensen Huang ví ngành này như chiếc bánh gồm năm tầng: năng lượng ở dưới cùng, tiếp đến là chip, hạ tầng, mô hình và ứng dụng.

Đại diện NVIDIA Hiroki Saito xem năng lượng là cửa ngõ đầu tiên của AI. Những chia sẻ của ông cũng cho thấy nhu cầu tính toán đang thay đổi nhanh ra sao. Lấy thời điểm ChatGPT ra mắt vào tháng 11/2022 làm mốc, ông ước tính nhu cầu xử lý liên quan đến mô hình suy luận DeepSeek vào tháng 1/2025 cao gấp 100 lần mức đó, còn tác nhân tự hành OpenClaw xuất hiện khoảng một năm sau cần năng lực xử lý cao gấp 1.000 lần.

Các ví dụ này phản ánh sự thay đổi về loại hình công việc AI. Mô hình suy luận tiêu tốn năng lực tính toán để giải quyết vấn đề, trong khi tác nhân AI có thể thực hiện nhiều chuỗi tác vụ. Những công việc phức tạp hơn có thể cần nhiều năng lực xử lý hơn, ngay cả khi từng chip riêng lẻ ngày càng hiệu quả.

NVIDIA cho biết thế hệ Rubin có thể xử lý tác nhân AI nhiều gấp 10 lần thế hệ Blackwell với cùng mức điện năng. Giá trị thực tế còn phụ thuộc vào cách triển khai thiết bị và loại tác vụ được thực hiện.

Saito cũng mô tả sự thay đổi trong các ưu tiên vận hành. Các trung tâm dữ liệu truyền thống tập trung vào việc duy trì khả năng hoạt động. Theo cách gọi của NVIDIA, nhà máy AI là hạ tầng được xây dựng xoay quanh hoạt động sản xuất AI, nên cũng phải tối đa hóa lượng công việc tính toán hữu ích. Hiệu suất cao hơn trên mỗi đơn vị điện và nhu cầu gia tăng diễn ra đồng thời, khiến tổng mức tiêu thụ phụ thuộc vào cả hai yếu tố.

Biến động công suất đột ngột tạo thêm thách thức

Các cơ sở AI đối mặt với nhiều thách thức ngoài tổng lượng điện tiêu thụ. Trong quá trình huấn luyện mô hình, hàng trăm nghìn GPU có thể đồng loạt thay đổi mức tiêu thụ điện trong khoảng thời gian tính bằng mili giây. Thiết bị điện phải hấp thụ những biến động nhanh này mà vẫn duy trì nguồn điện ổn định.

Amber Villegas-Williamson, chuyên gia tư vấn chính tại Uptime Institute, tổ chức tư vấn về độ tin cậy cho nhà cung cấp điện và trung tâm dữ liệu, mô tả áp lực này:

AI thực sự tạo ra nhu cầu điện rất khác thường,

Villegas-Williamson ví sự hao mòn này với việc liên tục ép động cơ ô tô chạy mạnh hơn thay vì duy trì tốc độ ổn định. Drew Baglino, cựu lãnh đạo Tesla và nhà sáng lập Heron Power Electronics, cho biết nhu cầu AI có thể tăng vọt trong chốc lát, cao hơn đến 50% công suất thiết kế của một cơ sở. Theo ví dụ của ông, một trung tâm dữ liệu được thiết kế cho công suất 1 gigawatt có thể tăng mức tiêu thụ lên 1,5 gigawatt trong một tích tắc.

Các sự cố thiết bị liên quan đến áp lực này bao gồm tua-bin bị nứt và pin cần thay thế chỉ sau vài tuần hoặc vài tháng. Theo một số nguồn tin, khả năng sẵn sàng hoạt động tại một số cơ sở chỉ ở mức khoảng 80%. Ước tính doanh thu tổn thất trong thời gian gián đoạn dao động từ hàng nghìn đến hàng trăm nghìn USD mỗi phút, tùy hoạt động.

Tập đoàn Độ tin cậy Điện Bắc Mỹ phát hiện khoảng ba phần tư số mô hình phụ tải bao quát hơn 33 gigawatt nhu cầu điện từ trung tâm dữ liệu tại Mỹ không phản ánh đầy đủ hành vi biến động. Các mô hình này giúp công ty điện lực dự đoán tác động của khách hàng lên hệ thống điện, khiến những thay đổi nhanh về mức tiêu thụ trở thành vấn đề quan trọng trong quy hoạch.

Một khuôn viên dự kiến có công suất 2,67 gigawatt ở Tây Texas cho thấy ảnh hưởng đến tiến độ. Nhà phát triển Joulent bổ sung thời gian kỹ thuật để đáp ứng yêu cầu độ tin cậy 99,999% của Microsoft, khiến thời điểm bắt đầu cung cấp điện lùi từ năm 2027 sang năm 2028. Với mức độ tin cậy này, thời gian ngừng hoạt động trong một năm chỉ vào khoảng năm phút.

Chuyển phép tính thay vì truyền tải điện

Thử nghiệm thứ hai của Nhật Bản tập trung vào địa điểm và thời điểm AI tiêu thụ điện. J-Power, Cisco Systems, East Japan Railway, Hitachi và Bitmedia thông báo ngày 8/10/2026 rằng họ đang triển khai chương trình trình diễn kết nối các trung tâm dữ liệu AI ở Yokohama và Kitakyushu.

Thử nghiệm bắt đầu vào tháng 8/2026 và dự kiến kéo dài đến ngày 1/2/2027. Chương trình kiểm tra việc dịch chuyển khối lượng công việc, tức điều phối các tác vụ tính toán sang địa điểm khác hoặc thời điểm khác tùy theo tình hình điện năng và năng lực tính toán.

Dịch chuyển theo không gian nghĩa là chuyển một phép tính sang trung tâm dữ liệu khác. Dịch chuyển theo thời gian là lên lịch thực hiện vào một giờ khác. Hệ thống cân nhắc dự báo sản lượng điện tái tạo, giá giao dịch điện, cung cầu, năng lực tính toán sẵn có và thông tin về thiên tai.

Một mục tiêu là sử dụng nguồn điện tái tạo vốn có thể bị cắt giảm. Việc cắt giảm xảy ra khi sản lượng điện mặt trời hoặc điện gió tạm thời bị hạn chế vì lưới điện không thể truyền tải hoặc hấp thụ hết lượng điện sẵn có. Chuyển các tác vụ AI phù hợp sang thời điểm có nguồn điện đó có thể giúp tăng mức sử dụng điện tái tạo.

Các công ty cũng sẽ xem xét thời gian xử lý tăng thêm do việc dịch chuyển công việc và cách duy trì chất lượng dịch vụ. Chuyển một tác vụ cũng phát sinh chi phí thực tế, vì vậy thử nghiệm đo lường cả lợi ích về điện năng lẫn ảnh hưởng đến hiệu suất tính toán.

Cáp quang đường sắt kết nối thử nghiệm trên diện rộng

Năm công ty cũng đang thử nghiệm mạng toàn quang dọc tuyến Joetsu Shinkansen. Thiết bị truyền dẫn quang tại các ga Echigo-Yuzawa, Jomo-Kogen và Takasaki sẽ sử dụng cáp quang đường sắt hiện có để kiểm tra chất lượng liên lạc trong điều kiện rung lắc và thời tiết thay đổi.

Các phép thử đo suy hao tín hiệu, lỗi truyền dẫn, độ trễ và mức biến thiên độ trễ. Những chỉ số này rất quan trọng khi các cơ sở tính toán ở nhiều địa điểm cần phối hợp hoạt động. Thử nghiệm mạng đường sắt là một phần riêng của chương trình, song song với việc dịch chuyển khối lượng công việc giữa Yokohama và Kitakyushu.

J-Power dẫn dắt liên danh và đánh giá kết quả. Hitachi xây dựng hệ thống dịch chuyển khối lượng công việc và môi trường thử nghiệm quang học; Cisco hỗ trợ thiết kế và đo lường mạng; JR East khảo sát thiết bị liên lạc đường sắt; còn Bitmedia phát triển hệ thống bên trong các trung tâm dữ liệu.

Hoạt động này tiếp nối việc thành lập hội đồng vào tháng 4/2026, với sự tham gia của JR West Optical Network và Nagoya Railroad. Mục tiêu rộng hơn của hội đồng là phối hợp vận hành các trung tâm dữ liệu AI phân tán bằng mạng quang diện rộng và dịch chuyển khối lượng công việc.

Các mốc chính cho thấy những thử nghiệm về nhiệt và tính toán diễn ra đan xen như thế nào:

• Tháng 4/2026: Bảy công ty thành lập hội đồng về mạng quang và dịch chuyển khối lượng công việc.
• Ngày 30/6/2026: Tokyo chọn đề xuất thu hồi nhiệt của TEPCO.
• Ngày 16/7/2026: Bắt đầu giai đoạn trình diễn thu hồi nhiệt tại Tokyo.
• Tháng 8/2026: Bắt đầu thử nghiệm dịch chuyển khối lượng công việc giữa Yokohama và Kitakyushu.
• Ngày 1/2/2027: Dự kiến kết thúc chương trình trình diễn dịch chuyển khối lượng công việc.
• Ngày 31/3/2028: Dự kiến kết thúc dự án thu hồi nhiệt tại Tokyo.

Nhật Bản muốn tăng năng lực tính toán, giảm lãng phí năng lượng

Nhật Bản đang thúc đẩy đầu tư vào AI và chất bán dẫn trong khi hướng đến mục tiêu trung hòa carbon vào năm 2050. Các nhà máy của TSMC tại tỉnh Kumamoto là một phần trong quá trình mở rộng công nghiệp này. Năm 2022, năng lượng tái tạo cung cấp khoảng 22% sản lượng điện của Nhật Bản, khiến nước này vẫn phụ thuộc nhiều vào các nguồn khác, trong đó có nhiên liệu hóa thạch.

Kế hoạch kinh doanh đặc biệt toàn diện lần thứ năm của chính TEPCO đặt mục tiêu đưa mức tăng nhu cầu từ các trung tâm dữ liệu tại vùng đô thị Tokyo lên nhóm cao nhất thế giới vào năm tài chính 2040. Vì vậy, dự án thu hồi nhiệt song hành với tham vọng mở rộng ngành này.

Thu hồi nhiệt và dịch chuyển khối lượng công việc giải quyết những khía cạnh khác nhau của quá trình mở rộng. WaBiCo hướng đến tăng lượng sản phẩm hữu ích từ điện mà máy chủ đã tiêu thụ. Dịch chuyển khối lượng công việc nhằm điều chỉnh nhu cầu tính toán phù hợp hơn với khả năng cung cấp điện. Thiết bị xử lý các biến động công suất nhanh giúp duy trì độ tin cậy cần thiết cho cả hai phương pháp.

Đối với cộng đồng lân cận, cơ hội cụ thể là có thêm nguồn nhiệt hữu ích và kết nối chặt chẽ hơn giữa trung tâm dữ liệu với nhu cầu năng lượng địa phương. Với đơn vị vận hành, các thử nghiệm tập trung vào chi phí làm mát, thời gian tính toán hữu ích và độ tin cậy của dịch vụ. Cột mốc tiếp theo là hiệu suất được đo lường: tiết kiệm hoặc tái sử dụng được bao nhiêu năng lượng trong khi máy tính vẫn tiếp tục hoạt động.

Điểm chính

• Tokyo hỗ trợ chương trình trình diễn thu hồi nhiệt của TEPCO, với khoản đóng góp tối đa 520 triệu yen cho các chi phí đủ điều kiện.
• Dự án kéo dài đến ngày 31/3/2028, hướng đến làm mát, cung cấp nhiệt cho cơ sở tắm và nhà máy, cũng như hệ thống sưởi khu vực.
• WaBiCo sử dụng quá trình bay hơi ở áp suất giảm để thu hồi trực tiếp nhiệt hữu ích từ GPU.
• Một thử nghiệm riêng dịch chuyển các tác vụ AI giữa Yokohama và Kitakyushu, cũng như giữa các thời điểm vận hành, để phù hợp với tình hình điện năng.
• Biến động nhanh trong mức tiêu thụ điện của AI cũng đang gây ra vấn đề về thiết bị và độ tin cậy.
• Mức tiết kiệm điện, lượng nhiệt thu hồi được cung cấp và hiệu suất vận hành đo được sẽ quyết định giá trị thực tiễn của các chương trình trình diễn.