Trung tâm dữ liệu AI tại Việt Nam tăng tốc: chọn hạ tầng ra sao

Làn sóng đầu tư trung tâm dữ liệu phục vụ AI tại Việt Nam đang tăng tốc, nhưng phần lớn công suất mới chỉ đi vào vận hành từ 2027 trở đi. Với doanh nghiệp muốn chạy mô hình AI ngay trong năm tới, lựa chọn thực tế vẫn là thuê GPU theo giờ trên đám mây trong nước hoặc quốc tế; đặt máy chủ riêng tại trung tâm colocation chỉ hợp lý khi tải ổn định và lớn. Bài viết tóm tắt bức tranh công suất, những yếu tố đẩy chi phí lên và khung quyết định cho từng nhu cầu.

Bức tranh công suất theo số liệu mới nhất

Theo báo cáo của BMI (Fitch Solutions) được TNGlobal đăng ngày 20/7/2026, Việt Nam đang nổi lên như một trung tâm dữ liệu thứ cấp đáng tin cậy ở Đông Nam Á, nhờ nhu cầu đám mây và dòng đầu tư lan sang từ Singapore, Malaysia.

Chênh lệch giữa 148 MW đang chạy và hơn 870 MW trên giấy cho thấy phần lớn công suất vẫn là kế hoạch. Chính BMI cũng cảnh báo công suất thực tế có thể thấp hơn danh mục dự án nếu nguồn điện, lưới điện và kết nối quốc tế không được cải thiện.

Các dự án đáng theo dõi

• Viettel khởi công tháng 4/2025 khu trung tâm dữ liệu hyperscale 140 MW tại Tân Phú Trung, TP.HCM, hướng tới tối đa 560 MW vào năm 2030.
• CMC được chấp thuận dự án hyperscale tại Khu Công nghệ cao Sài Gòn, giai đoạn đầu 30 MW, có thể mở rộng lên 120 MW, dự kiến khởi công trong năm 2026.
• Một khu AI campus 2,1 tỷ USD tại Khu công nghiệp Tân Phú Trung với tải IT 200 MW, khởi công năm 2025, mục tiêu giải ngân vốn đầu năm 2027.
• Google và Alibaba dự kiến mở trung tâm dữ liệu hyperscale đầu tiên tại TP.HCM, vận hành từ 2027; AWS đã có Local Zone tại Hà Nội.

Với doanh nghiệp, điều này có nghĩa từ 2027 sẽ có thêm lựa chọn đặt khối lượng AI ngay trong nước với các nền tảng quốc tế. Trước thời điểm đó, nên tránh cam kết dài hạn quá cứng với một phương án duy nhất. Bài so sánh AWS, Azure và Google Cloud giúp hình dung khác biệt giữa các nền tảng khi họ hiện diện đầy đủ hơn.

Điện: biến số lớn nhất của chi phí

AI ngốn điện hơn hẳn tải máy chủ thông thường. VnEconomy (16/6/2026) dẫn số liệu thế giới có khoảng 11.000 trung tâm dữ liệu dùng hơn 120 GW điện; trung tâm dữ liệu AI chiếm chưa tới 1% về số lượng nhưng dùng tới 25% lượng điện đó. IEA dự báo điện năng tiêu thụ của trung tâm dữ liệu toàn cầu có thể tăng gấp ba trong 10 năm.

Ở trong nước, BMI ghi nhận tháng 2/2026 trung tâm dữ liệu được xếp vào biểu giá điện kinh doanh, được cho là làm chi phí vận hành tăng hơn 50%. Các giải pháp đang được đẩy mạnh gồm cơ chế mua bán điện trực tiếp (DPPA), mở rộng năng lượng tái tạo và chương trình lò phản ứng mô-đun nhỏ Ninh Thuận 1 và 2 có thể cung cấp 4–6 GW điện nền giai đoạn 2030–2035.

Hệ quả cho người thuê: giá thuê chỗ đặt máy và giá GPU theo giờ tại Việt Nam chịu áp lực tăng, và điều khoản điều chỉnh giá theo giá điện trong hợp đồng colocation cần được đọc kỹ.

Ba phương án hạ tầng cho khối lượng AI

Thuê GPU theo giờ trên đám mây

Phù hợp khi đang thử nghiệm, tinh chỉnh mô hình theo đợt, hoặc tải dao động mạnh. Không cần vốn đầu tư ban đầu, bật tắt theo nhu cầu. Nhược điểm là đơn giá cao nếu chạy liên tục, và năng lực GPU ở một số vùng có thể khan hiếm.

Đặt máy chủ GPU riêng tại colocation

Hợp lý khi tải suy luận chạy 24/7 ổn định trong nhiều năm và doanh nghiệp có đội vận hành phần cứng. Cần tính đủ mật độ điện mỗi tủ rack mà trung tâm cho phép, khả năng làm mát, và chi phí điện theo biểu giá mới.

Dùng mô hình qua API

Với nhiều bài toán văn phòng như tóm tắt, phân loại văn bản, trợ lý tra cứu, gọi API mô hình có sẵn rẻ và nhanh hơn tự vận hành. Cần cân nhắc quy định về dữ liệu khi gửi ra ngoài, và nghĩa vụ theo Luật Trí tuệ nhân tạo khi tích hợp vào sản phẩm.

Khung quyết định nhanh

1. Tải có chạy liên tục trên 60–70% thời gian không? Nếu không, ưu tiên đám mây hoặc API.
2. Dữ liệu có ràng buộc phải ở trong nước không? Nếu có, chọn nhà cung cấp có hạ tầng tại Việt Nam.
3. Độ trễ có quan trọng không? Ứng dụng tương tác thời gian thực với người dùng trong nước hưởng lợi khi đặt gần; xem thêm mô hình Edge Computing kết hợp Cloud.
4. Có đội vận hành phần cứng không? Nếu không, colocation sẽ đội chi phí nhân sự và rủi ro.

Ngưỡng 60–70% là gợi ý thực hành để bắt đầu phân tích, không phải số liệu từ báo cáo; hãy tính lại bằng đơn giá thực tế bạn nhận được.

Kiểm soát chi phí khi đã chạy

Hóa đơn GPU tăng rất nhanh nếu không quản lý: máy quên tắt sau buổi thử nghiệm, mô hình quá lớn so với nhu cầu, dữ liệu trung gian lưu mãi. Áp dụng các nguyên tắc FinOps như gắn nhãn chi phí theo dự án, đặt ngân sách và cảnh báo, rà soát hằng tuần. Bài tối ưu chi phí đám mây với FinOps có quy trình áp dụng được cho cả tài nguyên GPU.

Một thói quen hữu ích là lập bảng so sánh hằng quý giữa chi phí GPU thực tế đã trả và chi phí ước tính nếu chuyển sang phương án khác. Khi Google, Alibaba và các trung tâm hyperscale mới vận hành từ 2027, đơn giá trong nước có thể thay đổi; bảng số liệu tự theo dõi sẽ cho biết thời điểm nào đáng đàm phán lại hợp đồng hoặc dời khối lượng sang nơi khác.