Tin tổng hợp

Theo Cơ quan Năng lượng Quốc tế (IEA), các thỏa thuận mua điện có điều kiện từ những dự án lò phản ứng hạt nhân mô-đun nhỏ (SMR) đã đạt tổng công suất 45 GW vào tháng 4/2026. Tuy nhiên, các dự án SMR đầu tiên tại Mỹ dự kiến chỉ vận hành từ khoảng năm 2030, trong khi nhu cầu điện cho trung tâm dữ liệu AI đang tăng nhanh.

Tháng 10/2025, công ty Scale AI và Trung tâm An toàn AI (CAIS) công bố Chỉ số Lao động từ xa (Remote Labor Index), đo khả năng của tác nhân AI (AI agent) khi làm trọn các dự án thuê ngoài có thật. Khi đó, tác nhân tốt nhất chỉ hoàn thành 2,5% dự án. Đến tháng 7/2026, con số cao nhất đã lên 15,8%. Tác nhân AI đang tiến bộ nhanh, nhưng phần lớn công việc thật vẫn chưa thể giao trọn cho chúng.

Theo Stanford HAI, Viện Trí tuệ nhân tạo lấy con người làm trung tâm thuộc Đại học Stanford, chi phí truy vấn mô hình AI đạt mức hiệu năng tương đương GPT-3.5 đã giảm khoảng 280 lần trong chưa đầy hai năm. Tuy nhiên, tổng chi cho AI vẫn có thể tăng khi lượng token sử dụng ngày càng lớn và các tác vụ AI ngày càng phức tạp.

Theo Văn phòng Điều phối Công nghệ thông tin Y tế Quốc gia Mỹ (ONC), 70% bệnh viện tại Mỹ có thể gửi, nhận, tìm và tích hợp dữ liệu bệnh nhân với cơ sở khác trong năm 2023, nhưng chỉ 43% thực hiện thường xuyên. Khoảng cách này cho thấy kết nối được dữ liệu mới là bước đầu, quan trọng hơn là thông tin có thực sự được sử dụng trong quá trình chăm sóc hay không.

Trong thử nghiệm MASAI (ứng dụng AI trong chương trình sàng lọc ung thư vú bằng phương pháp chụp X-quang) tại Thụy Điển, AI hỗ trợ đọc phim chụp nhũ ảnh giúp phát hiện thêm 29% ca ung thư vú và giảm 44% khối lượng đọc phim. Kết quả cho thấy hiệu quả của AI phụ thuộc nhiều vào cách công nghệ được đưa vào quy trình sàng lọc và cách bác sĩ sử dụng kết quả do hệ thống cung cấp.

TrendForce (công ty nghiên cứu thị trường dự báo máy chủ dùng chip AI chuyên dụng (ASIC) sẽ chiếm 27,8% số máy chủ AI xuất xưởng năm 2026, trong khi máy chủ dùng GPU chiếm 69,7%. Chip chuyên dụng đang tăng nhanh nhờ khả năng tối ưu chi phí và điện năng, nhưng việc lựa chọn giữa ASIC và GPU còn phụ thuộc vào loại tác vụ, quy mô tải, năng lực sản xuất và cách doanh nghiệp tiếp cận hạ tầng AI.