Biến đổi khí hậu (BĐKH) đang đặt ra những thách thức lớn đối với phát triển bền vững, đặc biệt ở các quốc gia dễ tổn thương như Việt Nam. Các hiện tượng cực đoan, nước biển dâng, xâm nhập mặn và áp lực hạ tầng đang ảnh hưởng trực tiếp đến kinh tế - xã hội và cản trở mục tiêu phát thải ròng bằng “0” vào năm 2050. Trong bối cảnh đó, trí tuệ nhân tạo (AI) nổi lên như một công cụ đột phá, giúp nâng cao năng lực dự báo, cảnh báo và quản trị rủi ro khí hậu.

 1. Biến đổi khí hậu và những thách thức đối với phát triển bền vững

BĐKH được xác định là một trong những thách thức lớn nhất đối với môi trường và phát triển bền vững, tác động trực tiếp đến cả hệ sinh thái tự nhiên và hệ thống kinh tế - xã hội (KT-XH). Báo cáo của Ủy ban Liên chính phủ về BĐKH[3]  nêu rõ con người là nguyên nhân chính gây ra sự nóng lên toàn cầu, với nhiệt độ toàn cầu đã tăng khoảng 1.1°C so với thời kỳ tiền công nghiệp.

BĐKH đã và đang diễn ra, với các tác động sâu rộng đến tự nhiên, xã hội và con người. Báo cáo State of the Climate của Hiệp hội Khí tượng Hoa Kỳ cho thấy kể từ năm 1980, mỗi thập kỷ đều nóng hơn thập kỷ trước; trong đó giai đoạn 2010-­2019 nóng hơn giai đoạn 2000-2009 khoảng 0,2°C. Lượng khí nhà kính tiếp tục tăng cao, đạt mức kỷ lục 409,8 phần triệu, khiến các năm từ 2014 đến nay đều nằm trong nhóm nóng nhất lịch sử. Năm 2024 được ghi nhận là một trong những năm nóng kỷ lục trên toàn cầu kể từ khi con người bắt đầu đo đạc nhiệt độ từ thế kỷ XIX, như trên Hình 1[4].

Hình 1. Xu thế gia tăng của nhiệt độ trung bình toàn cầu do với thời kỳ tiền công nghiệp (nguồn UK Met Office)

Việt Nam là một trong những quốc gia chịu ảnh hưởng nặng nề nhất từ BĐKH, với các tác động đa chiều đến kinh tế, xã hội và môi trường. Các kịch bản quốc gia cho thấy đến cuối thế kỷ XXI, mực nước biển có thể dâng tới 100 cm trong đối với kịch bản cực đoan, đe dọa nghiêm trọng đồng bằng sông Cửu Long, đồng bằng sông Hồng và nhiều đô thị ven biển lớn. Báo cáo Sustainable Development Report 2025 cho biết Việt Nam hiện chỉ đạt mức trung bình trong thực hiện các Mục tiêu Phát triển Bền vững (SDGs), trong đó tiến độ bị chậm lại đáng kể do tác động của BĐKH[5]. Các thách thức cụ thể có thể khái quát như sau:

Một là, thiên tai và thời tiết cực đoan ngày càng gia tăng về tần suất và cường độ. Các cơn bão, lũ lụt và hạn hán gây thiệt hại nặng nề. Điển hình là siêu bão Yagi năm 2024 - một trong những cơn bão mạnh nhất trong 30 năm - đã gây thiệt hại kinh tế khoảng 0,7% GDP và ảnh hưởng đến hàng triệu người dân. Báo cáo cập nhật Kế hoạch Thích ứng Quốc gia (NAP) 2021-2030, tầm nhìn 2050 (2024) cho thấy Việt Nam đã mất 3,2% GDP trong năm 2020 do tác động của BĐKH, và con số này có thể tiếp tục gia tăng. Những hiện tượng này không chỉ gây thiệt hại về người và tài sản mà còn gián đoạn chuỗi cung ứng, ảnh hưởng trực tiếp đến tăng trưởng kinh tế bền vững[6].

Hai là, nước biển dâng và xâm nhập mặn đe dọa nghiêm trọng đến đồng bằng ven biển. Đồng bằng sông Cửu Long, nơi sản xuất hơn 50% lúa gạo và 70% thủy sản xuất khẩu của Việt Nam, có nguy cơ bị ngập trên diện rộng nếu mực nước biển dâng 1 mét, ảnh hưởng trực tiếp đến sinh kế của khoảng 20 triệu dân. Báo cáo Viet Nam 2045 - Growing Greener[7] nhấn mạnh, BĐKH đang đe dọa an ninh lương thực (SDG2) và làm suy giảm đa dạng sinh học khi diện tích rừng ngập mặn bị thu hẹp do xói lở bờ biển. BĐKH cũng tác động đến sức khỏe cộng đồng, khi nắng nóng kéo dài làm tăng nguy cơ bệnh tim mạch và dịch bệnh truyền nhiễm như sốt xuất huyết. UNDP (2025) cảnh báo tình trạng “di cư khí hậu”, khi hàng nghìn người buộc phải rời bỏ nông thôn, gây áp lực lên đô thị hóa và gia tăng bất bình đẳng xã hội (SDG10).

Ba là, cơ sở hạ tầng quốc gia đối mặt với áp lực ngày càng lớn. Các đô thị lớn như Hà Nội và TP. Hồ Chí Minh thường xuyên ngập lụt, ảnh hưởng đến giao thông, nhà ở và hệ thống thoát nước. Báo cáo OECD Economic Surveys: Viet Nam 2025 ước tính chi phí thích ứng có thể lên tới hàng trăm tỷ USD, trong khi nguồn lực trong nước còn hạn chế[8]. Theo Liên Hợp Quốc, năm 2024, Việt Nam đã mất khoảng 0,15% GDP do tác động BĐKH.

Bốn là, quá trình chuyển đổi xanh còn nhiều rào cản. Việt Nam đã cam kết đạt mục tiêu phát thải ròng bằng “0” vào năm 2050 theo Thỏa thuận Paris, nhưng hiện vẫn phụ thuộc lớn vào than đá (hơn 50% sản lượng điện). Báo cáo Country Climate and Development Report[9] cho thấy, nếu không hành động, Việt Nam có thể mất tới 24% GDP vào năm 2100 trong kịch bản phát thải cao. Ngược lại, để thực hiện cam kết Net Zero, cần tới 368 tỷ USD cho giảm phát thải và thích ứng đến năm 2040. Chương trình Chuyển đổi Năng lượng Công bằng (JETP) với cam kết 15,5 tỷ USD từ các đối tác quốc tế mới chỉ là bước đầu; cần thêm hỗ trợ tài chính - công nghệ để tạo khoảng 500.000 việc làm xanh đến năm 2030, đồng thời đảm bảo “chuyển đổi công bằng” cho lao động trong ngành than[10].

Trước những nguy cơ và thách thức do BĐKH trên toàn cầu cũng như ở Việt nam với tốc độ gia tăng, Chính phủ đã có những chính sách quyết liệt và hành động mạnh mẽ, thể hiện trong Chiến lược Quốc gia về biến đổi khí hậu giai đoạn đến năm 2050 tại Quyết định số 896/QĐ-TTg, ngày 26-07-2022 của Thủ tướng Chính phủ, với mục tiêu tổng quát là chủ động thích ứng hiệu quả, giảm mức độ dễ bị tổn thương, tổn thất và thiệt hại do BĐKH; giảm phát thải khí nhà kính, đạt phát thải ròng bằng “0” vào năm 2050. Một trong những mục tiêu cụ thể của Chiến lược là: “Trình độ, năng lực dự báo, cảnh báo thiên tai, giám sát biến đổi khí hậu, quản lý rủi ro thiên tai tương đương với các nước phát triển; dịch vụ khí hậu đáp ứng yêu cầu phát triển kinh tế - xã hội. Khả năng chống chịu của các công trình phòng chống thiên tai được nâng cao, đảm bảo an toàn trước thiên tai theo mức thiết kế có tính đến tác động của biến đổi khí hậu”. Đặc biệt, Nghị quyết 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia là động lực quan trọng để KHCN vươn tầm trong giai đoạn tới, trở thành yếu tố quyết định năng lực thích ứng và phát triển bền vững.

2. Ứng dụng AI trong dự báo khí hậu và và xây dựng kịch bản BĐKH

Các mô hình khí hậu truyền thống mô phỏng khí hậu toàn cầu hoặc khu vực thông qua các phương trình bảo toàn khối lượng, động lượng và năng lượng rất phức tạp, và tốn nhiều thời gian. Tuy nhiên, các nghiên cứu gần đây cho thấy, AI có khả năng rút ngắn đáng kể thời gian mô phỏng và giảm chi phí tính toán, đồng thời mở rộng khả năng xây dựng và so sánh hàng nghìn kịch bản BĐKH vốn bất khả thi với các mô hình động lực truyền thống. Ví dụ, QuickClim - một hệ thống mô phỏng khí hậu dựa trên máy học - đã chứng minh có thể chạy nhanh hơn tới hàng triệu lần so với các mô hình truyền thống (Hình 2), cho phép khảo sát đồng thời hàng nghìn lộ trình phát thải khác nhau[11]. Tương tự, ACE (Allen Institute for AI) cho thấy năng lực dự báo nhiều biến khí quyển chính xác hơn 90% so với mô hình vật lý rút gọn, trong khi nhanh hơn 100 lần và tiết kiệm năng lượng 100 lần[12].

Hình 2. Minh hoạ kết quả dự tính biến đổi nhiệt độ toàn cầu đến năm 2100 theo cách tiếp cận mô hình vật lý (trái) và sử dụng AI (phải) cho kết quả tương tự nhau AI tiết kiệm thời gian tính toán đến một triệu lần sao với mô hình vật lý (Nguồn: Carissa Wong, 2024).

Một xu thế nổi bật hiện nay để mô phỏng khí hậu là phát triển các mô hình lai (hybrid models) kết hợp giữa mô hình động lực truyền thống (physics-based NWP) và mô hình học máy (data-driven). Cách tiếp cận này không nhằm thay thế hoàn toàn các mô hình vật lý, mà bổ sung để tận dụng đồng thời ưu thế của cả hai: nền tảng khoa học vững chắc và khả năng hiệu chỉnh sai số nhanh, xử lý các quá trình phi tuyến phức tạp. Dữ liệu từ mô hình động lực và dữ liệu quan trắc/lịch sử được xử lý song song, sau đó tích hợp để cho ra dự báo chi tiết, chính xác và đáng tin cậy hơn. Cách tiếp cận này đang được các trung tâm lớn như ECMWF, Met Office và WMO khuyến nghị trong khuôn khổ sáng kiến “Early Warnings for All”.

Một hướng tiếp cận khác là AI tham số hóa các quá trình vật lý phức tạp như đối lưu, mây hay bức xạ. Hình 3 minh họa ứng dụng AI trong tham số hóa các quá trình vật lý phức tạp như đối lưu, mây và bức xạ. Đây vốn là những thành phần tốn nhiều tài nguyên tính toán và chứa nhiều bất định trong mô hình truyền thống. Trong đó, AI nhờ khả năng học từ dữ liệu phân giải cao và số liệu vệ tinh, có thể thay thế hoặc hiệu chỉnh nhanh chóng các tham số hóa này, giúp mô hình chạy nhanh hơn hàng chục lần mà vẫn duy trì độ tin cậy và khoa học[13]^,[14].

Hình 3. Ứng dụng AI trong tham số hóa các quá trình vật lý (đối lưu, mây, bức xạ), giúp giảm chi phí tính toán và bất định trong mô hình khí hậu (Nguồn: Materia et al., 2024).

Nhận rõ những khả năng vượt trội của AI, Viện Khoa học KTTV và BĐKH (IMHEN) cũng đã tập trung đẩy mạnh nghiên cứu và ứng dụng học máy để hiệu chỉnh mô hình, nâng cao chất lượng dự báo mưa lớn, lũ quét và khí hậu cực đoan; đồng thời xây dựng hạ tầng số và hệ thống tính toán hiệu năng cao nhằm xử lý khối lượng dữ liệu ngày càng lớn. Viện cũng đang phát triển hệ sinh thái dịch vụ khí tượng - khí hậu mở, phục vụ đa ngành, đặc biệt là nông nghiệp và năng lượng tái tạo, đồng thời tăng cường hợp tác liên ngành và quốc tế, kết nối doanh nghiệp công nghệ để đưa các ứng dụng AI vào giám sát khí hậu, cảnh báo thiên tai và cung cấp dịch vụ khí hậu theo nhu cầu. Từ năm 2024, AI đã được thử nghiệm trong xây dựng bản đồ ngập do nước biển dâng trong nhiệm vụ “Cập nhật Kịch bản biến đổi khí hậu và nước biển dâng cho Việt Nam” (2024-2025). Hình 4 minh họa cách tiếp cận xây dựng bản đồ ngập do nước biển dâng sử dụng mô hình AI. Quy trình được thiết kế thành ba bước chính: (i) thu thập và tiền xử lý dữ liệu đầu vào; (ii) huấn luyện và đánh giá mô hình; và (iii) tổng hợp kết quả ngập ứng với từng kịch bản. Các mô hình học máy (Random Forest, XGBoost, LightGBM, CNN) được triển khai trên dữ liệu đa nguồn (DEM, viễn thám, thủy văn, thổ nhưỡng, sử dụng đất) đã giúp rút ngắn đáng kể thời gian tính toán, nâng cao độ phân giải và cải thiện độ tin cậy của bản đồ ngập so với kịch bản công bố trước đây. Điểm mới quan trọng là kết quả sẽ được tích hợp vào hệ thống WebGIS, cho phép các địa phương và bộ ngành khai thác trực tuyến, so sánh theo các kịch bản và mốc thời gian, qua đó tăng tính minh bạch và khả năng ứng dụng trong thực tiễn quy hoạch - chính sách. Đây là bước tiến lớn so với các kịch bản trước năm 2020 vốn chỉ công bố dưới dạng bản đồ tĩnh. Tuy nhiên, việc ứng dụng AI trong dự báo và xây dựng kịch bản BĐKH ở Việt Nam vẫn còn gặp nhiều thách thức, bao gồm:

Một là, dữ liệu và hạ tầng tính toán còn hạn chế. Dữ liệu KTTV, viễn thám còn phân tán, thiếu chuẩn hóa, khó tiếp cận công khai, trong khi dữ liệu mở - nền tảng quan trọng cho AI - chưa được thúc đẩy đầy đủ[15]. Hạ tầng tính toán hiệu năng cao (HPC, GPU cluster) chưa đáp ứng yêu cầu của các mô hình học sâu quy mô lớn.

Hai là, nguồn nhân lực AI - KTTV còn thiếu và yếu. Đội ngũ chuyên gia liên ngành kết hợp kiến thức KTTV, khoa học dữ liệu và tính toán hiệu năng cao còn rất hạn chế. Công bố quốc tế của Việt Nam trong lĩnh vực này còn ít, tạo khoảng cách với xu thế toàn cầu.

Ba là, phương pháp luận và tính phù hợp thực tiễn chưa được đảm bảo. Các nghiên cứu AI trong dự báo mưa, lũ, bão cho kết quả khả quan nhưng vẫn còn sai lệch không gian và bất định khi áp dụng trên diện rộng. Điều này cho thấy AI cần kết hợp chặt chẽ với mô hình vật lý truyền thống để đạt độ tin cậy.

Bốn là, hành lang pháp lý và thể chế còn thiếu đồng bộ. Hiện chưa có quy định đầy đủ về khai thác, chia sẻ và bảo mật dữ liệu phục vụ AI. Cơ chế phối hợp giữa các ngành, giữa trung ương và địa phương còn rời rạc, gây khó khăn trong việc tích hợp kết quả AI vào tác nghiệp và ra quyết định chính sách.

Năm là, nguồn lực tài chính và hợp tác quốc tế chưa ổn định. Nghiên cứu và vận hành AI đòi hỏi chi phí cao, trong khi ngân sách trong nước còn hạn chế và nhiều dự án vẫn phụ thuộc viện trợ. Việt Nam cũng phụ thuộc nhiều vào công cụ và dữ liệu ngoại nhập, làm giảm tính tự chủ công nghệ.

Sáu là, ứng dụng thực tiễn và mức độ chấp nhận xã hội còn hạn chế. Phần lớn sản phẩm AI mới dừng ở quy mô thí điểm. Nhận thức xã hội về giá trị của AI trong quản lý thiên tai còn chưa đầy đủ.

Bảy là, cơ chế phối hợp liên ngành chưa hiệu quả. AI trong KTTV liên quan đến nhiều lĩnh vực như nông nghiệp, đô thị, năng lượng, giao thông và y tế. Tuy nhiên, cơ chế chia sẻ dữ liệu, tích hợp công cụ và phối hợp liên ngành còn hạn chế, làm giảm hiệu quả ứng dụng.

Như vậy có thể thấy, dù AI đã mở ra những triển vọng lớn trong nâng cao năng lực dự báo và xây dựng kịch bản BĐKH ở Việt Nam, nhưng để AI phát huy hiệu quả, cần giải quyết đồng bộ các thách thức về dữ liệu, hạ tầng, nhân lực, thể chế, tài chính và sự phối hợp liên ngành. Đây chính là điều kiện tiên quyết để biến AI từ công cụ nghiên cứu thành giải pháp chiến lược phục vụ quản trị rủi ro khí hậu và phát triển bền vững.

3. Ứng dụng trí tuệ nhân tạo (AI) như công cụ quản trị bền vững

Trong bối cảnh BĐKH ngày càng nhanh và phức tạp, AI không chỉ là công cụ hỗ trợ kỹ thuật trong dự báo mà còn trở thành nền tảng quản trị bền vững liên ngành và đa ngành. Nhiều nghiên cứu đã chỉ ra rằng AI, khi kết hợp với dữ liệu lớn, IoT và điện toán đám mây, có thể tạo ra các hệ thống quản lý thông minh, từ đó hỗ trợ hoạch định chính sách, giảm thiểu rủi ro và nâng cao khả năng thích ứng[16]^,[17]. Một ví dụ điển hình là kiến trúc của Microsoft Sustainability Manager, nơi AI thu thập dữ liệu môi trường (carbon, nước, năng lượng...), xử lý phân tích, rồi tạo các chỉ số hành động để hỗ trợ hoạch định chính sách (Hình 4).

Hình 4. Kiến trúc hệ thống quản lý bền vững tích hợp AI (Nguồn: Microsoft Sustainability Manager, 2024).

Thứ nhất, trong quản lý tài nguyên và nông nghiệp. AI đã được ứng dụng để dự báo năng suất cây trồng, giám sát hạn hán, quản lý nước tưới và kiểm soát sâu bệnh dựa trên các chỉ số khí hậu - sinh học. Các công cụ như AI for Climate-Smart Agriculture (CSA) hay AIM for Scale của WMO cho thấy hiệu quả rõ rệt trong việc cung cấp cảnh báo thời tiết - mùa vụ cho nông dân nhỏ lẻ, giúp họ tối ưu hóa chi phí sản xuất và giảm thiểu rủi ro[18].

Thứ hai, trong phát triển đô thị và hạ tầng. AI hỗ trợ phân tích tác động của biến đổi khí hậu đến không gian đô thị, bao gồm hiện tượng đảo nhiệt đô thị, ngập lụt và sụt lún đất. Các hệ thống học máy được ứng dụng trong quy hoạch hạ tầng chống chịu, tối ưu hóa giao thông và thiết kế thành phố thông minh, thân thiện khí hậu. Tại Việt Nam, Viện Khoa học KTTV&BĐKH đang xây dựng WebGIS kịch bản ngập do nước biển dâng, một công cụ trực tuyến cho phép tích hợp dữ liệu AI vào quy hoạch đô thị, hạ tầng và phân vùng rủi ro.

Thứ ba, trong an ninh môi trường và chính sách. AI đóng vai trò ngày càng lớn trong đánh giá rủi ro an ninh phi truyền thống như an ninh lương thực, năng lượng, y tế và môi trường. Các nền tảng như ARIES for SEEA (Assessment and Research Infrastructure for Ecosystem Services) đã được Liên Hợp Quốc thử nghiệm nhằm lượng hóa giá trị hệ sinh thái và dịch vụ môi trường, phục vụ hoạch định chính sách quốc gia. Ngoài ra, mạng lưới Climate Change AI (CCAI) cũng thúc đẩy các nghiên cứu và ứng dụng AI nhằm hỗ trợ ra quyết định dựa trên bằng chứng khoa học, từ quy mô địa phương đến toàn cầu[19]^,[20].

Thứ tư, trong quản trị rủi ro thiên tai và cảnh báo sớm. AI có thể tích hợp vào các hệ thống cảnh báo đa thiên tai, phân tích dữ liệu quan trắc thời gian thực và dự báo xác suất để đưa ra cảnh báo sớm đến cộng đồng. WMO nhấn mạnh AI là trụ cột quan trọng để hiện thực hóa sáng kiến “Early Warnings for All” (EW4All). Trong đó mọi quốc gia, mọi cộng đồng đều có thể tiếp cận cảnh báo sớm trước thiên tai vào năm 2027[21]. Việt Nam cũng đang từng bước tích hợp AI vào hệ thống cảnh báo mưa lớn, lũ quét và sạt lở, với định hướng kết nối kết quả nghiên cứu của Viện Khoa học KTTV&BĐKH, Cục KTTV và Cục PCTT vào hệ thống VNDMS/PDMS.

Như vậy, đối với bài toán ứng dụng AI trong quản trị bền vững không chỉ giới hạn ở lĩnh vực KTTV mà còn mở rộng sang nông nghiệp, đô thị, an ninh môi trường và quản lý rủi ro thiên tai. Đây là nền tảng quan trọng để Việt Nam tận dụng tiến bộ công nghệ, đáp ứng các cam kết quốc tế BĐKH, đồng thời nâng cao năng lực thích ứng với biến đổi khí hậu và hướng tới phát triển bền vững.

4.  Giải pháp

AI đang mở ra những triển vọng lớn cho lĩnh vực KTTV, BĐKH và quản trị bền vững. Thực tiễn cho thấy, AI có thể góp phần nâng cao chất lượng dự báo, rút ngắn thời gian tính toán, cải thiện độ phân giải không gian và tăng cường khả năng cảnh báo sớm. Việc tích hợp AI với Big Data, viễn thám, GIS và mô hình động lực đã bước đầu mang lại kết quả khả quan, đặc biệt trong dự báo mưa lớn, bão nhiệt đới và xây dựng bản đồ ngập do nước biển dâng. Đây là những minh chứng rõ ràng về tiềm năng ứng dụng AI như một công cụ khoa học và quản trị bền vững.

Tuy nhiên, để AI thực sự phát huy hiệu quả, cần nhìn nhận rõ những thách thức còn tồn tại. Các hạn chế về dữ liệu, hạ tầng tính toán hiệu năng cao, nguồn nhân lực liên ngành, cơ chế phối hợp và hành lang pháp lý đang cản trở quá trình chuyển giao kết quả nghiên cứu vào thực tiễn. Ngoài ra, việc phụ thuộc vào công cụ và dữ liệu ngoại nhập làm giảm tính tự chủ công nghệ, trong khi nhận thức và năng lực khai thác AI tại nhiều địa phương vẫn còn hạn chế[22]^,[23]. Điều này đòi hỏi phải có các giải pháp tổng thể, đồng bộ từ cấp chính sách đến nghiên cứu và triển khai ứng dụng.

Một là, AI cần được coi là trụ cột trong ứng phó với BĐKH, gắn với Chiến lược Quốc gia về biến đổi khí hậu đến năm 2050 (2022). Điều này cũng phù hợp với Nghị quyết số 57-NQ/TW (2024) về phát triển khoa học - công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.

Hai là, cần đẩy mạnh đầu tư vào hạ tầng số, đặc biệt là hệ thống tính toán hiệu năng cao (HPC, GPU cluster, cloud) và cơ sở dữ liệu mở, để AI có điều kiện phát triển. Việc chuẩn hóa, số hóa và tích hợp dữ liệu quan trắc khí tượng, thủy văn, viễn thám, thổ nhưỡng và kinh tế - xã hội là nền tảng không thể thiếu.

Ba là, nguồn nhân lực AI - BĐKH cần được đào tạo và bồi dưỡng bài bản, theo hướng liên ngành, kết hợp chuyên môn khí hậu, BDDKH với khoa học dữ liệu, trí tuệ nhân tạo và quản lý rủi ro. Đây là điều kiện tiên quyết để Việt Nam không chỉ tiếp nhận công nghệ quốc tế mà còn tự chủ sáng tạo.

Bốn là, AI phải gắn kết chặt chẽ với các mục tiêu phát triển bền vững (SDGs) và cam kết phảt thải ròng bằng “0” vào năm 2050. AI không chỉ giúp cải thiện năng lực dự báo mà còn hỗ trợ quản trị tài nguyên, quy hoạch đô thị, an ninh lương thực - năng lượng và bảo vệ hệ sinh thái, từ đó góp phần thực hiện các mục tiêu SDG 2 (xóa đói, giảm nghèo), SDG 7 (năng lượng sạch), SDG 11 (đô thị bền vững) và SDG 13 (hành động vì khí hậu).

Năm là, cần tăng cường hợp tác quốc tế và khu vực, tham gia sâu hơn vào các mạng lưới nghiên cứu AI và khí hậu toàn cầu như Climate Change AI (CCAI), WMO AI Task Team, cũng như hợp tác song phương với các trung tâm lớn (ECMWF, UK Met Office, DeepMind). Đây không chỉ là cơ hội học hỏi mà còn là kênh huy động nguồn lực tài chính và công nghệ cho Việt Nam.

Tóm lại, trong bối cảnh toàn cầu đẩy mạnh chuyển đổi số và ứng phó với BĐKH, việc định hướng phát triển trí tuệ nhân tạo (AI) trong lĩnh vực KTTV, BĐKH và quản trị bền vững tại Việt Nam có ý nghĩa chiến lược. Đây không chỉ là xu thế tất yếu để hiện đại hóa ngành KTTV mà còn là yêu cầu cấp thiết nhằm thực hiện các cam kết quốc tế về BĐKH, Thỏa thuận Paris và các Mục tiêu Phát triển Bền vững (SDGs). Một số giải pháp được đề xuất như sau:

(1) Cần tập trung xây dựng hệ thống dữ liệu khí hậu quốc gia, tích hợp dữ liệu quan trắc, viễn thám, mô hình khí hậu và dữ liệu kinh tế - xã hội. Trên nền tảng đó, phát triển các mô hình AI độc lập cũng như lai ghép (hybrid AI + mô hình vật lý), hướng tới dự báo thời tiết cực đoan, downscaling khí hậu, dự báo hạn dài phục vụ an ninh nguồn nước, nông nghiệp và năng lượng tái tạo. Song song, đẩy mạnh công bố khoa học quốc tế và hợp tác nghiên cứu để nâng cao vị thế của Việt Nam trong cộng đồng khoa học toàn cầu.

(2) Giải pháp về hạ tầng và nguồn lực: Đầu tư xây dựng hạ tầng tính toán hiệu năng cao (HPC, GPU cluster, cloud computing) chuyên dụng, gắn với chiến lược chuyển đổi số quốc gia. Chuẩn hóa, số hóa và tích hợp dữ liệu đa nguồn; khuyến khích phát triển cơ chế dữ liệu mở để thúc đẩy nghiên cứu, đổi mới sáng tạo và hợp tác công - tư. Đồng thời, cần có cơ chế tài chính ổn định, huy động nguồn lực từ khu vực tư nhân và quốc tế, đặc biệt thông qua các cơ chế như JETP, Quỹ Khí hậu Xanh (GCF) và các sáng kiến tài chính khí hậu khác[24]^,[25].

(3) Giải pháp về nhân lực và đào tạo: Phát triển nguồn nhân lực liên ngành, kết hợp kiến thức KTTV với khoa học dữ liệu, trí tuệ nhân tạo và quản lý rủi ro. Các trường đại học và viện nghiên cứu cần đưa AI và dữ liệu lớn vào chương trình đào tạo, đồng thời khuyến khích hợp tác quốc tế, trao đổi học thuật và đào tạo sau đại học.

(4) Giải pháp về thể chế và chính sách: Hoàn thiện hành lang pháp lý cho ứng dụng AI, bao gồm quy định về quản lý, chia sẻ và bảo mật dữ liệu, cũng như cơ chế phối hợp liên ngành. Tích hợp AI vào chiến lược quốc gia về BĐKH, NDC, Net Zero và NFCS, coi đây là công cụ cốt lõi để hiện thực hóa các cam kết quốc tế. Đồng thời, xây dựng cơ chế khuyến khích đổi mới sáng tạo và hợp tác công - tư, tạo điều kiện cho doanh nghiệp công nghệ tham gia sâu hơn vào lĩnh vực KTTV, BĐKH và quản trị bền vững.

(5) Giải pháp về hợp tác quốc tế: Cần chủ động tham gia vào các mạng lưới nghiên cứu và ứng dụng AI toàn cầu như Climate Change AI (CCAI), WMO AI Task Team, cũng như hợp tác với các trung tâm nghiên cứu lớn như ECMWF, UK Met Office, Google DeepMind, Huawei. Hợp tác quốc tế không chỉ giúp tiếp cận công nghệ tiên tiến mà còn là kênh quan trọng để huy động nguồn lực tài chính, dữ liệu và kinh nghiệm quản lý, qua đó tăng cường năng lực nội tại.

Nhìn chung, định hướng nghiên cứu và ứng dụng AI trong KTTV, BĐKH và quản trị bền vững phải gắn kết chặt chẽ với chuyển đổi số quốc gia, chiến lược phát triển ngành KTTV đến 2030-2045 và các chủ trương lớn của Đảng và Nhà nước. Nếu thực hiện đồng bộ các giải pháp về dữ liệu, hạ tầng, nhân lực, thể chế và hợp tác quốc tế, AI sẽ trở thành công cụ chiến lược, không chỉ nâng cao năng lực dự báo và cảnh báo khí hậu, mà còn góp phần quan trọng vào quản trị bền vững, bảo đảm an ninh môi trường và phát triển đất nước theo hướng xanh và bền vững.

PGS. TS. Phạm Thị Thanh Ngà[1], TS. Nguyễn Đăng Mậu,

TS. Đặng Quang Thịnh,

TS. Trương Bá Kiên[2]