Vì sao hoạt động suy luận AI hiện nay làm gia tăng chi phí năng lượng, nước và carbon

Chi phí môi trường của hoạt động suy luận AI bắt nguồn từ điện năng, nước làm mát, phần cứng và cơ sở hạ tầng khu vực được sử dụng mỗi khi các mô hình đã triển khai phục vụ khối lượng công việc ở quy mô lớn.

Cần giải thích chính xác về chi phí môi trường của hoạt động suy luận AI, bởi tên gọi này chỉ một luồng thông tin, lựa chọn huấn luyện, cơ chế khi vận hành hoặc ranh giới quản trị cụ thể. Coi khái niệm này là từ đồng nghĩa với “AI tiên tiến” sẽ khiến các nhận định không thể kiểm chứng. Hướng dẫn này lần theo khái niệm từ đầu vào và các giả định cho đến kết quả có thể quan sát, rồi xem xét cách hiểu tắt dễ bị nhầm lẫn nhất với nó.

Chi phí môi trường của hoạt động suy luận AI: Định nghĩa, ranh giới và mục đích

Chi phí môi trường của hoạt động suy luận AI bắt nguồn từ điện năng, nước làm mát, phần cứng và cơ sở hạ tầng khu vực được sử dụng mỗi khi các mô hình đã triển khai phục vụ khối lượng công việc ở quy mô lớn. Định nghĩa này bao hàm ba yêu cầu thực tiễn: phải có đầu vào xác định được; một phép biến đổi hoặc quyết định đặc trưng cho chi phí môi trường của hoạt động suy luận AI; và một kết quả có thể được đánh giá dựa trên mục tiêu đã nêu. Nếu thiếu bất kỳ yếu tố nào trong số đó, nhãn này có thể chỉ mô tả một khát vọng chứ không phải một cơ chế đã được triển khai.

Hiệu năng suy luận là thuộc tính của toàn bộ hệ thống, bao gồm kiến trúc mô hình, độ chính xác số học, sự luân chuyển dữ liệu trong bộ nhớ, lập lịch, kết nối mạng, phần cứng và đặc điểm của khối lượng công việc. Đối với chi phí môi trường của hoạt động suy luận AI, cách nhìn toàn hệ thống này rất quan trọng, vì hiệu năng có thể do dữ liệu, giao diện, phần cứng, quyền hạn và con người xung quanh quyết định, ngay cả khi mô hình nền tảng không thay đổi. Vì vậy, một lời giải thích hữu ích cần phân biệt hành vi mà mô hình đã học với sản phẩm quyết định khi nào, ở đâu và với thẩm quyền nào hành vi đó được sử dụng.

Cách hiểu tắt dễ gây nhầm lẫn nhất là cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất. Huấn luyện có thể có một đặc điểm dễ nhận thấy giống với chi phí môi trường của hoạt động suy luận AI, nhưng cách hiểu đó làm thay đổi câu chuyện nhân quả: cần có bằng chứng khác để xác định thành công, các nguồn lực khác sẽ chiếm phần lớn chi phí, và cần những biện pháp kiểm soát khác để ngăn ngừa tác hại. Vì vậy, ranh giới ở đây mang tính vận hành chứ không phải thuật ngữ.

Sơ đồ vận hành năm giai đoạn về chi phí môi trường của hoạt động suy luận AI

Sơ đồ này là bản đồ nhân quả cô đọng về chi phí môi trường của hoạt động suy luận AI, chứ không khẳng định rằng mọi phương thức triển khai đều sử dụng năm thành phần phần mềm. Một số hệ thống gộp các giai đoạn, còn một số hệ thống khác lặp lại chúng theo vòng tuần hoàn. Bản đồ vẫn hữu ích vì buộc mỗi thay đổi về thông tin hoặc thẩm quyền phải có người chịu trách nhiệm, đầu vào, đầu ra và phép kiểm thử.

1. Đo lường số lượng yêu cầu, token và mức độ sử dụng: Đầu vào và giả định trong chi phí môi trường của hoạt động suy luận AI

Ở giai đoạn này của hoạt động suy luận AI, hệ thống phải đo lường số lượng yêu cầu, token và mức độ sử dụng. Câu hỏi hữu ích không chỉ là hoạt động đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có thể phân biệt hoạt động này với quan niệm cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Quá trình chuyển tiếp sang giai đoạn này của hoạt động suy luận AI bắt đầu từ mục tiêu đã nêu và cần kết thúc bằng kết quả làm cơ sở để phân bổ mức tiêu thụ năng lượng cho cơ sở hạ tầng và phần cứng. Hãy ghi lại những điểm chưa chắc chắn, các phương án bị bác bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mức hiệu quả tăng lên trên mỗi yêu cầu có thể bị lấn át bởi nhu cầu tăng nhanh hay không, trước khi cùng điểm yếu ấy dẫn đến một kết quả có hệ quả đáng kể.

2. Phân bổ mức tiêu thụ năng lượng cho cơ sở hạ tầng và phần cứng: Biểu diễn hoặc quyết định trong chi phí môi trường của hoạt động suy luận AI

Ở giai đoạn này của hoạt động suy luận AI, hệ thống phải phân bổ mức tiêu thụ năng lượng cho cơ sở hạ tầng và phần cứng. Câu hỏi hữu ích không chỉ là hoạt động đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có thể phân biệt hoạt động này với quan niệm cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Bước chuyển tiếp trong giai đoạn chi phí môi trường của suy luận AI này bắt đầu bằng việc đo số lượng yêu cầu, token và mức độ sử dụng, và cần kết thúc bằng một kết quả có thể hỗ trợ việc tính đến bối cảnh làm mát và sử dụng nước. Ghi lại những điểm chưa chắc chắn, các phương án bị bác bỏ, việc sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm chuyển tiếp. Dấu vết này giúp các nhóm phát hiện liệu mức tăng hiệu suất trên mỗi yêu cầu có bị nhu cầu tăng nhanh lấn át hay không, trước khi cùng điểm yếu đó dẫn đến một đầu ra có hệ quả đáng kể.

3. Tính đến bối cảnh làm mát và sử dụng nước: bước chuyển đổi đặc trưng trong chi phí môi trường của suy luận AI

Ở giai đoạn này của chi phí môi trường của suy luận AI, hệ thống phải tính đến bối cảnh làm mát và sử dụng nước. Điều cần quan tâm không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với quan niệm cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Bước chuyển tiếp trong giai đoạn chi phí môi trường của suy luận AI này bắt đầu bằng việc quy thuộc năng lượng cho cơ sở và phần cứng, và cần kết thúc bằng một kết quả có thể hỗ trợ việc xem xét cường độ carbon của lưới điện và thời điểm. Ghi lại những điểm chưa chắc chắn, các phương án bị bác bỏ, việc sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm chuyển tiếp. Dấu vết này giúp các nhóm phát hiện liệu mức tăng hiệu suất trên mỗi yêu cầu có bị nhu cầu tăng nhanh lấn át hay không, trước khi cùng điểm yếu đó dẫn đến một đầu ra có hệ quả đáng kể.

4. Xem xét cường độ carbon của lưới điện và thời điểm: ranh giới ràng buộc và xác minh trong chi phí môi trường của suy luận AI

Ở giai đoạn này của chi phí môi trường của suy luận AI, hệ thống phải xem xét cường độ carbon của lưới điện và thời điểm. Điều cần quan tâm không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với quan niệm cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Bước chuyển tiếp trong giai đoạn chi phí môi trường của suy luận AI này bắt đầu bằng việc tính đến bối cảnh làm mát và sử dụng nước, và cần kết thúc bằng một kết quả có thể hỗ trợ giảm lãng phí trước khi bù đắp tác động còn lại. Ghi lại những điểm chưa chắc chắn, các phương án bị bác bỏ, việc sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm chuyển tiếp. Dấu vết này giúp các nhóm phát hiện liệu mức tăng hiệu suất trên mỗi yêu cầu có bị nhu cầu tăng nhanh lấn át hay không, trước khi cùng điểm yếu đó dẫn đến một đầu ra có hệ quả đáng kể.

5. Giảm lãng phí trước khi bù đắp tác động còn lại: đầu ra, phản hồi và quy tắc dừng trong chi phí môi trường của suy luận AI

Ở giai đoạn này của chi phí môi trường của suy luận AI, hệ thống phải giảm lãng phí trước khi bù đắp tác động còn lại. Điều cần quan tâm không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó là hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với quan niệm cho rằng huấn luyện là chi phí môi trường đáng kể duy nhất, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Bước chuyển tiếp trong giai đoạn chi phí môi trường của suy luận AI này bắt đầu bằng việc xem xét cường độ carbon của lưới điện và thời điểm, và cần kết thúc bằng một kết quả có thể hỗ trợ hoạt động giám sát hoặc quyết định cuối cùng. Ghi lại những điểm chưa chắc chắn, các phương án bị bác bỏ, việc sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại điểm chuyển tiếp. Dấu vết này giúp các nhóm phát hiện liệu mức tăng hiệu suất trên mỗi yêu cầu có bị nhu cầu tăng nhanh lấn át hay không, trước khi cùng điểm yếu đó dẫn đến một đầu ra có hệ quả đáng kể.

Đọc sơ đồ chi phí môi trường của suy luận AI theo chiều xuôi để hiểu quá trình vận hành trong thực tế, và theo chiều ngược để chẩn đoán lỗi. Phân tích xuôi xem xét cách mỗi giai đoạn cung cấp đầu vào cho giai đoạn tiếp theo. Phân tích ngược bắt đầu từ một kết quả sai, chậm, tốn kém hoặc không an toàn rồi lần theo những giả định trước đó đã khiến điều đó xảy ra. Thường chính khi lần ngược, nhóm mới phát hiện lỗi mang tính quyết định đã xảy ra trước cả khi mô hình tạo ra bất cứ thứ gì.

Ví dụ minh họa về chi phí môi trường của suy luận AI

Chuyển các tác vụ thường lệ sang mô hình nhỏ hơn và cải thiện mức độ sử dụng có thể giảm năng lượng tiêu thụ trên mỗi câu trả lời hữu ích.

Ví dụ này có giá trị vì có thể gắn chi phí môi trường của suy luận AI với các đầu vào quan sát được, trạng thái trung gian và kết quả, thay vì đánh giá dựa trên một màn trình diễn trau chuốt. Một phép thử nghiêm ngặt sẽ xây dựng các trường hợp thông thường, khó và cố ý gây hiểu lầm xoay quanh tình huống này, giữ lại một đường cơ sở không áp dụng kỹ thuật đó, đồng thời ghi nhận cả hiệu suất trung bình lẫn mức độ nghiêm trọng của từng lỗi riêng lẻ.

Hãy thay đổi một giả định trong ví dụ về chi phí môi trường của suy luận AI rồi phân tích lại. Loại bỏ một đầu vào bắt buộc, đưa vào một tín hiệu mâu thuẫn, giới hạn năng lực tính toán, thay đổi nhóm người dùng hoặc buộc hệ thống phải từ chối đưa ra câu trả lời. Một cơ chế chỉ thành công trong một màn trình diễn được sắp đặt kỹ lưỡng chưa chứng minh được rằng nó có thể khái quát hóa sang môi trường vận hành thực tế.

Chi phí môi trường của suy luận AI và lối tắt phổ biến nhất

Chi phí môi trường của suy luận AI thường bị giản lược thành quan niệm rằng huấn luyện là khoản chi phí môi trường đáng kể duy nhất. Cách giản lược này xóa bỏ chính ranh giới xác định khái niệm. Điều đó có thể khiến người mua so sánh những sản phẩm không tương đồng, nhà nghiên cứu phóng đại những gì một thử nghiệm chứng minh được, và người vận hành theo dõi sai tín hiệu sau khi triển khai.

Phép so sánh cũng cần xác định đơn vị phân tích. Một bài báo về chi phí môi trường của suy luận AI có thể chỉ khảo sát một mô hình hoặc thuật toán, trong khi một dịch vụ đã triển khai còn có thêm khâu truy xuất, định tuyến, lưu vào bộ nhớ đệm, chính sách, danh tính, giao diện người dùng và giám sát. Hai sản phẩm có thể dùng cùng một thuật ngữ nổi bật nhưng triển khai những phần khác nhau trong hệ thống đó. Hãy xác định thành phần nào thực hiện phép biến đổi mang tính quyết định và những thành phần nào khác cần thiết để đạt được kết quả được báo cáo.

Vì sao chi phí môi trường của suy luận AI quan trọng trong các hệ thống AI hiện nay

Chi phí môi trường của suy luận AI hiện trở nên quan trọng vì các hệ thống AI đang được cung cấp ngữ cảnh dài hơn, nhiều phương thức hơn, nhiều năng lực tính toán hơn trong thời gian chạy, quyền truy cập công cụ rộng hơn và khả năng kết nối sâu hơn với các quyết định của tổ chức. Trong những điều kiện đó, điều từng có vẻ chỉ là chi tiết nghiên cứu có thể quyết định độ trễ, bảo mật, khả năng tiếp cận, chi phí môi trường, chất lượng sản phẩm hoặc trách nhiệm giải trình pháp lý.

Thước đo phù hợp không phải là liệu chi phí môi trường của suy luận AI có thể tạo ra một kết quả ấn tượng hay không. Điều cần xem xét là liệu kỹ thuật đó có cải thiện một kết quả quan trọng trong các điều kiện đại diện và làm được điều đó hiệu quả hơn một phương pháp cơ sở đơn giản hơn hay không. Hãy báo cáo các phân bố, nhóm lỗi, độ trễ ở phần đuôi phân bố, mức sử dụng tài nguyên và các nhóm đối tượng bị ảnh hưởng, thay vì gộp mọi kết quả thành một giá trị trung bình.

Đánh giá chuẩn trên phân bố yêu cầu thực tế trong điều kiện đồng thời hợp lý. Báo cáo thời gian đến kết quả đầu tiên, tốc độ ở trạng thái ổn định, độ trễ ở phần đuôi phân bố, thông lượng, chất lượng, mức độ sử dụng tài nguyên, lỗi và chi phí cho mỗi kết quả hữu ích. Khi áp dụng riêng cho chi phí môi trường của suy luận AI, quy trình này giúp bằng chứng có thể áp dụng rộng rãi: một nhóm khác có thể đánh giá liệu mức cải thiện được tuyên bố có khả năng vẫn đạt được với mô hình, ngôn ngữ, nền tảng phần cứng, tập dữ liệu, nhóm người dùng hoặc mức độ chấp nhận rủi ro khác hay không.

Những lợi ích mà chi phí môi trường của suy luận AI có thể mang lại

Lý do thuyết phục nhất để sử dụng chi phí môi trường của suy luận AI là phương pháp này có thể trực tiếp giải quyết nút thắt mà nó hướng đến. Tùy cách triển khai, lợi ích có thể thể hiện ở khả năng bám sát nguồn căn cứ tốt hơn, biểu diễn trung thực hơn, khái quát hóa tốt hơn, độ trễ thấp hơn, giảm luân chuyển bộ nhớ, trách nhiệm giải trình rõ ràng hơn hoặc ranh giới an toàn hơn giữa đề xuất của mô hình và hành động thực tế.

Lợi ích cần được diễn đạt bằng các quyết định và phép đo. “Thông minh hơn” không phải là tiêu chí nghiệm thu đối với chi phí môi trường của suy luận AI. Một mục tiêu hữu ích có thể nêu rõ tỷ lệ lỗi trong các trường hợp khó, khả năng khắc phục sau khi xuất hiện bằng chứng mâu thuẫn, chi phí ở một phân vị của lưu lượng, thời gian con người cần để rà soát, mức độ hiệu chỉnh hoặc tỷ lệ hành động nằm trong giới hạn thẩm quyền đã xác định.

Kiểu thất bại làm rõ đặc trưng của chi phí môi trường của suy luận AI

Hạn chế cốt lõi là mức tăng hiệu quả trên mỗi yêu cầu có thể bị lấn át bởi nhu cầu tăng nhanh. Đây không phải là vấn đề có thể xem như chuyện thứ yếu rồi chỉ liệt kê sau khi hoàn tất quá trình phát triển. Ngay từ đầu, vấn đề này cần định hướng việc thu thập dữ liệu, kiến trúc, quyền hạn, đánh giá, các điều kiện trước khi phát hành và hoạt động giám sát đối với chi phí môi trường của suy luận AI.

Biện pháp kiểm soát chi phí môi trường của suy luận AI chỉ hữu ích khi được áp dụng trước khi xảy ra hệ quả tốn kém hoặc không thể đảo ngược. Hãy xác định dấu hiệu báo trước sớm nhất có thể quan sát được, đặt ngưỡng hoặc quy tắc, giao trách nhiệm rõ ràng cho một người phụ trách và kiểm tra khả năng khôi phục. Tùy trường hợp sử dụng, khôi phục có thể là từ chối đưa ra kết quả, chuyển sang một hệ thống đơn giản hơn, yêu cầu thêm bằng chứng, chuyển vụ việc cho con người xử lý, khôi phục phiên bản mô hình trước đó hoặc dừng hoàn toàn một hành động.

Kế hoạch đánh giá chi phí môi trường của suy luận AI

Hãy bắt đầu đánh giá chi phí môi trường của suy luận AI bằng cách nêu rõ quyết định mà bằng chứng cần hỗ trợ. Xác định nhóm đối tượng sử dụng, hệ quả của một kết quả sai, thông tin thực sự có tại thời điểm ra quyết định và phương án thay thế đơn giản nhất nhưng vẫn đáng tin cậy. Nhờ đó, điểm chuẩn sẽ không trở thành mục tiêu chỉ vì nó dễ triển khai.

Hãy dùng một tập kiểm tra chưa từng được sử dụng để so sánh trong điều kiện kiểm soát, sau đó xác thực chi phí môi trường của suy luận AI trong môi trường vận hành theo từng giai đoạn. Đánh giá ngoại tuyến giúp so sánh các biến thể; chế độ chạy ngầm, thử nghiệm canary, giới hạn tốc độ hoặc các bước phê duyệt cho thấy lưu lượng truy cập thực tế, vòng lặp phản hồi và con người làm thay đổi hành vi như thế nào. Giai đoạn triển khai cần có điều kiện dừng rõ ràng, thay vì mặc định rằng mọi cải tiến đều xứng đáng được triển khai đầy đủ.

Hãy lập phiên bản cho các đầu vào cần thiết để tái hiện chi phí môi trường của suy luận AI: dữ liệu nguồn, bước tiền xử lý, bộ mã hóa từ hoặc bộ mã hóa, trọng số mô hình, cấu hình, câu lệnh hoặc chính sách, chỉ mục truy xuất, tập đánh giá, giả định về phần cứng và mã phục vụ mô hình, tùy trường hợp. Nếu không có thông tin về nguồn gốc và quá trình xử lý, nhóm sẽ không thể xác định kết quả thay đổi là do kỹ thuật, môi trường hay một chỉnh sửa không được chú ý trong quy trình dữ liệu.

Cuối cùng, hãy tự hỏi phát hiện nào có thể bác bỏ nhận định rằng chi phí môi trường của suy luận AI mang lại lợi ích. Nếu không có kết quả nào có thể khiến nhóm đảo ngược quyết định áp dụng, thì việc đánh giá chỉ là hoạt động tiếp thị. Các ngưỡng chấp nhận được xác định trước và một tập xác nhận được lưu giữ sẽ biến quá trình này thành hoạt động tạo lập bằng chứng.

Những câu hỏi cần đặt ra trước khi áp dụng chi phí môi trường của suy luận AI

• Mục tiêu: Chi phí môi trường của suy luận AI được kỳ vọng giải quyết nút thắt nào có thể đo lường?
• Cơ chế: Giai đoạn nào trong năm giai đoạn có sự chuyển đổi đặc trưng?
• Đường cơ sở: Cách tiếp cận này so sánh thế nào với việc coi quá trình huấn luyện là chi phí môi trường đáng kể duy nhất hoặc với một phương án thay thế đơn giản hơn?
• Bằng chứng: Những trường hợp thông thường, khó xử lý, đối kháng và thuộc các nhóm nhỏ nào đã được kiểm tra?
• Vận hành: Khi mở rộng quy mô, độ trễ, bộ nhớ, năng lực tính toán, năng lượng, bảo trì và rà soát phát sinh những chi phí nào?
• Rủi ro: Nhóm sẽ phát hiện bằng cách nào nếu mức tăng hiệu quả trên mỗi yêu cầu bị lấn át bởi nhu cầu tăng nhanh?
• Khôi phục: Hệ thống có thể từ chối đưa ra kết quả, chuyển sang phương án dự phòng, khôi phục phiên bản trước hoặc chuyển vụ việc lên cấp xử lý cao hơn trước khi gây hại không?

Nguồn tài liệu chính để tìm hiểu chi phí môi trường của suy luận AI

Các nguồn tài liệu đáng tin cậy để bắt đầu tìm hiểu những thành phần trong ngăn xếp AI liên quan đến chi phí môi trường của suy luận AI gồm bài báo về FlashAttention, vLLM và PagedAttention, nghiên cứu về giải mã suy đoán. Hãy đọc các tài liệu này cùng với tài liệu hướng dẫn dành cho đúng mô hình, tập dữ liệu, phần cứng và khu vực pháp lý có liên quan. Một nguồn thông tin tổng quát có thể giải thích cơ chế, nhưng chỉ bằng chứng gắn với triển khai cụ thể mới có thể xác định một phương thức triển khai nhất định có phù hợp hay không.

Những điều cần nhớ về chi phí môi trường của suy luận AI

Chi phí môi trường của suy luận AI là một cơ chế được xác định rõ trong một hệ thống kỹ thuật-xã hội rộng lớn hơn. Giá trị của cơ chế này nằm ở khả năng cải thiện một kết quả cụ thể trong những điều kiện rõ ràng, chứ không nằm ở bản thân tên gọi. Bản đồ năm giai đoạn giúp làm rõ luồng thông tin, phần so sánh xác định cơ chế này không phải là gì, còn lộ trình kiểm soát cho thấy người vận hành có trách nhiệm có thể can thiệp ở đâu.

Nguyên tắc thực tiễn khi đánh giá chi phí môi trường của suy luận AI là xác định mục tiêu, so sánh với một đường cơ sở đáng tin cậy, kiểm tra sự cố quan trọng nhất và lưu giữ bằng chứng cần thiết để theo dõi thay đổi. Khi có đủ những yếu tố đó, khái niệm này trở thành một lựa chọn về kỹ thuật và quản trị có thể được đánh giá. Nếu thiếu chúng, đây vẫn chỉ là một tên gọi đầy hứa hẹn gắn với một rủi ro vận hành chưa rõ.