Từ thử nghiệm đến lời giải cho đường phố
AI đô thị là việc dùng trí tuệ nhân tạo cùng dữ liệu và cảm biến để hỗ trợ cơ quan quản lý phát hiện, dự báo và xử lý các vấn đề trong vận hành thành phố. TP.HCM nên biến cách tiếp cận này thành những nhiệm vụ có đầu ra rõ ràng, thay vì coi AI là một cuộc đua mua sắm công nghệ.
Ngày 26-10, tại tọa đàm về hệ sinh thái công nghệ cho hạ tầng AI thuộc Ngày Đổi mới sáng tạo mở 2026 trong khuôn khổ Diễn đàn Kinh tế Mùa thu, ông Nguyễn Tuấn Huy, Phó Trưởng ban Công nghệ MobiFone, đề xuất thành phố đặt hàng doanh nghiệp giải quyết ngập nước, ùn tắc và giám sát môi trường. Đề xuất này đáng chú ý vì đưa thảo luận về năng lực tính toán trở lại câu hỏi thiết thực: công nghệ cải thiện dịch vụ công ra sao?
Với người dân, giá trị không nằm ở số lượng mô hình AI được trình diễn, mà ở việc biết tuyến nào ngập, giao lộ nào cần điều tiết và môi trường đang biến đổi thế nào. Đặt hàng theo bài toán cụ thể cũng buộc cả bên mua lẫn bên phát triển xác định trước kết quả cần đạt.
Ngập và ùn tắc cần được xử lý cùng nhau
Điểm mạnh của AI chống ngập không chỉ là nhận diện nước dâng. Dữ liệu địa lý, mô hình thông tin công trình và AI có thể hỗ trợ theo dõi điện, thoát nước, mô phỏng lượng mưa, rồi tính phương án vận hành máy bơm và van nước. Đây là cách chuyển từ phản ứng sau khi đường đã ngập sang chuẩn bị vận hành dựa trên tình huống.
Càng quan trọng hơn, ngập và giao thông không phải hai bài toán tách biệt. Khi ùn tắc xảy ra, camera AI kết hợp cảm biến mực nước có thể giúp xác định liệu ngập cục bộ có phải nguyên nhân, để cơ quan chức năng phối hợp điều tiết xe và xử lý thoát nước thay vì xử lý từng sự cố riêng lẻ.
Mô hình đô thị song sinh số tại Long Cương, Thâm Quyến, được ông Huy nêu làm ví dụ, tích hợp khoảng 310 lớp dữ liệu để mô phỏng 13.000 tòa nhà và hạ tầng trên địa bàn có diện tích khoảng 388 km², dân số 4,18 triệu người. Bài học không phải sao chép nguyên mẫu, mà là xây dựng dữ liệu đủ liên thông để AI giao thông và hệ thống chống ngập cùng hỗ trợ một quyết định.
Đặt hàng phải đi cùng năng lực thực thi
Một minh chứng về ứng dụng gần gũi hơn là hệ thống camera AI MobiFone tham gia triển khai tại Hà Nội, phục vụ điều tiết giao thông, xử lý vi phạm và hỗ trợ truy tìm đối tượng. Theo ông Huy, thời gian truy xuất hình ảnh giảm từ khoảng năm ngày xuống còn ba giờ, tương đương mức giảm 97,5%. Đây là lợi ích có thể đo đếm, nhưng cũng nhắc TP.HCM rằng mỗi dự án cần tiêu chí đánh giá cụ thể, không chỉ lời hứa về công nghệ.
Để AI phục vụ quản lý đô thị và giám sát môi trường, thành phố cần tính đồng bộ giữa hạ tầng tính toán, nền tảng AI dùng chung, bản đồ số, camera thông minh và cảm biến IoT. Thiếu dữ liệu chuẩn, kết nối ổn định hoặc nhân lực vận hành, một giải pháp tốt trên giấy khó đứng vững ngoài thực địa. Nhà nước cần xác định nhu cầu, quyền sử dụng dữ liệu và chuẩn đầu ra; doanh nghiệp phải chứng minh khả năng tích hợp, duy trì và mở rộng hệ thống.
Các hợp tác được công bố tại sự kiện hướng tới tiếp nhận nhu cầu từ doanh nghiệp, khu công nghiệp và địa phương, kết nối nguồn lực nghiên cứu, công nghệ và đầu tư để hình thành dự án rồi thương mại hóa. Hướng đi ấy chỉ có ý nghĩa nếu các thỏa thuận sớm chuyển thành thử nghiệm có địa bàn, thời hạn và chỉ số kết quả rõ ràng.
Thước đo cuối cùng là hiệu quả với người dân
Đặt hàng doanh nghiệp là một hướng đi hợp lý, nhưng không tự động bảo đảm thành công. TP.HCM nên bắt đầu bằng các điểm nóng ngập và nút giao thường ùn tắc, công khai tiêu chí đánh giá, kiểm tra khả năng phối hợp giữa dữ liệu và cơ quan vận hành, rồi chỉ mở rộng khi giải pháp cho thấy hiệu quả. Hợp tác công tư và các nguồn lực đầu tư có thể hỗ trợ triển khai, song không thay thế trách nhiệm xác định đúng bài toán.
Thành phố không cần thêm những dự án AI chỉ để chứng minh rằng mình có AI. Điều cần là hệ thống giúp giảm thời gian xử lý sự cố, hỗ trợ điều hành giao thông khi mưa lớn và cung cấp thông tin môi trường hữu ích. Nếu kết quả được đo bằng thay đổi người dân cảm nhận được, đề xuất đặt hàng sẽ đưa trí tuệ nhân tạo ra khỏi phòng thử nghiệm và vào đúng nơi thành phố cần.
