# Khảo sát từ GitHub và Yale: Lập trình viên ưu tiên phần mềm tiết kiệm năng lượng và công cụ đo lường hiệu quả - Nguồn: GitHub Blog - Thời gian phát hành: 2026-09-23 20:00 (giờ Việt Nam) - Điểm AI: 52/100 - Link AIHOT.vn: https://aihot.vn/items/27f9e4ed9e26bdb9 - Nguồn dữ liệu AI HOT: https://aihot.news/items/cmue4chip0maaroghn62gmo9g - Link gốc: https://github.blog/news-insights/research/developers-want-more-efficient-software-heres-what-over-1000-github-users-told-us-they-need ## Tóm tắt AI Khảo sát 1.039 người dùng GitHub cho thấy 80% lập trình viên muốn có công cụ viết mã tiết kiệm năng lượng, 74% muốn đo lường tác động môi trường của phần mềm và 71% lo ngại về dấu chân carbon của AI. ## Thân bài Nghiên cứu mới từ GitHub và Chương trình Yale về Truyền thông Biến đổi Khí hậu cho thấy nhu cầu mạnh mẽ đối với các công cụ, phương pháp đo lường và hướng dẫn thực tế có thể giúp các nhà phát triển giảm thiểu lãng phí tài nguyên tính toán. 23 tháng 9, 2026 6 phút - Chia sẻ: Các nhà phát triển hiểu rằng phần mềm hiệu quả là rất quan trọng, nhưng nhiều người vẫn thiếu cách thức rõ ràng để tìm ra sự lãng phí, đo lường cải tiến và đưa ra lý do thuyết phục để khắc phục vấn đề đó. Đây là phát hiện trọng tâm từ một [khảo sát mới với 1.039 người dùng GitHub](https://climatecommunication.yale.edu/publications/github-survey/) do GitHub và Chương trình Yale về Truyền thông Biến đổi Khí hậu thực hiện. Tám trong số 10 người được hỏi cho biết họ quan tâm đến các công cụ giúp viết mã nguồn tiết kiệm năng lượng hơn. Tỷ lệ tương đương mong muốn có các phương pháp tốt nhất để giảm dấu chân môi trường của phần mềm, và gần 75% muốn có cách đo lường tác động của phần mềm hoặc quy trình phát triển của họ. Đây là cơ hội để biến sự quan tâm đó thành công việc kỹ thuật thông thường: xác định tài nguyên tính toán không cần thiết, đề xuất thay đổi, kiểm thử và để những người bảo trì quyết định những gì sẽ được triển khai. ### Các nhà phát triển quan tâm đến biến đổi khí hậu và tác động môi trường của AI Khảo sát, được thực hiện trên những người dùng hoạt động hàng tháng của GitHub tại Hoa Kỳ, đã đặt câu hỏi về biến đổi khí hậu, AI, hiệu suất phần mềm và trách nhiệm của các tổ chức trong lĩnh vực công nghệ. Mối quan tâm được thể hiện rõ ràng: - 79% cho biết họ lo lắng về sự nóng lên toàn cầu. - 71% cho biết họ lo ngại về tác động môi trường của các hệ thống AI, bao gồm việc sử dụng năng lượng, nước và lượng khí thải carbon. - 75% cho biết việc nhà tuyển dụng tích cực nỗ lực giảm tác động môi trường là rất quan trọng. ![Horizontal bar chart titled 'Most GitHub users are worried about global warming.' Among 1,039 GitHub users surveyed in spring 2026, 41% are very worried, 37% somewhat worried, 11% not very worried, an](https://github.blog/wp-content/uploads/2026/09/Screenshot-2026-09-22-at-6.34.24-PM.png?resize=1024%2C623) Những phát hiện này mô tả quan điểm của những người tham gia khảo sát. Chúng không đo lường dấu chân môi trường của AI hay bất kỳ hệ thống phần mềm cụ thể nào. Mẫu khảo sát được lấy từ những người dùng GitHub đã chọn nhận thông tin tiếp thị, vì vậy kết quả không nên được coi là đại diện cho mọi nhà phát triển hoặc người dùng GitHub. Tuy nhiên, chúng cho thấy nhiều nhà phát triển đang suy nghĩ về các tác động môi trường của những hệ thống mà họ xây dựng và sử dụng. ### Người dùng GitHub khác biệt so với dân số trưởng thành nói chung tại Hoa Kỳ Khi được hỏi các câu hỏi xuất hiện trong khảo sát "Climate Change in the American Mind" (Biến đổi khí hậu trong tâm trí người Mỹ) mang tính đại diện quốc gia của Yale, người dùng GitHub bày tỏ sự lo ngại về biến đổi khí hậu cao hơn so với người trưởng thành tại Hoa Kỳ nói chung. Người dùng GitHub có nhiều khả năng cho rằng sự nóng lên toàn cầu đang diễn ra (86% so với 68% người trưởng thành tại Hoa Kỳ), rằng vấn đề này ít nhất có tầm quan trọng cá nhân (82% so với 65%) và rằng nó sẽ gây hại cho bản thân họ ở mức độ ít nhất là trung bình (68% so với 45%). Họ cũng có nhiều khả năng kỳ vọng mức độ gây hại ít nhất là trung bình cho các thế hệ tương lai (82% so với 68%) và cho biết họ lo lắng về sự nóng lên toàn cầu (79% so với 66%). Một lưu ý về cách diễn giải: dữ liệu trong báo cáo này dựa trên một mẫu không xác suất gồm những người dùng GitHub đã chọn nhận email tiếp thị, vì vậy các phát hiện mô tả những người tham gia khảo sát thay vì các nhà phát triển nói chung, và sự khác biệt so với dữ liệu của người trưởng thành tại Hoa Kỳ phản ánh cả sự khác biệt về dân số và thiết kế khảo sát. ### Khoảng cách không nằm ở sự quan tâm. Đó là một con đường thực tế để hành động Chỉ 10% người được hỏi cho biết cách họ phát triển và viết phần mềm có tác động lớn đến việc giảm thiểu tác động môi trường cá nhân của họ. 28% khác cho biết tác động ở mức trung bình, trong khi 63% cho biết tác động là nhỏ. Đồng thời: - 80% quan tâm đến các công cụ để viết mã nguồn tiết kiệm năng lượng hơn. - 78% muốn tìm hiểu các phương pháp tốt nhất để giảm dấu chân môi trường của phần mềm. - 74% quan tâm đến việc đo lường tác động môi trường của phần mềm hoặc quy trình phát triển của họ. - 70% quan tâm đến việc đóng góp cho các dự án mã nguồn mở tập trung vào tính bền vững. ![Stacked horizontal bar chart titled 'Most GitHub users are interested in tools, practices, and measurement for reducing software’s environmental footprint.' Among 1,039 GitHub users surveyed in spring](https://github.blog/wp-content/uploads/2026/09/Screenshot-2026-09-22-at-6.29.52-PM.png?resize=1024%2C659) Các nhà phát triển đang yêu cầu những điều tương tự như những gì họ mong đợi trong các lĩnh vực kỹ thuật khác: công cụ hữu ích, phép đo đáng tin cậy và các thay đổi mà họ có thể đánh giá. Các câu trả lời khảo sát mở đã minh họa những điều cụ thể. Người tham gia yêu cầu hỗ trợ ước tính dấu chân của các kho lưu trữ và quy trình CI/CD, tìm kiếm các lần chạy GitHub Actions không cần thiết, cải thiện hiệu suất mã nguồn và so sánh việc sử dụng AI với các nguồn nhu cầu tính toán khác. Một số người cũng cảnh báo về việc đưa ra các tuyên bố về môi trường mà không có bằng chứng. Điểm cuối cùng đó rất quan trọng. Mã nguồn nhanh hơn có thể giảm sử dụng tài nguyên, nhưng thời gian chạy đơn thuần không chứng minh được việc giảm sử dụng năng lượng hoặc khí thải. Phần cứng, khối lượng công việc, vị trí, thời gian và nguồn điện đều ảnh hưởng đến kết quả. Các nhà phát triển cần các phép đo phù hợp với tuyên bố. ### Bắt đầu với sự lãng phí mà bạn có thể nhìn thấy và đo lường Hiệu suất phần mềm vốn đã là một phần của kỹ thuật tốt. Nó có thể giảm chi phí cơ sở hạ tầng, cải thiện hiệu suất, giảm độ trễ và giải phóng dung lượng. Khi một cải tiến làm giảm tài nguyên tính toán cần thiết để mang lại cùng một kết quả thành công, nó cũng có thể giảm mức sử dụng năng lượng. Một điểm khởi đầu thực tế là tìm kiếm sự lãng phí có thể đo lường được trong bốn lĩnh vực: 1. Mã nguồn: tính toán lặp lại, thuật toán kém hiệu quả, phân bổ không cần thiết hoặc các tác vụ tốn kém có thể được lưu vào bộ nhớ đệm (cache). 2. Dữ liệu: truy xuất quá mức (over-fetching), truy vấn không giới hạn, thiếu bộ nhớ đệm hoặc các lệnh gọi cơ sở dữ liệu cần được gộp nhóm (batch). 3. Mạng và I/O: yêu cầu trùng lặp, polling có thể chuyển sang hướng sự kiện (event-driven), tải trọng quá lớn hoặc thiếu nén dữ liệu. 4. Frontend: kết xuất (rendering) không cần thiết, tải trước các tài sản ngoài màn hình hoặc phương tiện có thể sử dụng định dạng nhỏ hơn. Chỉ số phù hợp phụ thuộc vào thay đổi. Thời gian thực thi, mức sử dụng CPU, phân bổ bộ nhớ và kích thước truyền tải mạng đều có thể đóng vai trò là các đại diện hữu ích cho nhu cầu tính toán. Mỗi chỉ số đều có giới hạn, vì vậy hãy nêu rõ những gì bạn đã đo lường và những gì bạn chưa đo lường. Ví dụ, một pull request thay thế tìm kiếm O(n²) bằng tra cứu hash-map nên bao gồm các phép đo trước và sau khi thay đổi cho một khối lượng công việc đại diện, các lệnh cần thiết để tái tạo thử nghiệm và bất kỳ sự đánh đổi nào về bộ nhớ hoặc khả năng bảo trì. Đó là một lập luận kỹ thuật thuyết phục hơn là gọi thay đổi đó là "xanh hơn" mà không có dữ liệu hỗ trợ. ### Sử dụng tác nhân (agent) để tìm cơ hội, không phải để đưa ra quyết định cuối cùng Việc tìm kiếm công việc tối ưu hóa trên một kho lưu trữ lớn có thể rất chậm. GitHub Agentic Workflows có thể giúp tự động hóa quá trình tìm kiếm trong khi vẫn giữ quyền kiểm soát cho người bảo trì. Quy trình [Daily Efficiency Improver workflow](https://github.com/githubnext/agentics/blob/main/docs/efficiency-improver.md) mã nguồn mở sẽ xem xét kho lưu trữ để tìm cơ hội cải thiện hiệu suất mã nguồn, dữ liệu, mạng, I/O và frontend. Nó ưu tiên các thay đổi có thể đo lường được, chạy các bài kiểm thử của kho lưu trữ và có thể mở các bản nháp pull request kèm theo bằng chứng và các sự đánh đổi để người bảo trì xem xét. Nó không tự động hợp nhất các thay đổi. Bạn có thể thêm quy trình này vào kho lưu trữ bằng GitHub CLI: ``` gh extension install github/gh-aw gh aw add-wizard githubnext/agentics/efficiency-improver ``` Trước khi kích hoạt một quy trình theo lịch trình, hãy xem xét quyền, cấu hình, việc sử dụng mô hình, tần suất chạy dự kiến và chi phí tính toán có thể xảy ra. Hãy bắt đầu với một kho lưu trữ thử nghiệm phù hợp hoặc chạy thủ công. Hãy coi mọi khuyến nghị là một giả thuyết cho đến khi các điểm chuẩn (benchmark) và thử nghiệm hỗ trợ nó. Các pull request thuyết phục nhất nên trả lời năm câu hỏi: 1. Quy trình đã tìm thấy sự lãng phí nào? 2. Chỉ số nào đại diện cho cải tiến dự kiến? 3. Cơ sở so sánh (baseline) là gì? 4. Thay đổi có bảo toàn chức năng và chất lượng không? 5. Người bảo trì nên cân nhắc những sự đánh đổi nào? _Bài gốc còn tiếp._ Xem tiếp tại: