Đột phá KHCN - Đổi mới sáng tạo.

Bối cảnh và vấn đề đặt ra

Ngành phân bón toàn cầu đang đối mặt với hai áp lực song song: một mặt phải tăng sản lượng để đáp ứng nhu cầu lương thực của dân số thế giới ngày càng tăng, mặt khác phải giảm thiểu tác động môi trường đang ở mức đáng báo động. Phân bón là nền tảng của nông nghiệp hiện đại, trực tiếp quyết định năng suất cây trồng và an ninh lương thực toàn cầu. Ngành này chuyển hóa nitơ khí quyển, đá phosphate khai thác và quặng kali thành các dưỡng chất thiết yếu cho cây trồng.

Tuy nhiên, vai trò trọng yếu đó đi kèm với loạt thách thức nghiêm trọng. Giá nguyên liệu đầu vào — đặc biệt là khí tự nhiên, nguyên liệu chính cho sản xuất phân đạm — biến động mạnh theo thị trường hàng hóa toàn cầu và bất ổn địa chính trị, tác động trực tiếp đến chi phí sản xuất. Quá trình sản xuất phân bón, đặc biệt là quy trình Haber-Bosch tổng hợp nitơ, tiêu thụ năng lượng cực lớn và là nguồn phát thải khí nhà kính đáng kể — phân bón tổng hợp chiếm khoảng 5% tổng lượng phát thải khí nhà kính toàn cầu. Các mối lo ngại về môi trường còn mở rộng đến hiện tượng rửa trôi dinh dưỡng gây ô nhiễm nguồn nước và phú dưỡng hóa, cùng với nguy cơ suy thoái đất do bón phân quá mức. Chuỗi cung ứng phân bón vốn là mạng lưới toàn cầu phức tạp, dễ bị đứt gãy bởi xung đột địa chính trị, biến động cước vận chuyển và hạn chế hạ tầng.

Trí tuệ nhân tạo nổi lên như công nghệ then chốt có khả năng chuyển hóa ngành này bằng cách nâng cao năng suất, giảm lãng phí và cải thiện việc ra quyết định trên toàn bộ chuỗi giá trị. AI có thể tạo ra hiểu biết dựa trên dữ liệu và kiểm soát chặt hơn các quy trình ảnh hưởng trực tiếp đến thu nhập của nhà sản xuất.

Tích hợp AI theo hướng phát huy thế mạnh

Bài báo đề xuất một khung triết học định hướng cho việc tích hợp AI vào ngành công nghiệp, dựa trên triết lý "Tích hợp AI tập trung vào thế mạnh" (Strength-Focused AI Integration) lấy cảm hứng từ trí tuệ cổ đại Ấn Độ. Triết lý này chủ trương nhận diện và xây dựng dựa trên thế mạnh vốn có của cả AI lẫn trí tuệ con người, thay vì tập trung vào những hạn chế của từng bên.

AI thể hiện năng lực xuất sắc trong xử lý khối lượng dữ liệu khổng lồ, thực hiện các nhiệm vụ không biết mệt mỏi và vận hành với tính nhất quán, độ chính xác cao. AI hoạt động như một "Máy tạo thông tin" — vượt trội trong việc sàng lọc tập dữ liệu khổng lồ, nhận diện các mẫu phức tạp với tốc độ không thể so sánh và chắt lọc thông tin có thể hành động từ dữ liệu phức hợp.

Ngược lại, con người đóng góp những năng lực không thể thay thế: khả năng suy diễn từ thông tin không đầy đủ, thấu hiểu sắc thái, bối cảnh và cảm xúc. Con người có lương tâm cho phép phân biệt giữa điều khả thi và điều đúng đắn về mặt đạo đức. Quan trọng hơn, con người được trao cho sáng tạo — khả năng độc đáo tạo ra những khái niệm mới và hình dung những gì chưa tồn tại.
Nguyên lý cốt lõi của triết lý này là AI phải vận hành như một công cụ bổ trợ, nhúng sâu vào quy trình làm việc nhưng không bao giờ được trao quyền tự chủ trong những lĩnh vực mà ý nghĩa, giá trị và tính người là điều cốt yếu. AI được thiết kế để cung cấp câu trả lời, không phải đưa ra phán xét; nó là cố vấn quyền năng, không phải người ra quyết định tối cao. Tư duy chiến lược, cân nhắc đạo đức, xây dựng tầm nhìn dài hạn và thực thi sự đồng cảm vẫn thuộc phạm vi của con người.

AI trong chuỗi giá trị phân bón

Thượng nguồn: Mua sắm nguyên liệu và hiệu quả sản xuất

Tìm nguồn nguyên liệu thông minh và dự báo giá

AI có thể cách mạng hóa hoạt động mua sắm nguyên liệu bằng cách phân tích các tập dữ liệu rộng lớn — bao gồm dữ liệu thương mại lịch sử, giá cả, logistics — cùng các yếu tố bên ngoài như sự kiện địa chính trị và diễn biến thời tiết, để dự báo xu hướng giá nguyên liệu trong tương lai với độ tin cậy cao. Năng lực này đặc biệt quan trọng với các đầu vào như khí tự nhiên, lưu huỳnh, amoniac, đá phosphate và potash — những nguyên liệu chịu biến động lớn trên thị trường hàng hóa toàn cầu. Các thuật toán học máy liên tục thích ứng với dữ liệu mới, học từ biến động giá thời gian thực và các cú sốc thị trường. AI còn có thể mô phỏng các kịch bản "nếu-thì" như đóng cửa cảng biển hay khủng hoảng năng lượng để lập mô hình tác động tiềm tàng đến cung và giá.
Một ứng dụng cụ thể: hệ thống AI có thể phát hiện xuất khẩu urea từ Trung Đông đang giảm trong khi mùa vụ trồng trọt của Ấn Độ đang đến gần, tự động cảnh báo người mua về nguy cơ tăng giá sắp xảy ra. Năng lực dự báo này giúp các đội ngũ mua sắm đa dạng hóa cơ sở nhà cung cấp một cách chủ động, tối ưu logistics và tăng cường quản lý tồn kho, qua đó giảm rủi ro tài chính và đảm bảo liên tục sản xuất.

Tối ưu hóa quy trình và nâng cao sản lượng trong sản xuất

AI có thể tối ưu hóa đáng kể các phản ứng hóa học phức tạp trong sản xuất phân bón như tổng hợp amoniac theo quy trình Haber-Bosch hay sản xuất axit phosphoric. Bằng cách phân tích dữ liệu thời gian thực từ cảm biến và hồ sơ hiệu suất lịch sử, các thuật toán học máy có thể xác định các tham số quy trình tối ưu — bao gồm nhiệt độ, áp suất, độ trộn và tỷ lệ phản ứng hóa học — để tối đa hóa sản lượng, cải thiện hiệu quả năng lượng và giảm thiểu lãng phí. Việc phát triển các mô hình AI kết hợp — phối hợp học máy với các phương pháp dựa trên nguyên lý vật lý-hóa học cơ bản — mang lại công cụ mạnh mẽ cho kỹ thuật hệ thống quy trình.

AI được thiết kế để tối ưu hóa bền vững và hiệu quả năng lượng cho các hoạt động hóa chất, có thể điều chỉnh liều lượng hóa chất động và giám sát liên tục hiệu suất hệ thống để đảm bảo cả hiệu quả lẫn độ tin cậy. Nghiên cứu chỉ ra rằng quy trình học máy vừa bền vững vừa hiệu quả về dữ liệu trong tối ưu hóa phản ứng hóa học, cung cấp thông tin phong phú về các con đường phản ứng.

Ngoài việc nâng cao sản lượng, khả năng kiểm soát chính xác các tham số phản ứng của AI còn đóng góp cho chất lượng sản phẩm nhất quán hơn và chủ động phát hiện các điều kiện nguy hiểm, qua đó cải thiện đáng kể an toàn. Trong ngành xử lý các hóa chất phản ứng cao như ammonium nitrate, năng lực nhận diện sớm bất thường hay sai lệch so với thông số vận hành an toàn có thể phòng ngừa tai nạn.

Bảo trì dự đoán cho tài sản sản xuất

Hệ thống bảo trì dự đoán (PdM) dựa trên AI sử dụng thuật toán học máy và phân tích dữ liệu để dự đoán trước sự cố thiết bị trong máy móc công nghiệp nặng. Bằng cách tích hợp dữ liệu cảm biến thời gian thực — như rung động, nhiệt độ và áp suất — với hồ sơ hiệu suất lịch sử và phân tích nâng cao, các mô hình AI có thể nhận diện các mẫu tinh vi và bất thường báo hiệu sự cố sắp xảy ra. PdM đã được chứng minh có thể giảm thời gian dừng máy đến 20% và cải thiện hiệu quả vận hành tổng thể. Cách tiếp cận này đại diện cho sự chuyển dịch cơ bản từ bảo trì phản ứng truyền thống sang chiến lược chủ động dựa trên dữ liệu, tối ưu hóa lịch bảo trì và giảm đáng kể sự cố đột xuất, dẫn đến tiết kiệm chi phí đáng kể, kéo dài tuổi thọ tài sản và phân bổ nguồn lực hiệu quả hơn.

Bên cạnh hiệu quả vận hành, PdM còn là cơ chế an toàn quan trọng. AI liên tục theo dõi và phát hiện bất thường trong dữ liệu cảm biến, tức là các sự cố tiềm ẩn — như ăn mòn hay quá nhiệt — có thể được nhận diện và xử lý trước khi gây ra rủi ro an toàn, cung cấp cảnh báo sớm cho cán bộ an toàn để triển khai biện pháp phòng ngừa.

Kiểm soát chất lượng nâng cao và tính nhất quán sản phẩm

Thuật toán thị giác máy tính, đặc biệt trong phân loại hình ảnh và phát hiện đối tượng, cung cấp phương pháp không phá hủy, khách quan, nhanh chóng và không mắc lỗi để đánh giá chất lượng hạt phân bón. Công nghệ này có thể đánh giá các thuộc tính quan trọng như kích thước, hình dạng, màu sắc hạt và phát hiện các khuyết tật. Hệ thống thị giác máy đã đạt độ chính xác cao — khoảng 90% cho đánh giá kích thước và đến 99,5% cho phân loại hạt hỏng — vượt trội đáng kể so với phương pháp kiểm tra thủ công.

Hơn nữa, dữ liệu từ hệ thống kiểm tra chất lượng do AI thực hiện có thể được tích hợp liền mạch vào các mô hình tối ưu hóa quy trình, tạo vòng phản hồi nhận diện nguyên nhân gốc rễ của sai lệch chất lượng và thúc đẩy cải tiến liên tục. Nếu AI phát hiện vấn đề nhất quán với kích thước hay hình dạng hạt, dữ liệu này trở thành đầu vào có giá trị cho các mô hình tối ưu hóa quy trình sản xuất — thiết lập hệ thống vòng kín (closed-loop) nơi kiểm soát chất lượng trực tiếp thúc đẩy cải tiến quy trình.

Trung nguồn: Hiệu quả chuỗi cung ứng và quản lý logistics

Dự báo nhu cầu động và tối ưu hóa tồn kho

AI, đặc biệt là học máy, nâng cao đáng kể độ chính xác và hiệu quả dự báo nhu cầu trong chuỗi cung ứng nông nghiệp. Các mô hình AI phân tích dữ liệu rộng lớn — bao gồm doanh số lịch sử, xu hướng thị trường, biến động mùa vụ, chu kỳ trồng trọt, diễn biến thời tiết và thậm chí các sự kiện địa chính trị — để dự báo nhu cầu phân bón. Năng lực này cho phép duy trì mức tồn kho tối ưu cho nguyên liệu thô, sản phẩm trung gian và phân bón thành phẩm, giảm thiểu cả tình trạng hết hàng lẫn tồn kho thừa.

Biến động cố hữu trong nhu cầu nông nghiệp, chịu ảnh hưởng nặng nề từ diễn biến thời tiết khó lường và các mùa vụ trồng trọt riêng biệt, thường dẫn đến hiện tượng khuếch đại tín hiệu nhu cầu lan ngược lên chuỗi cung ứng — được gọi là "hiệu ứng bullwhip". AI có thể giảm thiểu đáng kể hiện tượng này. Các phương pháp dự báo truyền thống thường gặp khó khăn với sự phụ thuộc phức tạp và các mẫu phi tuyến tính trong nhu cầu nông nghiệp. Khả năng tích hợp các nguồn dữ liệu đa dạng của AI — như dự báo thời tiết, chu kỳ trồng trọt và xu hướng thị trường — và nhận diện các mẫu phức tạp cho phép dự báo nhu cầu chính xác hơn, giúp nhà sản xuất điều chỉnh sản xuất và tồn kho sát với nhu cầu thực của nông dân, giảm sản xuất thừa tốn kém hoặc hết hàng gây gián đoạn.

Mạng lưới logistics và phân phối thông minh

Các mô hình AI đóng vai trò then chốt trong tối ưu hóa hoạt động logistics nhằm nâng cao tính bền vững và hiệu quả sinh thái. Điều này bao gồm tối ưu hóa tuyến đường vận chuyển cho cả nguyên liệu thô khối lượng lớn và phân bón thành phẩm, dẫn đến thời gian vận chuyển nhanh hơn, tiêu thụ nhiên liệu thấp hơn và phát thải carbon ít hơn. AI cũng cải thiện quản lý kho bãi bằng cách tối ưu hóa tiêu thụ năng lượng, tự động hóa xử lý vật liệu và nâng cao kiểm soát tồn kho. Các thuật toán học máy như XGBoost và Máy Vector Hỗ trợ (SVM) phân tích dữ liệu giao thông, điều kiện thời tiết và mẫu tắc nghẽn thời gian thực cho tối ưu hóa tuyến đường động. Học tăng cường tiếp tục tinh chỉnh chiến lược định tuyến bằng cách thích nghi với các thay đổi thời gian thực.

Hạ nguồn: Nông nghiệp chính xác và gia tăng giá trị cho khách hàng

Hệ thống khuyến nghị phân bón dựa trên AI

Các hệ thống dựa trên AI cung cấp lượng bón phân chính xác được điều chỉnh theo điều kiện đất đai cụ thể, loại cây trồng và các yếu tố môi trường. Những hệ thống này tích hợp thuật toán học máy với dữ liệu thu thập từ cảm biến đất, ảnh vệ tinh, drone và nguồn khí tượng. Chúng có khả năng dự đoán mức dinh dưỡng tối ưu (Nitơ, Phospho, Kali) cho từng thửa đất nông nghiệp cụ thể. Nông nghiệp chính xác được hỗ trợ bởi AI giúp nông dân tăng năng suất cây trồng trong khi đồng thời giảm sử dụng phân bón và thuốc trừ sâu. Cách tiếp cận có mục tiêu này ngăn ngừa bón phân thừa, giảm thiểu rửa trôi dinh dưỡng và giảm xói mòn đất. Hệ thống phân bón thông minh tích hợp IoT và AI để cung cấp dinh dưỡng chính xác, tối ưu hóa hiệu quả sử dụng dinh dưỡng và giảm phát thải khí nhà kính.

Trao quyền cho nông dân thông qua hỗ trợ ra quyết định

Hệ thống hỗ trợ ra quyết định (DSS) dựa trên AI tích hợp và xử lý dữ liệu từ cảm biến IoT để tối ưu hóa hoạt động trang trại, nâng cao năng suất và thực hiện bảo trì dự đoán ở cấp độ đồng ruộng. Những hệ thống này cung cấp thông tin và khuyến nghị có thể hành động theo thời gian thực, hỗ trợ nông dân ra quyết định về ngày gieo trồng, lịch tưới tiêu, phương thức quản lý cây trồng và chiến lược kiểm soát sâu bệnh. Các thuật toán AI có thể tận dụng thông tin về tính chất đất, điều kiện thời tiết hiện tại và xu hướng thị trường để tư vấn nông dân về lựa chọn cây trồng tối ưu nhằm tối đa hóa thành công và lợi nhuận.

DSS dựa trên AI có tiềm năng dân chủ hóa tiếp cận kiến thức nông nghiệp nâng cao, qua đó trao quyền cho nông dân quy mô nhỏ và vừa ở các vùng như Ấn Độ và Trung Đông, nơi có thể thiếu dịch vụ khuyến nông truyền thống. Nếu được cung cấp qua nền tảng di động, các hệ thống này có thể vượt qua thách thức về thị trường phân mảnh và thiếu dữ liệu chính xác, hỗ trợ nông dân quy mô nhỏ tối ưu hóa phương thức canh tác, tăng năng suất và cải thiện lợi nhuận, đóng góp vào tăng trưởng toàn diện và thu hẹp khoảng cách số nông thôn-đô thị.

AI như chất xúc tác cho quản lý môi trường và an toàn

Giảm thiểu phát thải khí nhà kính

AI đóng vai trò quan trọng trong tối ưu hóa các quy trình sản xuất tiêu thụ nhiều năng lượng để giảm phát thải khí nhà kính. Các mô hình học máy có thể đánh giá ảnh hưởng của tiến bộ công nghệ trong nông nghiệp đến phát thải khí nhà kính và dự báo các chiến lược giảm thiểu phát thải. AI cũng có thể hỗ trợ xác định khoảng cách hiệu quả và điều chỉnh nhu cầu nitơ trong tương lai dựa trên nguyên tắc sử dụng hợp lý. Nitrous oxide (N₂O) — một khí nhà kính cực mạnh — được phát thải từ phân đạm khi bón cho đất. AI tối ưu hóa phân bón không chỉ giảm phát thải khí nhà kính từ sản xuất mà còn bảo vệ nguồn nước bằng cách ngăn ngừa rửa trôi dinh dưỡng.

Nâng cao quản lý chất thải và nguyên tắc kinh tế tuần hoàn

AI có thể tối ưu hóa giảm chất thải và thu hồi tài nguyên trong quy trình sản xuất phân bón. Nó đóng vai trò then chốt trong thu thập, xử lý và phân tích các tập dữ liệu lớn theo thời gian thực để nhận diện xu hướng và mẫu phát thải và phát sinh chất thải. Các kỹ thuật AI có thể hỗ trợ các quy trình tái chế tự động và triển khai các nguyên tắc thiết kế sản xuất thông minh xanh.
AI có thể nhận diện cơ hội chuyển hóa chất thải công nghiệp từ sản xuất phân bón thành sản phẩm phụ có giá trị hoặc đầu vào cho các quy trình khác, từ đó thúc đẩy kinh tế tuần hoàn. Ví dụ, AI có thể tối ưu hóa các quy trình kết tủa struvite từ nước thải, chuyển đổi chất ô nhiễm thành phân bón tan chậm có giá trị. Điều này chuyển dịch mô hình từ xử lý chất thải đơn thuần sang thu hồi tài nguyên, giảm gánh nặng môi trường đồng thời tạo ra nguồn doanh thu mới.

Tăng cường an toàn vận hành và giảm thiểu rủi ro

AI có thể đóng góp đáng kể trong giảm thời gian và công sức phân tích nguy cơ quy trình và nhận diện các rủi ro tiềm ẩn trong cơ sở sản xuất hóa chất. Nó có thể sử dụng dữ liệu cảm biến và thuật toán học máy để dự báo các tình huống nguy hiểm, bao gồm rò rỉ khí và biến động nhiệt độ. AI cho phép chuyển dịch từ việc chỉ đáp ứng các quy định an toàn tối thiểu sang xây dựng văn hóa an toàn chủ động, nơi rủi ro được dự báo và giảm thiểu trước khi xuất hiện.

Triển khai chiến lược: Hiện thực hóa tiềm năng AI

Lợi ích kinh tế và lợi tức đầu tư có thể định lượng

Tích hợp AI trong nông nghiệp và các quy trình công nghiệp mang lại lợi ích kinh tế đáng kể. Các tác động có thể định lượng bao gồm: nông nghiệp chính xác dựa trên AI có thể tăng năng suất cây trồng 15-25%, giảm chi phí lao động 40% qua thu hoạch robot, tiết kiệm 50% lượng nước sử dụng và giảm sử dụng thuốc trừ sâu 40%. Nông dân ghi nhận tăng 25% biên lợi nhuận nhờ công nghệ robot. Hệ thống bảo trì dự đoán có thể giảm thời gian dừng máy 20% và chi phí bảo trì 25%. Logistics dựa trên AI có thể giảm thời gian giao hàng 15-20% và cải thiện hiệu quả năng lượng 10-25%.

Giá trị lợi tức đầu tư thực sự của AI không chỉ dừng lại ở tiết kiệm chi phí trực tiếp mà còn bao gồm nâng cao giá trị thương hiệu, cải thiện uy tín bền vững và tăng khả năng chống chịu thị trường. Đóng góp của AI trong giảm phát thải khí nhà kính, tối ưu hóa quản lý chất thải và nâng cao giao thức an toàn không chỉ là hiệu quả vận hành — chúng là tài sản chiến lược trong bối cảnh ngày càng chú trọng đến các yếu tố Môi trường, Xã hội và Quản trị (ESG).

Điều hướng thách thức triển khai

Các rào cản phổ biến bao gồm chi phí đầu tư ban đầu cao, nhu cầu cấp thiết về lượng lớn dữ liệu chất lượng cao và thách thức liên quan đến không tương thích dữ liệu từ các nguồn phân mảnh và không đồng nhất. Hạn chế hạ tầng — như kết nối băng thông rộng không ổn định ở vùng nông thôn và khoảng cách năng lực kỹ thuật số trong lực lượng lao động — cũng là rào cản đáng kể. Hơn nữa, lo ngại về khả năng giải thích của mô hình — thường được gọi là vấn đề "hộp đen" — có thể cản trở niềm tin và mức độ chấp nhận. Riêng quyền riêng tư dữ liệu và các cân nhắc đạo đức rộng hơn cũng là vấn đề then chốt.

Chất lượng và khả năng tiếp cận dữ liệu, chứ không phải độ phức tạp của các thuật toán AI, sẽ là yếu tố quyết định chính của việc triển khai AI thành công. Do đó, khoản đầu tư ban đầu của doanh nghiệp vào hạ tầng dữ liệu mạnh mẽ — bao gồm chuẩn hóa, cơ chế thu thập (như cảm biến IoT, bản sao kỹ thuật số) và lưu trữ bảo mật — quan trọng hơn việc đơn giản mua phần mềm AI.

Vượt qua kháng cự với thay đổi và thúc đẩy cộng tác người-AI hiệu quả đòi hỏi đầu tư đáng kể vào đào tạo lực lượng lao động và phát triển các mô hình AI minh bạch. Thúc đẩy "AI có thể giải thích được (XAI)" là điều cốt yếu, cho phép người dùng hiểu căn cứ đằng sau các khuyến nghị của AI, từ đó xây dựng niềm tin và trao quyền cho người dùng ra quyết định có cơ sở.

Điều chỉnh giải pháp AI theo bối cảnh khu vực

Chiến lược AI phải được điều chỉnh cẩn thận theo các đặc điểm nông nghiệp riêng biệt, điều kiện khí hậu đa dạng, loại đất khác nhau, cấu trúc thị trường đặc thù và hạ tầng kỹ thuật số hiện có ở Ấn Độ và Trung Đông. Với Ấn Độ, khoảng cách số nông thôn-đô thị dai dẳng và sự hiện diện rộng khắp của nông dân quy mô nhỏ là những cân nhắc then chốt. Ở Trung Đông, các yếu tố như khan hiếm nước nghiêm trọng và yêu cầu cây trồng đặc thù theo vùng có thể quy định các ưu tiên khác nhau cho ứng dụng AI.

Các mô hình AI chung được đào tạo trên dữ liệu toàn cầu có thể không hoạt động hiệu quả ở các vùng khí hậu nông nghiệp đa dạng cao của Ấn Độ và Trung Đông. Điều này đòi hỏi đầu tư vào thu thập dữ liệu địa phương hóa — như kết quả kiểm tra đất theo vùng và mẫu thời tiết cụ thể — và đào tạo các mô hình AI đặc thù cho các bối cảnh này.

Kết luận

Tích hợp AI, được định hướng bởi triết lý tập trung vào thế mạnh, mang đến cơ hội rộng mở để ngành phân bón vượt qua các thách thức hiện tại và đạt được mức độ hiệu quả, bền vững và lợi nhuận chưa từng có. AI không đơn thuần là nâng cấp công nghệ — nó đại diện cho một khung triết học cho sự cộng sinh hài hòa giữa người và máy, nơi mỗi trí tuệ khuếch đại thế mạnh của trí tuệ kia.

Tầm nhìn cho ngành phân bón là nơi AI và trí tuệ con người hoạt động hòa hợp, khuếch đại thế mạnh của nhau để điều hướng sự phức tạp, thúc đẩy đổi mới và đóng góp cho tương lai an toàn lương thực và có trách nhiệm môi trường hơn. Con đường cộng tác này đại diện dòng chảy thời đại, nơi cả trí tuệ con người lẫn nhân tạo đều tìm thấy sự thể hiện cao nhất trong phụng sự một tương lai bền vững chung.