創新大嗩吶｜每問AI一個問題，要消耗多少水？

新聞眼近年來，人工智能熱潮席卷全球，不少大語言模型更是飛入尋常百姓家。可你是否知曉，與AI對話會消耗水資源呢？或許你認為AI僅僅是一個電子程序，能和水扯上什么關系。但很遺憾，AI的耗水量遠超你的想象。本期《創新大嗩吶》帶你一同探究AI耗水量的奧秘。

Al每回答一個問題，要消耗多少水？視頻來源：長江云新聞、中新社

為什么AI會消耗水資源？

手機發燙時，芯片消耗電能進行運算，部分電能轉換成熱能。當運算量增大時，散熱不足導致手機發熱。AI數據中心同樣如此，成千上萬臺服務器24小時運行，產生的熱量驚人，只靠風冷不夠，必須用水帶走熱量。一部分水在吸收熱量后蒸發掉，剩余的水雖然可以循環回收利用，但雜質會越來越濃，需要及時處理廢水并更新清潔的循環水。

另一部分的水消耗來源于電。數據中心運轉需要用電，發電廠無論是燒煤、燒氣還是核能，也需要消耗水來輔助生產。這部分隱形的水消耗很容易被忽略，但它其實是主要部分。以美國平均數據為例，數據中心本身耗水大約是每度電0.55升，發電廠的耗水大約是每度電3.142升，加起來每耗一度電差不多要消耗4升水。

圖源：央視財經

AI耗水量大約是多少？

美國加利福尼亞大學河濱分校指出，生成式AI驅動搜索產生的能源消耗是傳統網絡搜索的4至5倍，用于設備冷卻的水消耗同樣驚人。

根據OpenAI 和 Google 所公布的報告，一條請求的平均耗電量大概在 0.3 瓦時，所以一條請求消耗 1 毫升水可能是比較合理的估算。而加州大學河濱分校的研究者認為，每次查詢耗水量約為十幾毫升，有的研究者則估計每次回答會消耗一百多毫升水。這些數據看似矛盾，實則各有依據。

因為真要繼續較真細算，還要引入“水足跡”的概念，不光算直接用水，還要算間接用水。制造一片 AI 芯片需要幾千升超純水清洗，運輸、包裝、建廠，每個環節都在消耗水。但誰能這么算？理論上統統都要算，實際上又龐大又算不清，所以當討論 AI 的水消耗時，大部分研究者都默契地停在了發電廠這一步。再往上追溯，里面的數字會大到讓資本市場的投資人不想面對。

然而，即便采用保守估算，一個更嚴峻的現實已擺在眼前：AI算力正呈指數級增長，預計每100天翻一番，未來五年內可能增長超百萬倍。研究人員預計，到2027年，全球范圍內的AI需求可能會需要消耗掉66億立方米的水資源，幾乎相當于美國華盛頓州全年的取水量。

圖源：央視財經

AI消耗的水有什么影響？

水是可循環資源。從地球物理學角度看，地球上的水總量幾乎恒定，今天從數據中心蒸發的水，明天可能就是太平洋上的一朵云，后天可能是西雅圖的一場雨。所以從全局上看，AI 消耗點水沒有問題。但問題恰恰在于，水并不是一個全球問題，它從來都是局部問題。水資源的議題中最重要的永遠不是地球上有多少水，而是水在哪里。

大公司們雖高調宣揚“水資源中和”的環保目標，承諾通過生態補水實現“用水盈余”，但其數據中心選址卻遵循另一套邏輯：追求地價低廉、電力成本優惠及監管寬松的地區，這些條件往往指向經濟欠發達且高度缺水的區域。結果是，近半數新建數據中心集中于本已水資源緊張的地區，它們在帶來投資與就業的同時，也加劇了當地用水短缺，甚至導致居民水井干涸，危及基本生活用水。

我們可以做些什么？

優先發展節能算法

例如，谷歌將其人工智能部門的機器學習應用于預測需求和天氣等變量，將其一個數據中心的制冷能耗減少了40%，還使用軟件尋找世界上太陽能和風能過剩的地區，以建立數據中心運營。業內認為，科技公司亟需探索一條環境友好型路徑來利用電力和水資源，包括通過資助改善漏水的灌溉基礎設施或恢復濕地系統的工作，將更多的水資源重新投入到諸如含水層之類的系統中。此外，還應由獨立機構定期進行環境審計，旨在提高企業透明度，從而更高效、更環保地推動數智化技術研發。

有必要建立問責機制

如果沒有更好的透明度和更公開的數據，就不可能追蹤AI模型對環境的真正影響。全球很多地方都在經歷深度且長期干旱，新鮮飲用水已經成為一種稀缺資源。然而，要獲得關于環境影響的準確和完整的數據和信息非常困難。多數已知的分析和預估都是基于研究人員基于實驗室的研究、少數公司的可持續報告、政府發布數據等。換句話說，科技公司幾乎沒有主動公開的意愿，建立問責機制似乎勢在必行。

重視“水足跡”問題

科技公司在做調度的過程中對“水足跡”方面作一些考量，作一些優化，至少可以減少30%~40%用水量。比如建一個汽車生產線，想要把訂單轉移到其他地方，可能需要好幾年的周期，時間比較長。但對于AI來說，這種平衡是分分鐘的事，需要做的平衡主要是考慮電費，或者離用戶的距離。比如這個地區突然有一些網絡擁塞，可能就會把這部分的用戶轉移到其他地方。當然在運行過程中，我們需要確保環境成本在不同地區公平分配，以實現環境公平的人工智能，這是負責任的人工智能的一個重要考慮因素。

點擊下方圖片進入專題

查看更多精彩內容

↓↓↓