近年来，人工智能热潮席卷全球，不少大语言模型更是飞入寻常百姓家。可你是否知晓，与AI对话会消耗水资源呢？或许你认为AI仅仅是一个电子程序，能和水扯上什么关系。但很遗憾，AI的耗水量远超你的想象。本期《创新大唢呐》带你一同探究AI耗水量的奥秘。

　　手机发烫时，芯片消耗电能进行运算，部分电能转换成热能。当运算量增大时，散热不足导致手机发热。AI数据中心同样如此，成千上万台服务器24小时运行，产生的热量惊人，只靠风冷不够，必须用水带走热量。一部分水在吸收热量后蒸发掉，剩余的水虽然可以循环回收利用，但杂质会越来越浓，需要及时处理废水并更新清洁的循环水。

　　另一部分的水消耗来源于电。数据中心运转需要用电，发电厂无论是烧煤、烧气还是核能，也需要消耗水来辅助生产。这部分隐形的水消耗很容易被忽略，但它其实是主要部分。以美国平均数据为例，数据中心本身耗水大约是每度电0.55升，发电厂的耗水大约是每度电3.142升，加起来每耗一度电差不多要消耗4升水。

　　美国加利福尼亚大学河滨分校指出，生成式AI驱动搜索产生的能源消耗是传统网络搜索的4至5倍，用于设备冷却的水消耗同样惊人。

　　根据OpenAI 和 Google 所公布的报告，一条请求的平均耗电量大概在 0.3 瓦时，所以一条请求消耗 1 毫升水可能是比较合理的估算。而加州大学河滨分校的研究者认为，每次查询耗水量约为十几毫升，有的研究者则估计每次回答会消耗一百多毫升水。这些数据看似矛盾，实则各有依据。

　　因为真要继续较真细算，还要引入“水足迹”的概念，不光算直接用水，还要算间接用水。制造一片 AI 芯片需要几千升超纯水清洗，运输、包装、建厂，每个环节都在消耗水。但谁能这么算？星空体育在线入口理论上统统都要算，实际上又庞大又算不清，所以当讨论 AI 的水消耗时，大部分研究者都默契地停在了发电厂这一步。再往上追溯，里面的数字会大到让资本市场的投资人不想面对。

　　然而，即便采用保守估算，一个更严峻的现实已摆在眼前：AI算力正呈指数级增长，预计每100天翻一番，未来五年内可能增长超百万倍。研究人员预计，到2027年，全球范围内的AI需求可能会需要消耗掉66亿立方米的水资源，几乎相当于美国华盛顿州全年的取水量。

　　水是可循环资源。从地球物理学角度看，地球上的水总量几乎恒定，今天从数据中心蒸发的水，明天可能就是太平洋上的一朵云，后天可能是西雅图的一场雨。所以从全局上看，AI 消耗点水没有问题。但问题恰恰在于，水并不是一个全球问题，它从来都是局部问题。水资源的议题中最重要的永远不是地球上有多少水，而是水在哪里。

　　大公司们虽高调宣扬“水资源中和”的环保目标，承诺通过生态补水实现“用水盈余”，但其数据中心选址却遵循另一套逻辑：追求地价低廉、电力成本优惠及监管宽松的地区，这些条件往往指向经济欠发达且高度缺水的区域。结果是，近半数新建数据中心集中于本已水资源紧张的地区，它们在带来投资与就业的同时，也加剧了当地用水短缺，甚至导致居民水井干涸，危及基本生活用水。

　　例如，谷歌将其人工智能部门的机器学习应用于预测需求和天气等变量，将其一个数据中心的制冷能耗减少了40%，还使用软件寻找世界上太阳能和风能过剩的地区，以建立数据中心运营。业内认为，科技公司亟需探索一条环境友好型路径来利用电力和水资源，包括通过资助改善漏水的灌溉基础设施或恢复湿地系统的工作，将更多的水资源重新投入到诸如含水层之类的系统中。此外，还应由独立机构定期进行环境审计，旨在提高企业透明度，从而更高效、更环保地推动数智化技术研发。

　　如果没有更好的透明度和更公开的数据，就不可能追踪AI模型对环境的真正影响。全球很多地方都在经历深度且长期干旱，新鲜饮用水已经成为一种稀缺资源。然而，要获得关于环境影响的准确和完整的数据和信息非常困难。多数已知的分析和预估都是基于研究人员基于实验室的研究、少数公司的可持续报告、政府发布数据等。换句话说，科技公司几乎没有主动公开的意愿，建立问责机制似乎势在必行。

　　科技公司在做调度的过程中对“水足迹”方面作一些考量，作一些优化，至少可以减少30%~40%用水量。比如建一个汽车生产线，想要把订单转移到其他地方，可能需要好几年的周期，时间比较长。但对于AI来说，这种平衡是分分钟的事，需要做的平衡主要是考虑电费，或者离用户的距离。比如这个地区突然有一些网络拥塞，可能就会把这部分的用户转移到其他地方。当然在运行过程中，我们需要确保环境成本在不同地区公平分配，以实现环境公平的人工智能，这是负责任的人工智能的一个重要考虑因素。