什么值得买App下载 App ›
连续签到专享现金活动

AI单次问答只要几滴水?实测发现真相被严重低估了

用AI问几个问题,它到底要"喝"多少水?科技公司公布的数字听着很环保——GPT单次问答耗水约0.3毫升,Gemini更低,只有0.26毫升,换算下来也就几滴水的量。但学术研究的结论却完全另一个画风:跟AI聊20到50轮,大概要消耗500毫升淡水,差不多一瓶矿泉水的量。差了近2000倍,到底谁在说真话?AI真的在"喝水"吗?这笔水账该怎么算?123
同一个问题,两套账本,差在哪里?
数字差距这么大,不是因为有人在撒谎,而是两边算的根本不是同一件事。科技公司披露的"几滴水",只统计了数据中心现场冷却塔的蒸发损耗——芯片发热后,水冷系统蒸发掉了多少,这个环节的水确实很少。但研究者把账本翻到了更上游:电从哪里来?芯片怎么造的?加州大学河滨分校副教授任少磊指出,谷歌的数据没有把发电环节的耗水算进去。火电厂、核电厂在冷却蒸汽涡轮时同样需要大量淡水,这部分间接耗水往往是数据中心直接冷却用水的数倍甚至十几倍。更容易被忽略的是芯片制造——生产一块GPU,晶圆要在超纯水里清洗几十甚至上百遍,每片晶圆消耗数千升水,这笔账同样没出现在机房的用水单上。456
还有个统计方法的问题:数据中心的冷却系统不是按次开关的。不管你问一个问题还是一万个问题,冷却塔都在持续运转、持续蒸发水分。把总耗水量除以查询次数算出的"单次耗水",其实是个平均数,反映的是整体运营效率,不是每一次互动的真实消耗。真正能说明问题的是总量变化——2021到2022年,微软数据中心的用水量上涨了34%,谷歌涨了20%,两家都承认AI业务是重要原因。一边说"每次不到一滴水",一边总用水量蹭蹭往上涨,这个矛盾本身就值得琢磨。37
AI喝的水,到底从哪几笔账里来?
AI的水足迹分为三个环节,每个环节的耗水量级差异很大。第一笔是数据中心冷却——服务器24小时高速运转产生巨量热量,传统风冷扛不住,必须靠水冷系统散热。一台高端GPU满负荷时表面温度能超过80℃,冷却塔通过水分蒸发带走热量,这部分水蒸气散到空气中就回不来了。据测算,1兆瓦规模的数据中心每年仅制冷就要消耗约2550万升淡水。大型数据中心单日冷却用水可达500万加仑,相当于一座5万人口小镇的日用水量。28
第二笔是发电环节的间接耗水,这笔账最大却最容易被忽视。数据中心是耗电大户,而全球大部分电力来自火电和核电——这些发电厂在蒸汽循环和冷却过程中同样需要大量淡水。据估算,发电环节的隐含耗水可达数据中心直接冷却用水的十几倍。AI越费电,上游的耗水压力就越大。只要电网里还有大量热电机组,算力增长就会把水耗带到电厂端。96
第三笔是芯片制造,这笔水账在芯片出厂前就已经发生。AI芯片在晶圆厂里要经过上千道工序,每一步都需要超纯水反复清洗——任何细微残留都可能导致芯片报废。一座先进晶圆厂每天消耗数万吨超纯水,生产指甲盖大小的一枚芯片,平均就要消耗32公斤水。随着算力扩张带来芯片需求暴涨,这笔水账单还在持续膨胀。210
任务类型能耗倍数单次耗水估算
文本分类(基准)1x极少
聊天问答200x约0.3-10毫升
AI生成图片1450x约29毫升
AI生成短视频200000x约4升
大模型单次训练极高数十万至百万升
2030年会更糟吗?有没有技术解法?
联合国大学水、环境与健康研究所的报告预测,到2030年,全球AI数据中心的年耗水量将达到9.3万亿升,这个数字恰好等同于撒哈拉以南非洲13亿人口一整年的基本生活用水需求。2025年全球数据中心耗水量约4.5万亿升,其中AI相关占20%;预计到2030年总耗水量接近翻倍,AI占比将升至40%。与此同时,AI芯片的功耗正以远超摩尔定律的速度飙升——从2019年的270瓦跃升至2025年的1800瓦,6年翻了近7倍,传统风冷已经逼近物理极限。1112
液冷技术正在成为行业主流解决方案。直接液冷可将蒸发冷却依赖降低90%以上,联想的相变浸没制冷系统可以把PUE值降至1.035,而行业平均值约为1.48。英伟达最新的GB200 NVL72机架采用全液冷系统,冷却液在密闭管道里循环,几乎不产生蒸发损耗。海水冷却是另一个方向——中国海南的水下智能计算中心已经实现淡水消耗为零,利用海水平均15摄氏度的低温直接散热。谷歌在芬兰的设施使用海水换热,阿里云千岛湖数据中心超过90%时间依靠自然冷却运行。813
但技术进步能完全解决问题吗?目前全球约40%的数据中心、33%的芯片工厂建在缺水地区选址时往往把电价、土地成本放在前面,水源是否充足成了次要问题。更值得关注的是,AI推理环节占整体能耗的80%-90%,而不是训练阶段。这意味着每次用户与AI交互都在持续消耗资源,而且随着AI应用场景扩大,这个消耗量级还在不断攀升。单纯优化冷却技术,可能只是在转移问题而不是解决问题。914
AI耗水这笔账,跟普通用户有多大关系?
对于个人用户来说,AI的水足迹暂时不会直接影响日常生活。但从更大的视角看,AI耗水问题本质上是算力扩张与资源承载力之间的平衡问题。当前全球约20亿人生活在缺水地区,而数据中心建设热潮正在加剧部分干旱地区的水资源压力——智利中部连续15年重度干旱,却成为数据中心扎堆的选址;印度维萨卡帕特南居民每天自来水供应不到一小时,当地政府却砸下23亿美元争抢数据中心项目。这种区域间的不对称,值得关注。1511
科技行业也在行动。谷歌使用再生水冷却服务器,亚马逊首次公开了AWS数据中心的全年取水量94亿升,微软计划将数据中心选址于可再生能源丰富地区。用户层面,有研究显示精简AI指令(如删除冗余礼貌用语)可降低能耗约25%。这些改变未必能扭转全局,但至少说明技术升级与行为优化可以协同减少资源消耗。最终如何平衡算力发展与水资源保护,是从业者、政策制定者乃至每个用户都无法回避的命题。1113

评论

评论区空态插画

当前文章无评论,是时候发表评论了