AI正和人類搶水喝？AI算力用水難題是怎么形成的？

不知道你們發現沒有，最近這兩年AI那是火得一塌糊涂，從聊天機器人到畫畫軟件，誰手機里沒裝幾個AI應用都不好意思出門。

可你們知道嗎，咱們每問AI一個問題，每生成一張圖，背后都有一堆服務器在瘋狂運轉，而這些機器一跑起來，就跟夏天里跑馬拉松的漢子似的，渾身冒熱氣。

為了讓它們別燒壞，就得不停地澆水降溫。就這么澆著澆著，一個讓人心里發毛的問題冒出來了：AI這家伙，是不是在悄悄跟咱們人類搶水喝？

去年加州大學河濱分校的學者們發了一篇論文，里面寫著：訓練一個像GPT3那樣的大語言模型，光是訓練階段就得喝掉整整70萬升水。

70萬升什么概念？夠一個普通家庭用上三四十年，夠一個東北大漢喝上幾個世紀。更讓人心里一緊的是這還只是訓練階段的用量，等模型部署上線，每天成百上千萬的用戶提問，每個對話都要消耗額外的冷卻水。

要是哪天全世界的AI都跑起來，那耗水量怕不是得趕上一個小型湖泊了。

為啥AI算力這么費水，事情得從芯片說起。現在的AI芯片，比如英偉達的H100，一塊芯片的功率能飆到700瓦，要是加上配套的顯存、散熱模組，整個服務器跑起來就跟個小電爐似的。

這么多機器擠在數據中心里，密密麻麻摞成幾十層，熱量散不出去咋辦？最早人們用風冷，就是拿大風扇呼呼吹，可這招對付小打小鬧的網站還行，碰上AI這種高密度計算，風冷就跟拿扇子扇火山口一樣，根本壓不住。

于是水冷成了主流方案，水冷分兩種，一種是直接把冷水管道接到服務器里，讓水流過芯片附近的冷板帶走熱量，這叫冷板式液冷；另一種更簡單粗暴，直接往機房里噴水霧，水蒸發吸熱，這叫蒸發冷卻。

第二種方法用水量特別大，因為水蒸發了就沒了，得不停補充。更麻煩的是，為了讓冷卻效果更好，很多數據中心建在氣候干燥的地方，比如美國亞利桑那州、智利的阿塔卡馬沙漠，這些地方本來就缺水，數據中心一來，當地居民用水都得跟著緊張。

那么多高科技公司，難道就沒辦法省點水嗎？其實他們也在想辦法。谷歌去年公布了環境報告，說他們的數據中心用水量又漲了兩成，一年用了56億加侖，也就是大約212億升水。

但這個數字背后有個細節：谷歌用了很多再生水和非飲用水，比如從污水處理廠買來的中水，或者從雨水收集池來的水。微軟也承諾要在2030年實現“水正效益”，就是讓補給的水比用掉的水多。

可現實是AI算力增長的速度遠遠快過節水技術改進的速度。國際能源署2023年的報告里算了一筆賬，全球數據中心的用水量每年增速高達10%到15%，照這個勢頭下去，到2030年數據中心一年喝掉的水可能比某些小國全年用水量還多。

這還沒完，AI模型一旦訓練好，往后推理問答的耗水是不是就少了？錯！恰恰相反，大模型跑推理的時候，每個問題都得把整個模型的計算過一遍，雖然單次耗水比訓練小，但架不住用戶量巨大。

像ChatGPT這種日活過億的應用，每天處理幾十億次請求，背后的服務器群24小時不停轉，冷卻系統就得一直開著。

有個估算說每次跟ChatGPT聊上十幾句話，消耗的水量差不多夠燒一杯咖啡。當然這咖啡不是給你喝的，是給機器喝的。

AI算力的擴張還在加速，全球各大科技公司都在搶購GPU芯片，新建數據中心，有些大型數據中心占地面積比足球場還大，里面的冷卻塔就跟大號煙囪似的日夜噴著白色水蒸汽。

這些水蒸汽可不是干凈的，它帶走的不光是熱量，還有大量的淡水。有些地方本來地下水就緊缺，數據中心一來，直接跟農田灌溉、居民生活搶起了水源。

前兩年智利的阿塔卡馬沙漠里就鬧過矛盾，當地居民抗議數據中心抽走了太多地下水，導致綠洲萎縮，駱駝都沒草吃了。

那有沒有不用水或者少用水的冷卻技術呢？有。比如直接浸沒式液冷，就是拿一種不導電的液體把服務器整個泡在里面，散熱效率極高，而且液體本身不蒸發，可以循環使用。

還有那種帶散熱片的風冷加空調，但效率低、耗電多。說到底，不用水就得用電，用電又會增加碳排放，節能和節水之間常常得二選一。目前主流的數據中心還是愿意用水，因為水便宜，而且技術上成熟。

加上AI芯片的發熱量越來越大，風冷和普通液冷快頂不住了，未來浸沒式液冷可能會成為主流，但這需要更換整個數據中心的基礎設施，成本高得嚇人，不是一天兩天能推開的。

AI跟人類搶水喝，表面上是技術問題，根子上是發展模式的問題。咱們享受AI帶來的便利時，很少會去想背后那一排排服務器的冷卻塔里，流淌著多少寶貴的水資源。

這些水不是天上掉下來的，是從江河湖海里取來的，是經過凈化的淡水，是跟咱們喝的水、澆菜的水、洗澡的水用的一樣的水。

科技公司當然也在努力，比如微軟在瑞典建的數據中心用當地河水冷卻，完了水再流回河里，基本不浪費。但問題是，全球大部分數據中心都建在缺水地區，因為那里電便宜、土地便宜，結果水的代價就被忽略了。
其實咱們普通人能做的也不多，但至少得知道這事，您說是不是呢？