AI用水究竟有多惊人？科技巨头的应对与承诺

?
AI的用水量究竟有多惊人？科技巨头与学界的说法存在显著差异。（图片来源：Getty Images）

当我们享受人工智能（AI）带来的便利与乐趣时，或许很少人会想到，这个“云端”世界背后隐藏着巨大的水资源消耗。从ChatGPT的日常对话到AI绘图的创意生成，每一次的运算都牵动着庞大的数据中心，而这些资料中心的运作，正悄悄地对全球水资源构成前所未有的挑战。

AI耗水惊人 数字分歧引发关注

AI的用水量究竟有多惊人？科技巨头与学界的说法存在显著差异。OpenAI执行长山姆．阿尔特曼（Sam Altman）曾表示，ChatGPT回答一个问题仅需约十五分之一茶匙的水。然而，一项来自加州与德州学者的研究却指出，OpenAI的GPT-3模型每回应10到50次查询，就会消耗约半公升的水，这相当于每次回应需要2到10茶匙的水，比阿尔特曼的说法高出许多。

这种数字上的落差，主要来自于计算中纳入的范围不同。学者们的估算，除了冷却服务器所需的直接用水，还将发电过程中的水资源消耗也一并计算在内。毕竟，为AI庞大的运算能力提供电力，需要燃煤、天然气或核能发电厂来推动涡轮机，而这些过程都需要大量的水。

尽管确切的数据尚无统一标准，但AI用水量正在累积已是不争的事实。OpenAI每天回应的查询高达10亿次，而这只是众多AI机器人中的一个。根据研究估计，到了2027年，全球AI产业每年的用水量将是整个丹麦的4到6倍。加州大学河滨分校的任少磊教授指出，“我们使用的人工智能越多，消耗的水就越多。”这也让AI的快速扩张与日益严重的全球水资源短缺问题，形成一对尖锐的矛盾。

?
一个名为“你的云端使我的河流干涸”（Your cloud is drying my river）的环保团体应运而生。（图片来源：Adobe stock）

资料中心：干旱地区的新“耗水大户”

所有线上活动的运作，都仰赖庞大的资料中心。这些设施如同巨型仓库，内部装满了电脑服务器机架。当电力流经这些设备时会产生巨大的热量，因此需要水来进行冷却。部分冷却系统甚至会将高达80%的用水蒸发到大气中。

由于AI任务所需的运算能力远高于一般网络活动，例如一次ChatGPT查询所消耗的电力几乎是Google搜寻的10倍，这意味着AI需要更多的电力，也产生更多的热量，从而对冷却水产生更大的需求。

令人担忧的是，大型科技公司近年来对于在干旱地区建设资料中心的兴趣日益增加。这些地区之所以具有吸引力，是因为土地供应充足、电力基础设施完善、可再生能源丰富，以及法规相对友善。然而，这却与当地本已紧绷的水资源供应形成冲突，引发了当地居民与环保团体的强烈反弹。在西班牙，一个名为“你的云端使我的河流干涸”（Your cloud is drying my river）的环保团体应运而生；在智利和乌拉圭，因居民抗议水资源分配问题，谷歌甚至暂停或改变了部分资料中心的建设计划。

科技巨头的应对与承诺：效率、循环与回补

面对外界质疑与日益增长的环境压力，科技巨头们正在采取行动。谷歌、微软和Meta等公司都在其环境报告中坦承，其资料中心确实使用了来自缺水地区的水资源。但他们也承诺，将透过技术创新和投资，降低对水资源的依赖。

主要的解决方案方向包括：

1.干式冷却与封闭循环系统：相较于耗水的蒸发冷却，干式或空气冷却系统虽然耗电较多，但能减少用水。此外，微软、Meta和亚马逊都在开发“封闭循环”系统，让水或其他冷却液体在系统内循环使用，无需蒸发或更换。虽然目前这些技术的导入尚处于早期阶段，但被视为未来的趋势。

2.废热回收：在欧洲部分国家，如德国、芬兰和丹麦，已有计划或正在实施将资料中心产生的废热回收，用于当地居民的供暖，实现能源的再利用。

3.使用非饮用水源：虽然企业通常偏好使用干净的淡水，以降低设备腐蚀等风险，但部分企业也开始增加使用海水或工业废水等非饮用水源进行冷却。

4.“水资源正向效益”目标：谷歌、微软、亚马逊云端服务和Meta都已设定目标，要在2030年前达成“水资源正向效益”（water positive），也就是在整体营运中，回补的水量要多于取用的水量。为了实现这一目标，他们资助并支持各种水资源保护项目，例如恢复湿地、修复泄漏点和改善灌溉系统等。

虽然这些企业在回补水资源方面已有显著进展，但联合国儿童基金会（UNICEF）创新办公室全球主任汤玛斯·达文（Thomas Davin）指出，距离实现这些目标仍有“很长的路要走”。

科技与环保 永续发展的未来之路可能吗？

人工智能的发展究竟能否实现环境永续？这是一个复杂的问题。乐观派他们认为，AI本身可以成为解决环境问题的工具，例如协助侦测温室气体泄漏、优化交通路线以节能，甚至在医疗和教育领域发挥革命性作用。联合国儿童基金会（UNICEF）的达文就希望看到企业能朝着“效率与透明度”的方向竞争，并呼吁将模型开源，以减少重复训练模型所造成的资源浪费。

担忧派的独立研究员洛雷娜·豪梅-帕拉西（Lorena Jaume-Palasí）则对此持怀疑态度。她认为，尽管我们可以提高效率，但效率的提升往往会导致更多使用量。她直言不讳地指出：“从长远来看，我们根本没有足够的原材料来支撑这场打造更大、更快人工智能系统的竞赛。”

此外，资料中心的快速扩张也引发了其他连锁效应。在美国，有居民抱怨资料中心的建设扰乱了自家的水井；在英国，大量新建资料中心的计划引发了民众对能源帐单上涨的担忧，甚至有水务公司对供水压力表示担忧。这些事件都提醒着我们，AI的“云端”世界并非虚无缥缈，它的基础设施建设正深刻地影响着我们的现实生活。

眼前AI的发展已势不可挡，但如何在不牺牲地球最基本资源——水的前提下，为未来的数位世界提供动力，是科技巨头、政府以及全人类都必须共同面对的严峻挑战。