AI正和人类抢水喝？AI算力用水难题是怎么形成的？

不知道你们发现没有，最近这两年AI那是火得一塌糊涂，从聊天机器人到画画软件，谁手机里没装几个AI应用都不好意思出门。

可你们知道吗，咱们每问AI一个问题，每生成一张图，背后都有一堆服务器在疯狂运转，而这些机器一跑起来，就跟夏天里跑马拉松的汉子似的，浑身冒热气。

为了让它们别烧坏，就得不停地浇水降温。就这么浇着浇着，一个让人心里发毛的问题冒出来了：AI这家伙，是不是在悄悄跟咱们人类抢水喝？

去年加州大学河滨分校的学者们发了一篇论文，里面写着：训练一个像GPT3那样的大语言模型，光是训练阶段就得喝掉整整70万升水。

70万升什么概念？够一个普通家庭用上三四十年，够一个东北大汉喝上几个世纪。更让人心里一紧的是这还只是训练阶段的用量，等模型部署上线，每天成百上千万的用户提问，每个对话都要消耗额外的冷却水。

要是哪天全世界的AI都跑起来，那耗水量怕不是得赶上一个小型湖泊了。

为啥AI算力这么费水，事情得从芯片说起。现在的AI芯片，比如英伟达的H100，一块芯片的功率能飙到700瓦，要是加上配套的显存、散热模组，整个服务器跑起来就跟个小电炉似的。

这么多机器挤在数据中心里，密密麻麻摞成几十层，热量散不出去咋办？最早人们用风冷，就是拿大风扇呼呼吹，可这招对付小打小闹的网站还行，碰上AI这种高密度计算，风冷就跟拿扇子扇火山口一样，根本压不住。

于是水冷成了主流方案，水冷分两种，一种是直接把冷水管道接到服务器里，让水流过芯片附近的冷板带走热量，这叫冷板式液冷；另一种更简单粗暴，直接往机房里喷水雾，水蒸发吸热，这叫蒸发冷却。

第二种方法用水量特别大，因为水蒸发了就没了，得不停补充。更麻烦的是，为了让冷却效果更好，很多数据中心建在气候干燥的地方，比如美国亚利桑那州、智利的阿塔卡马沙漠，这些地方本来就缺水，数据中心一来，当地居民用水都得跟着紧张。

那么多高科技公司，难道就没办法省点水吗？其实他们也在想办法。谷歌去年公布了环境报告，说他们的数据中心用水量又涨了两成，一年用了56亿加仑，也就是大约212亿升水。

但这个数字背后有个细节：谷歌用了很多再生水和非饮用水，比如从污水处理厂买来的中水，或者从雨水收集池来的水。微软也承诺要在2030年实现“水正效益”，就是让补给的水比用掉的水多。

可现实是AI算力增长的速度远远快过节水技术改进的速度。国际能源署2023年的报告里算了一笔账，全球数据中心的用水量每年增速高达10%到15%，照这个势头下去，到2030年数据中心一年喝掉的水可能比某些小国全年用水量还多。

这还没完，AI模型一旦训练好，往后推理问答的耗水是不是就少了？错！恰恰相反，大模型跑推理的时候，每个问题都得把整个模型的计算过一遍，虽然单次耗水比训练小，但架不住用户量巨大。

像ChatGPT这种日活过亿的应用，每天处理几十亿次请求，背后的服务器群24小时不停转，冷却系统就得一直开着。

有个估算说每次跟ChatGPT聊上十几句话，消耗的水量差不多够烧一杯咖啡。当然这咖啡不是给你喝的，是给机器喝的。

AI算力的扩张还在加速，全球各大科技公司都在抢购GPU芯片，新建数据中心，有些大型数据中心占地面积比足球场还大，里面的冷却塔就跟大号烟囱似的日夜喷着白色水蒸汽。

这些水蒸汽可不是干净的，它带走的不光是热量，还有大量的淡水。有些地方本来地下水就紧缺，数据中心一来，直接跟农田灌溉、居民生活抢起了水源。

前两年智利的阿塔卡马沙漠里就闹过矛盾，当地居民抗议数据中心抽走了太多地下水，导致绿洲萎缩，骆驼都没草吃了。

那有没有不用水或者少用水的冷却技术呢？有。比如直接浸没式液冷，就是拿一种不导电的液体把服务器整个泡在里面，散热效率极高，而且液体本身不蒸发，可以循环使用。

还有那种带散热片的风冷加空调，但效率低、耗电多。说到底，不用水就得用电，用电又会增加碳排放，节能和节水之间常常得二选一。目前主流的数据中心还是愿意用水，因为水便宜，而且技术上成熟。

加上AI芯片的发热量越来越大，风冷和普通液冷快顶不住了，未来浸没式液冷可能会成为主流，但这需要更换整个数据中心的基础设施，成本高得吓人，不是一天两天能推开的。

AI跟人类抢水喝，表面上是技术问题，根子上是发展模式的问题。咱们享受AI带来的便利时，很少会去想背后那一排排服务器的冷却塔里，流淌着多少宝贵的水资源。

这些水不是天上掉下来的，是从江河湖海里取来的，是经过净化的淡水，是跟咱们喝的水、浇菜的水、洗澡的水用的一样的水。

科技公司当然也在努力，比如微软在瑞典建的数据中心用当地河水冷却，完了水再流回河里，基本不浪费。但问题是，全球大部分数据中心都建在缺水地区，因为那里电便宜、土地便宜，结果水的代价就被忽略了。
其实咱们普通人能做的也不多，但至少得知道这事，您说是不是呢？