AI 的「口渴」: 谷歌数据中心用水量相当于31850个奥运标准游泳池

AI技术的蓬勃发展，无疑给人类社会带来了许多福祉和便利。然而，这一进步的过程中，我们不可忽视的是，水资源不幸成为了牺牲品。 据统计数据显示，AI技术的大规模应用对水资源的需求量呈现井喷式增长。众所周知，在AI技术的核心应用中，大量的数据需要通过云计算中心进行存储和处理。而这些中心通常需要大量的冷却设备来维持其正常运行，而冷却设备使用的正是大量的水资源。然而，当前全球范围的云计算中心数量的迅速增加，对水资源的需求呈现出难以控制的势头。 同时，AI技术在农业、制造业等领域的广泛应用也给水资源带来了巨大压力。农业领域的智慧农机和智能灌溉系统，虽然提高了生产力和产量，但同时也带来了更多的用水需求。而制造业中，大规模的生产线多数需要水进行冷却和清洗，这也加剧了对水资源的紧张使用。 面对这一课题，政府和相关企业需要加强对AI技术应用的监管和规范。应鼓励科技企业在设计和研发新技术时，更加注重节约和高效使用水资源，推动绿色技术的发展。此外，也应加强对农业和制造业等领域的水资源管理，通过合理的规划和科学的用水措施，提高水资源的利用效率。 水是人类赖以生存的重要资源，AI技术的进步不应以牺牲水资源为代价。只有在保护水资源的前提下，AI技术才能给人类带来更加可持续发展的未来。

近日 Google 发布了《2023 年环境报告》，数据显示其 2022 年总共消耗了 56 亿加仑的水，其中约 52 亿加仑用于公司的数据中心，比往年增加了 20%。

可能很多人对这个用水量没有多大概念。先科普一下，一加仑水等于 3.7854 升，因此 56 亿加仑水约等于 212.079 亿升水，相当于大约 31850 个奥运标准游泳池的水量（注：一个奥运标准游泳池大约是是 250 万升）。

那么 Google 的数据中心的用水量为何如此大？答案并不难找。

数据中心本身就承载着传递、展示、计算、存储数据信息的功能。要避免这动辄集成上百万台服务器出故障，散热便成了需要注意的「麻烦事」。

其中冷却数据中心最常用的方法就是蒸发和放空。

蒸发比较好理解，就是冷却水蒸发汽化，间接带走服务器所产生的热量，这是水冷型数据中心耗水量的主要部分之一。除了通过蒸发失掉水分以外，数据中心会定期对冷却系统进行清洗，这也会消耗一定数量的水资源。

此外，与以往不同的是，近些年来，训练 AI 也成了数据中心耗水量的「元凶」之一。

作为 Google Bard 聊天机器人的全新底层模型，（LLM）PaLM 2 想要获得成效就得经过高强度的预训练，参数越多，性能也就越好。公开资料显示，PaLM 2 是在 3.6 万亿个 token 上训练的，作为对比，上代 PaLM 也仅接受了 7800 亿 token 的训练。

巧合的是，正如加州大学副教授 Shaolei Ren 所说：「用水量增加 20% 大致与谷歌计算能力的增长一致，而谷歌的计算能力主要是由人工智能推动的。」

的确，如此庞大的训练量也就意味着需要更强的算力中心。要让那成千上万张显卡稳定安全地提供算力，也同样得配备一套蒸发冷却装置来将空间保持在理想温度。

原理也比较相似，就是利用蒸发水来散热，但运行起来需要消耗大量的清水，并且在循环的过程里，1%-2% 的水作为细水雾被风吹走，在能量循环的定理下，日积月累，自然造就了巨大的水资源消耗。

卡罗拉多大学与德克萨斯大学的研究人员在一篇《让 AI 更节水》的预印论文中也发布了训练 AI 的用水估算结果。

结果发现，训练 GPT-3 所需的清水量相当于填满一个核反应堆的冷却塔所需的水量（一些大型核反应堆可能需要几千万到上亿加仑的水）。ChatGPT （在 GPT-3 推出之后）每与用户交流 25-50 个问题，就得「喝掉」一瓶 500 毫升的水来降降温。

而这些水资源往往都是可被用作「饮用水」的淡水。

Google 在最新报告中表示，考虑到当地水资源的压力，在过去一年消耗的 56 亿加仑水中，其中 82% 的水资源来自水资源压力较小的地区。

但显然，这些大模型背后的公司不可能总是作出最环保的选择。那剩下的 18%，Google 则模糊地表示「正在探索新的合作伙伴关系和机会。」

值得注意的是，倘若将视野放在全球，伴随着全球大模型「军备竞赛」的日渐火热化，数据中心水资源的消耗速度也超乎想象。

只不过，他们光顾着抬头看对手的训练进度，又怎么会低头注意脚下的水资源呢？