AI一年喝掉230亿立方米淡水，背后真相令人震惊

在2026年夏季达沃斯论坛刚刚结束之时, 毕马威中国副主席吴旭初所抛出的这组数据, 将AI的“另一面”给揭开了。更让人心里不好受的是, AI全产业链涵盖芯片制造、发电、算力运维这三大环节, 一年居然要消耗掉230亿立方米淡水。

原来，AI不仅是“电老虎”，还是个“水漏斗”。

AI是个超级“发热体”

要理解AI为什么耗水，得先弄明白它为什么会“渴”。

简言之的话, 那AI的大脑是芯片, 这也就是指CPU以及GPU。我们能够将这些芯片视作一块块极为精密的“电子沙盘”。当训练AI或者让它去回答问题之际, 实际上就是给这些芯片下达了不计其数的指令。于微观世界当中, 这表明芯片内部的晶体管要在每秒开关好几十亿次。

电流通过导体之际会产生热量, 此热效应于芯片之上是难以避免的。特别是当下的AI大模型, 参数动不动就达千亿级别, 所需的计算量呈指数级递增。6月30日, 中国科学院物理研究所博士王利邦接受记者采访之时, 把AI芯片比作一辆超跑, 引擎马力越大, 燃烧汽油所产生的热量就越高。

AI芯片算力越强，功耗就越大，产生的废热也就越多。

换成更具形象性的说法, 要是你将手置于正在运行大型游戏的电脑主机之上, 能够显著感受得到烫手, 而此仅仅是源自几十瓦至几百瓦的热量。在数据中心当中, 存在着数万数目乃至数十万台服务器一同进行运行, 其发热功率与一个小型发电厂不相上下。倘若这些热量不能够在及时的情况下被排放出去, 那么服务器将会因为过热而出现“罢工”的情况。

从风冷到液冷的转换

AI散热最原始的办法是“吹风扇”，也就是风冷。

先前的时候, 数据中心借助庞大的空调风扇朝着里面输送冷气, 然而呢, 随着AI算力密度的不断提高, 风冷这种方式差不多要被弄到极限了——空气的热容量是比较低的, 把热量带走的效率根本赶不上芯片发热的速度。

相比之下更尴尬的是, 风冷数据中心差不多一半的电费, 并非用在计算方面, 然而却是用在制冷上面, 这实在是不太划算呀。

就这样, 工程师们想出了一个更为高效的法子, 那便是“喝水”, 而这其实就是当下占据主流位置的液冷技术。

王利邦讲, 水的比热容, 也就是单位质量的物质温度升高或者降低时所吸收或者释放的热量, 是空气的4倍还多, 其带走热量的能力远远超过风。“液冷主要分成两种, 冷板式是在CPU、GPU上贴上一块金属板, 板内藏着细密管道, 冷却液, 也就是去离子纯净水或者工程专用液, 流过从而带走热量；浸没式更为彻底, 直接把服务器泡在去离子纯净水等不导电液体里, 就如同给电脑洗个‘凉水澡’。”。

液冷的确具备效果, 然而耗水量极大, 数据中心的水消耗主要涵盖两部分, 一部分是直接蒸发消逝, 循环水变浓之后需持续替换为新的, 另一部分源自发电, 电厂发电自身同样需要耗费水资源。

当下, 全球人工智能每年耗费大约二百三十亿立方米的淡水。于一些水资源匮乏之地, 因数据中心争夺农业用水进而引发了社会层面的争议。

AI的绿色自救“凉方”

面对这般严峻的能耗、水耗挑战, 科技领域已然在给AI寻觅“凉方”——。

首先一招是依赖自然条件来维持运行, 鉴于人工智能畏惧高温, 所以要迁移至较为凉爽的区域, 谷歌等一众科技巨头将数据中心建造于冰天雪地的北极圈地带, 使得服务器能够免费享受冷空气吹拂, 还有国内企业直接把服务器放置于海底位置, 借助冰凉的海水为它们冲洗降温以此减弱热度。

第二招做法是给AI进行“减肥”, AI大模型规模越大越容易致使资源出现浪费, 科学家们正在想办法令AI变得“聪明”而非变得“庞大”。北京大学的科研团队所研发的中等规模的推理模型, 仅仅使用5%的参数量便达成主流大模型的完整性能, 使得AI从根本之处节水省电。

第三招是把废物转化为有用之物。在欧洲, 一些创新项目已然开始试着把数据中心所产生的废热接入城市的区域供暖系统, 进而给居民楼送去暖气；北京的首个数据中心余热供暖项目已经投入使用, 为周围1.2万平方米的建筑供暖……尽管这种技术仍然面临着传输损耗以及基础设施改造方面的挑战, 然而它却代表着未来的发展方向——使得AI从单纯的“耗能大户”转变成为能源循环的一个环节。

AI技术依旧在迅猛地飞速发展着, 我们也应当去计算一下每一句人机对话背后所蕴含的生态账本了。至于AI的未来走向, 所要比拼的不仅仅是其具备的智商, 还有对于环境友好方面的那种“情商”——唯有当绿色成为每一个芯片、每一座数据中心的基本色调时, 我们才能够拥有一个既充满智能又具备可持续性的未来。

更多精彩文章请关注=>金色港湾资讯网 www.fzjsgw.com