請打開(kāi)你的任意一款AI工具，問(wèn)問(wèn)它生產(chǎn)一瓶500毫升的可口可樂(lè )需要消耗多少水？

　　不同的AI可能會(huì )給出不同的答案，但生產(chǎn)者給出的官方答案是690毫升?？煽诳蓸?lè )公司在 2024 年的環(huán)境報告里提到，當年的用水比是1.38，意味著(zhù)每生產(chǎn)1升飲料需要1.38升水，多出來(lái)的水用來(lái)清洗設備、冷卻系統，最后被當做工業(yè)廢水排掉。值得注意的是，這個(gè)數字是工廠(chǎng)生產(chǎn)本身的用水情況，還未考慮全生命周期的水消耗。

　　現在，你再問(wèn)AI第二個(gè)問(wèn)題：“回答完剛才的問(wèn)題，你自己消耗了多少水？”

　　你或許會(huì )覺(jué)得是0，畢竟只是一個(gè)電子程序，會(huì )和水扯上什么關(guān)系？

　　但很遺憾，你錯了。

　　AI的耗水量遠比你想象得多

　　OpenAI的CEO奧特曼說(shuō)GPT回答一次問(wèn)題的耗水量是0.3毫升，聽(tīng)起來(lái)微不足道，也就幾滴眼淚。但加州大學(xué)河濱分校的研究者說(shuō)一次查詢(xún)怎么也得有個(gè)十幾毫升，夠你喝一口的了。還有的研究者會(huì )更精細，比較了一堆 AI 后告訴你，目前當紅的這些好用AI，每次回答都得消耗一百多毫升水，嗯，夠裝一小杯了。

　　數據差距如此之大，誰(shuí)說(shuō)得對？

　　答案是：都是對的，只是各自都耍了一些花招。

　　為了理解這些數據，我們要從為什么會(huì )消耗水開(kāi)始談起。

　　你一定經(jīng)歷過(guò)手機發(fā)燙的時(shí)刻，在信號不好的地方開(kāi)著(zhù)導航，或者玩了一小時(shí)游戲，手機燙得好像要爆炸。這是因為芯片消耗電能進(jìn)行運算時(shí)，一部分的電能會(huì )被轉換成熱能。當運算量突然增大，比如信號太差需要不斷搜索基站或者游戲畫(huà)面過(guò)于復雜時(shí)，原本只靠背板的散熱就不夠用了，手機會(huì )變得越來(lái)越燙。

　　AI數據中心亦如此。

　　成千上萬(wàn)臺服務(wù)器24小時(shí)運行，單臺機柜的功率從幾十千瓦到數百千瓦不等，它們的運算能力驚人，但產(chǎn)生的熱量也同樣驚人。只靠風(fēng)冷？散熱效率遠遠不夠。

　　所以他們用水。不管具體的冷卻系統如何設計，是冷卻塔、閉環(huán)水冷還是把整個(gè)數據中心都建到海底，其核心原理都差不多：用水帶走熱量。

　　但這些水不會(huì )永遠待在散熱系統里。一部分水會(huì )在吸收熱量后蒸發(fā)掉，剩余的水雖然可以循環(huán)回收利用，但撐不了多久，循環(huán)水中的雜質(zhì)會(huì )越來(lái)越濃，需要及時(shí)排除處理廢水，更新清潔的循環(huán)水來(lái)保證系統的正常運行。

　　蒸發(fā)和排放，這是數據中心最直接的水消耗，但還沒(méi)算完。

　　另一部分的消耗來(lái)源于電。數據中心要運轉得用電，而發(fā)電廠(chǎng)不管是燒煤燒氣還是核能，也需要消耗水來(lái)輔助生產(chǎn)。這部分隱形的水消耗很容易被忽略，但它其實(shí)是大頭。大多數情況下，發(fā)電用的水比數據中心直接用的還多。

　　不同數據中心和電廠(chǎng)的技術(shù)有些差異，以美國平均數據為例，數據中心本身的耗水大約是每度電0.55升，而發(fā)電廠(chǎng)的耗水大約是每度電3.142升，加起來(lái)也就是每耗一度電，差不多要消耗 4 升水。

　　現在我們可以來(lái)算賬了。

　　加州大學(xué)河濱分校的研究者認為，一次AI查詢(xún)會(huì )消耗4瓦時(shí)(0.004度)的電，乘上數據中心和發(fā)電廠(chǎng)的耗水量，計算出的結果就是十幾毫升(16毫升)。這個(gè)數據比較粗糙。

　　而最新的研究中，研究者們將不同模型的耗電分別作了估算。一條長(cháng)提示詞下，GPT4.5、Deepseek R1們能消耗100多毫升的水。

　　至于OpenAI CEO給出0.3毫升的答案，則是他玩了個(gè)小花招。他引述了同一篇文章，只不過(guò)是研究列表里GPT系列中最小的模型GPT-4.1 nano在短提示詞下的耗水量。理論上沒(méi)錯，但不是所有用戶(hù)都只會(huì )用nano。

　　那如果我們來(lái)平均一下，根據OpenAI和Google所公布的報告，一條請求的平均耗電量大概在0.3瓦時(shí)，所以一條請求消耗1毫升水可能是比較合理的估算。

　　真的要繼續較真細算，還要引入水足跡的概念，不光算直接用水，還要算間接用水。制造一片 AI 芯片需要幾千升超純水清洗，運輸、包裝、建廠(chǎng)，每個(gè)環(huán)節都在消耗水。

　　這就像計算一瓶可樂(lè )的完整水足跡，不光是瓶子里的500毫升和工廠(chǎng)里用掉的190毫升，還要算甘蔗的種植，制糖，運輸……算完你會(huì )發(fā)現一瓶使用古巴蔗糖的可樂(lè )的水足跡高達幾百升。相比之下，零度可樂(lè )因為用人工甜味劑，水足跡要小得多(看來(lái)喝無(wú)糖可樂(lè )不光可以少攝入糖，還能減少水債務(wù))。

　　但誰(shuí)能這么算？理論上統統都要算，實(shí)際上又龐大又算不清，所以當討論 AI 的水消耗時(shí)，大部分研究者都默契地停在了發(fā)電廠(chǎng)這一步。再往上追溯，里面的數字會(huì )大到讓資本市場(chǎng)的投資人不想面對。

　　AI消耗的水有什么影響？

　　一個(gè)新的問(wèn)題：就按AI回答一次問(wèn)題消耗1毫升水算，這是多還是少？

　　人工智能公司會(huì )告訴你，不用擔心，你努力用AI查一天也不過(guò)喝一瓶可樂(lè )。而環(huán)保主義者會(huì )警告大家，一個(gè)谷歌公司一年消耗了265億升水，已經(jīng)能和可口可樂(lè )公司一年的耗水量差不多了，這還得了。

　　都是事實(shí)，然而，這個(gè)問(wèn)題本身問(wèn)得對嗎？

　　耗水和耗電有一個(gè)根本性的差別。電用完就沒(méi)了，燒的煤也不會(huì )再生。但水不一樣，它是可循環(huán)資源。從地球物理學(xué)角度看，地球上的水總量幾乎恒定，今天從數據中心蒸發(fā)的水，明天可能就是太平洋上的一朵云，后天可能是西雅圖的一場(chǎng)雨。

　　人工智能所消耗的水資源看起來(lái)數字不小，但即使它在未來(lái)的十幾年里增長(cháng)幾倍，其影響也遠不如電力消耗對環(huán)境的影響大。雖然取水和凈化也需要能量和碳排放，但這部分消耗和數據中心的電力消耗相比可謂九牛一毛。

　　所以從全局上看，AI 消耗點(diǎn)水沒(méi)有問(wèn)題。但問(wèn)題恰恰在于，水并不是一個(gè)全球問(wèn)題，它從來(lái)都是局部問(wèn)題。水資源的議題中最重要的永遠不是地球上有多少水，而是水在哪里。

　　大公司們當然也明白這個(gè)道理，所以他們永遠都在強調綠色、環(huán)保、可持續的未來(lái)。他們的環(huán)境報告中還頻繁出現一個(gè)詞：水資源中和。他們聲稱(chēng)每年都在完成生態(tài)補水，爭取達到“補充比我們消耗更多的水”，聽(tīng)起來(lái)很負責任，對吧。

　　這方面，飲料公司是經(jīng)驗豐富的老手，可口可樂(lè )公司在被罵了幾十年搶奪水資源后，終于在2016年宣告完成了“100%水回饋”。問(wèn)題在于，生態(tài)補水的實(shí)際舉措通常是恢復濕地或是增加儲水設備回灌地下水，而這些舉措的地點(diǎn)通常不在工廠(chǎng)建設地上。賬面上是中和了，當地居民所面臨的缺水問(wèn)題仍然存在。

　　科技公司們也覺(jué)得這個(gè)詞很好，紛紛表示要努力達到這一目標，但他們對數據中心的選址又是另一套邏輯。

　　修數據中心需要什么？

　　便宜的地：也就是人少的地方。

　　便宜的電：需要新修的電廠(chǎng)，還是同樣需要地。

　　寬松的監管：一般來(lái)說(shuō)經(jīng)濟欠發(fā)達，需要更多的投資機會(huì )。

　　幾個(gè)條件加起來(lái)，從結果上看就是，接近一半的新數據中心都修在了高度甚至極度缺水的地區。這些地區通常經(jīng)濟并不發(fā)達，新的數據中心會(huì )為當地帶來(lái)投資和工作機會(huì )，從政府的角度是歡迎的。但它們也會(huì )讓原本就稀缺的用水變得更加稀缺，一座數據中心的修建，甚至能讓居民的水井干涸，無(wú)法保證正常的生活用水。

　　在這種情況下，去巴西保護雨林聽(tīng)起來(lái)只是一個(gè)美好的愿景。

　　我們可以做些什么？

　　終于，有人對數據中心說(shuō)：“不?！?/p>

　　在亞利桑那州的Tucson市Pima縣里，議會(huì )在算過(guò)水賬之后決定拒絕亞馬遜的“藍色計劃”。

　　在這個(gè)案例中，新的數據中心會(huì )使用超過(guò)4個(gè)高爾夫球場(chǎng)的用水量。雖然建筑公司提出了擴建本地的廢水回收系統以彌補增加的用水量，以及“最終達到零凈消耗”的合同條款，但居民仍然不買(mǎi)賬。問(wèn)題在于建筑公司的這些許諾缺乏詳細可靠的配套計劃，加入合同條款對公司雖然有一定約束力，但就算達不到也只是賠錢(qián)——產(chǎn)生的缺水問(wèn)題可不是賠錢(qián)就能解決的。

　　本地的議員在聽(tīng)取居民的意見(jiàn)后，以7-0的投票結果一致否決了該計劃。

　　這可能是人類(lèi)第一次在水和 AI 之間，選擇了水。但我們之后還將面臨許多次選擇。

　　水的歷史很長(cháng)，它們來(lái)自45億年前與地球相撞的忒伊亞行星，在星間穿行，在海洋與云層間相變輪回?？铸埡冗^(guò)，你我喝過(guò)。

　　AI的歷史很短，短到現在我們還沒(méi)有完全適應它的到來(lái)。

　　我們向AI提問(wèn)，AI向水提問(wèn)，而水不知道答案。

　　它只知道，在所有的問(wèn)題消失之后，它還會(huì )在那里。

　　就像45億年前那樣。

　　作者丨antares 計算機圖形學(xué)碩士、游戲行業(yè)從業(yè)者、科普作家

　　(來(lái)源：科普中國微信公眾號)