夜雨聆风当我们谈论人工智能的代价时，几乎所有目光都聚焦在耗电量上——那庞大的算力中心日夜运转，消耗着堪比小城市的电力。然而，在这张广为人知的能源账单背后，还有一笔更为隐蔽、同样惊人的支出：水资源。
冷却，看不见的巨大消耗
AI数据中心运行时，成千上万的高性能计算芯片同时发热。为了维持正常工作温度，必须进行持续不断的冷却。这项看似简单的需求，正以惊人的速度消耗着淡水资源。
传统的数据中心冷却方式中，大量的水通过蒸发带走热量——这是一种极为耗水的过程。一个中型AI数据中心的日耗水量可达数百万加仑，相当于一个小型城镇的居民用水量。在炎热气候地区，这个数字还会翻倍。
一个被忽视的对比
训练一个人工智能大模型（如GPT-3）的耗水量是多少？研究表明，仅为冷却这一个环节，就需要消耗相当于一个普通家庭数十年用量的淡水。而这还只是一个模型的训练阶段——部署后的每一次用户交互、每一次推理调用，都会持续消耗更多水资源。
相比之下，同样消耗一度电，AI数据中心消耗的水量是传统工业的数倍。因为电力本身已在发电过程中消耗了水（火电冷却、水电蒸发），而AI在此基础上又叠加了一层数据中心冷却的巨大需求。
在干旱频发的美国西部、智利的阿塔卡马沙漠等地，数据中心的高速扩张已引发水权争议。当地社区发现，他们世代依赖的地下水位正在下降，而抽水的水泵却被用于冷却那些生成诗歌、回答问题的AI模型。
乐观的声音指出，科技公司正在研发更高效的冷却技术——液冷、干燥冷却、甚至将数据中心建在寒冷地区或海底。也有公司在尝试用水循环系统，力求降低净消耗。
然而，随着AI模型规模以指数级增长，效率提升的速度是否追得上总需求的扩张？答案尚不明朗。
当我们赞叹AI生成的文本、图像、代码时，也许应该问一句：每一段对话、每一幅由AI创作的画作背后，消耗了多少升淡水？
这并非要让人们停止使用AI。而是希望，在追逐技术进步的同时，我们不要忘记那些隐形的账单。就像气候变化让我们重新审视碳足迹一样，现在是时候开始关注AI的“水足迹”了。
技术的真正可持续，不能只是可再生能源驱动的——它还必须是水智慧的。否则，AI的智能灌溉、气候预测、资源优化，将在不知不觉中用完我们最宝贵的资源：那些可以用来饮用、灌溉、维系生态的每一滴水。
