你的AI查询消耗了多少水？

当我们谈论AI的环境影响时，通常会提到二氧化碳排放。但还有一个不太为人所知、更加隐蔽的代价：水资源消耗。每一次发送到大型语言模型的查询都需要能量来计算，更重要的是用于服务器冷却。水是每一句我们收到的回复背后无声的动力源。

数据中心冷却：真正的水资源消耗

托管人工智能模型的数据中心是巨大的工业综合体，持续产生大量热量。蒸发冷却系统是世界上最常用的系统之一，仅在美国，每天就消耗数亿升水。在干旱时期，这种需求会与当地社区和农业的用水需求产生直接冲突。

根据最近的研究，与AI助手的一次简短对话可能最多需要2升水来处理查询。考虑到每天数十亿次的互动，其结果是全球水资源消耗呈指数级增长，与语言模型的普及同步上升。

一次查询究竟消耗多少水？

计算并不简单，因为它取决于许多因素：模型规模、提供商的基础设施、采用的冷却系统以及数据中心所在的地理区域。GPT-3.5等轻量模型比GPT-4或Claude 3.5 Sonnet消耗更少的资源，但在用水方面的差异仍在每次互动几毫升到几升的范围内。

以下是一些常见操作的耗水估算：

• 简短的文字回复：约10-50毫升水
• 涉及多步骤推理的复杂生成：200-500毫升
• 使用大型模型一小时高强度使用：最多2升

这些数字单独来看似乎微不足道，但当扩展到全球规模——每天有数十亿次查询——影响变得显著且亟待重视。

为何科技行业对此讳莫如深

数据中心的水资源消耗透明度仍然很低。许多提供商发布碳排放数据，却省略了水资源消耗的详细信息，这些数据在可持续发展报告中通常被视为次要信息。这种不透明使得用户和监管机构难以评估AI的真实环境代价。

一些公司开始转变方向。Google、Microsoft和OpenAI已宣布改善水资源报告并投资干式和循环冷却技术。然而，专家指出，目前的努力仍远远低于弥补需求激增所需的水平。

作为用户和组织我们可以做什么

意识是第一步。减少冗余查询、避免用AI处理无需AI的任务，以及在可能时选择更小的模型，都是每位用户可以采取的具体行动。而企业则应要求提供商提供透明的水资源和能源消耗数据，将这些指标纳入采购评估中。

此外，支持更高效冷却技术和在有充足水源的地区设计数据中心也能带来改变。向可持续AI的转型不仅是技术问题，更是从我们每个人都开始的有意识的选择。

实用要点

下次向AI发送查询时，请记住，在那个回答背后有着真实的水资源成本。提出有价值的问题，避免重复，并选择公开透明环境数据的工具。负责任的小数字习惯，集在一起对我们的技术未来可持续性会产生巨大影响。