眾所周知，人工智能技術的發展離不開強大的計算力支撐，背后的數據中心更是耗電量驚人。據統計，全球數據中心每年消耗的電量相當于一個中等規模國家的年用電量。然而，鮮為人知的是，訓練和部署這些龐大的人工智能模型不僅耗電，還需要消耗大量水資源。

數據中心水資源消耗驚人

近期的一份報告顯示，全球數據中心的用水量急劇上升，其中位于全球“數據中心之都”——美國北弗吉尼亞的數據中心用水量在過去五年里增長了三分之二。更為深入的研究發現，GPT-3級別的模型（擁有約1750億個參數）在一次包含20至50個問題和回答的簡單對話中，大約需要“喝掉”一瓶500毫升的水。而如今，GPT-4模型的參數規模已增長至1.7萬億至1.8萬億，耗水量無疑將進一步飆升。

省電不省水，省水不省電

數據中心本身并不會直接消耗大量水資源，真正的問題在于水被從當地環境中抽取，卻未能有效歸還。而且，AI模型本身也不是水資源消耗的罪魁禍首。即使是采用液冷技術的數據中心，系統運行過程中幾乎不會損失任何液體。真正大量消耗水資源的是用于冷卻數據中心的蒸發冷卻器（俗稱“濕簾冷卻器”），它們負責維持數據中心設備在安全溫度以下運行。

然而，這種冷卻方式并不是所有數據中心的必選方案。在較冷的氣候中，干冷卻器或所謂的“自然冷卻”就足夠應對，而在干旱的炎熱地區，制冷劑冷卻系統可能是更常見的選擇。例如，在經歷與當地政府的廢水糾紛之后，微軟在亞利桑那州的Goodyear市建設數據中心時選擇了制冷劑冷卻系統。

雖然蒸發冷卻能夠有效降低電力能耗，但在供電緊張的地區，這種做法往往加劇了水資源的消耗，特別是在水資源本就匱乏的干旱地區。盡管存在替代冷卻方案，但這些方案往往需要消耗更多電力，這在電力供應短缺的當下顯得尤為棘手。

對于大規模數據中心運營商而言，選擇蒸發冷卻器更多的是出于成本考慮。相比其他冷卻技術，水的導熱效率更高，這意味著可以降低電費，甚至在電力緊張的地區建造更大、更密集的數據中心設施。盡管在某些情況下，蒸發冷卻的水資源消耗與減少化石燃料使用之間存在權衡，但這通常依賴于所在地區的具體情況。在水資源短缺的干旱地區，蒸發冷卻器無疑加劇了水荒。

直接液冷技術潛力巨大

隨著AI技術的飛速發展，芯片發熱量不斷增加，許多設備的功率已經突破千瓦級別，這推動了液冷技術的廣泛應用。例如，Nvidia的Grace Blackwell超級芯片的功耗達到了2700瓦，這迫使其采用直接液冷（DLC）技術。

液冷技術雖然能提高能源效率，但對數據中心的運營商而言卻是一大難題，尤其是許多舊的數據中心難以改造以適應這一技術。

從長遠來看，液冷系統的廣泛應用可減少數據中心的水資源消耗，因為液冷技術的高熱傳導系數允許使用干冷卻器，這種冷卻器類似于汽車散熱器，只是規模更大。

此外，液冷技術還有助于實現廢熱再利用。例如，在一次關于GPT-3模型訓練的實驗中，研究人員估算其產生的廢熱足以為4.6個溫室提供熱量，生產超過一百萬顆番茄。在一些地區，數據中心已經開始將廢熱用于區域供暖。

盡管液冷技術的潛力巨大，但在其廣泛部署之前，數據中心的水資源消耗問題仍將持續存在。隨著AI模型的不斷擴展，如何平衡水電資源的消耗，將成為擺在科技公司面前的一大挑戰。

東數西算的“水荒”挑戰

在中國，人工智能與數據中心面臨的資源挑戰同樣嚴峻，尤其是在水資源方面。中國的水資源分布極不均衡，華北地區、華東地區人口稠密，但人均水資源極度緊缺，遠低于全球平均水平。根據水利部數據，北方的用水緊張問題多年未解，而長三角、珠三角等經濟發達地區也面臨著水資源的巨大壓力。

與此同時，中國提出的“東數西算”戰略正推動大量數據中心從東部向西部地區轉移，利用西部相對低廉的土地與電力資源解決東部數據中心的高能耗難題。然而，這一戰略也帶來了水資源管理的新挑戰。西部地區的干旱氣候，尤其是西北和華北等地區，水資源匱乏，氣候條件使得蒸發冷卻器的使用效率較高，但這無疑將進一步加劇當地的“水荒”。

例如，內蒙古、新疆等地近年來成為“東數西算”戰略下的重點數據中心建設區域，但這些地區長期以來都面臨著嚴重的水資源匱乏問題。在水資源本就緊張的情況下，大規模的數據中心建設可能加劇當地的生態壓力。對于數據中心運營商而言，如何在電力與水資源之間尋求平衡，選擇更加節能高效的冷卻方式，成為了至關重要的決策。

未來，“東數西算”戰略的實施不僅需要考慮電力布局，還需要充分評估水資源的承載能力。