AI大训练背后的“水”问题

在8月7日的快科技报道中提到，生成式AI的运行依赖于大规模的数据中心作为基础设施支持。值得注意的是，这些数据中心不仅消耗大量的电力，还需要大量的冷却水进行降温。因此，AI的部署间接地增加了对水资源的需求，使得AI成为了“耗水大户”。

谷歌近期发布的2023年环境报告显示，其去年的用水量同比显著增加了20%，达到56亿加仑，而其中绝大部分都被用于为该公司的数据中心散热。

56亿加仑的水量，大约相当于我国某个顶级城市的全年用水总量，也可以被视为全球每日饮用水量的四分之一。另外，有人将这个数值比喻为37个高尔夫球场的用水量，换算下来，大约可以灌满半个西湖。

这种情况并非特例。在2023年初，由OpenAI所创建的ChatGPT在全球范围内引起了广泛关注。随着人工智能技术的不断发展和应用，对算力的需求也在持续增长，尤其是为了进行大量的训练任务。因此，我们需要更多的算力中心以及相应的散热设备来保证这些训练任务的顺利进行。

据悉，在单个系统中与AI聊天机器人进行20-50个问题的对话可能会导致其消耗“500毫升瓶装水”，而因ChatGPT在全球拥有数十亿用户， 由此累计的总用水量异常巨大。

最初，当微软训练GPT-3时，公司可能耗费了惊人的700,000升水资源。然而，如果在一个人工智能模型数据由能源利用效率较低的数据中心产生时，其用水量很可能会出现 triple 的增长。换言之，相较于GPT-3版本，OpenAI 新版的GPT-4的用水量可能会增加数倍。

在另一项研究中，研究团队计算出，为了建立一个基于GPT-3的聊天机器人模型，总共消耗了1,287兆瓦时的电力，并排放出了552吨二氧化碳。这一结果强调了大型语言模型所涉及的能源消耗和环境影响，也进一步突显了研究团队在环保方面的关注和责任感。

针对此问题，我们的教授提出了一个观点，虽然人工智能为大众带来了诸多便利，但我们仍需尽可能地限制其应用范围，同时不能忽视它对地球生态环境带来的巨大影响。