AI水资源消耗惊人，液体冷却技术成数据中心新宠

人工智能，这一曾经只在科幻作品与学术讨论中出现的抽象概念，如今已成为人们茶余饭后的热门话题。随着这一技术逐渐渗透到现实生活中，人们开始广泛关注其对环境的影响，尤其是在训练与运行这些庞大模型时所需的巨大电力与水资源。这种担忧是合乎情理的。

最近的一份报告显示，全球数据中心集中的区域之一——北弗吉尼亚的数据中心，在过去五年里水资源的消耗增加了约三分之二。

研究人员在去年初发布的一篇论文中指出，“ChatGPT在进行一段简短对话时，可能需要消耗一瓶500毫升的水，这大约对应于20至50个问答，具体取决于其部署的时间和地点。”

更让人担忧的是，这样的计算仅适用于拥有1750亿参数的GPT-3类模型。而现在的GPT-4模型参数量估计在1.7至1.8万亿之间。正如OpenAI的Trevor Cai在上周的Hot Chips大会上所提到的，这些模型在未来只会变得更加庞大。

对于数据中心的电力消耗来说，这无疑是个坏消息，但水资源的使用情况并不一定如此糟糕。至少，问题并非总是如此简单。

首先需要明确的是，数据中心并不是直接消耗水资源的元凶。问题在于大量水被从当地环境中抽取，却无法回归原本的水源。此外，IT基础设施本身并非是主要的耗水设备，无论是否涉及到AI。

即使采用了液冷系统，这些设备大多为封闭回路，在正常运行情况下几乎不会有明显的液体流失。实际造成大量水资源消耗的是空气处理系统，尤其是蒸发式冷却器或沼泽冷却器，它们的主要作用是防止系统过热。

然而，重要的是要明白，这种冷却方式是一种设计选择，并不是每个数据中心都会使用蒸发式冷却器。如果Meta或Amazon在你家附近建造AI数据中心，它们可能会对当地电网造成压力，但这并不意味着它们会像Google在俄勒冈州The Dalles那样，消耗掉你所在城镇四分之一的供水。

在较冷的气候下，干式冷却器和所谓的“免费冷却”系统就足够了，而在炎热且干旱频发的地区，数据中心运营商常常选择基于制冷剂的冷却系统。微软在其位于亚利桑那州固特异市的数据中心开发项目中，正是选择了这种方案，尽管这是在与当地政府就废水处理发生争议之后才做出的决定。

尽管蒸发式冷却有其替代方案，但许多替代方案往往会增加电力消耗，而电力供应已经很紧张了，正如CBRE最近的一份报告所指出的那样。

对于现有的数据中心设施，改变的余地有限，但对于新建的数据中心，采用蒸发式冷却还是一个与利润挂钩的决定。对于超大规模的运营商来说，一切最终都与利润有关。如果你能比竞争对手降低5%的运营成本，或以更高效的方式运营，那么你就能够获得更多的利润，或者击败对手，吸引他们的客户群。而蒸发式冷却技术恰好能够比其他替代技术更有效地从空气中带走热量。这意味着电力成本更低，或是在电力受限的地区可以建设更大、更密集的设施。

即使是工业用电价格，电费的累积增长也非常快。因此，在适合使用蒸发式冷却器的市场中，这项技术提供了明显的竞争优势。

可以说，如果蒸发式冷却器的耗水量能够减少化石燃料的燃烧，从而维持电力供应，那么这种权衡是有价值的，但这很大程度上取决于地理位置。蒸发式冷却在干旱地区最为有效，而这些地方的水资源本已十分稀缺。

最终，这一问题归结为一个选择：是消耗更多的电力，还是更多的水资源。数据中心运营商在选择冷却方式时，会在这两者之间进行权衡。如果水资源比电力更为廉价且供应充足，他们可能会选择消耗更多的水来冷却，以节省电力成本。

不过，这种趋势可能正在发生变化。AI的快速发展似乎不会放缓。在这种背景下，芯片的功耗正在逐步攀升，超过了千瓦级别，并推动了液体冷却技术的转型。

在最近的GTC大会上，Nvidia展示了其Grace Blackwell超级芯片，功耗高达2700瓦，两个芯片被设计成适应单个RU机箱。为了应对这种高度密集的封装，Nvidia毫不意外地选择了直接液体冷却（DLC）。

尽管直接液体冷却在运营效率上可能更具优势，它比传统的风扇散热方式更节能，但它也给数据中心运营商带来了不小的挑战，尤其是对于那些老旧的设施，适应这种新技术并不容易。

尽管液冷技术的普及对某些人来说是一个难题，但讽刺的是，从长远来看，它可能有助于减少水资源的消耗。液体冷却具有更高的热传导性，使得干式冷却器成为可能，其工作原理类似于汽车的散热器，只是规模更大。

在这种情况下，还存在热能再利用的潜力。例如，在SC23大会上，某个实验估算训练一个GPT-3大小的模型所产生的热量，足以为约4.6个温室供热，并可种植超过一百万株番茄。我们还看到过其他数据中心为区域供热网络提供热量的案例。

然而，在足够多的液冷系统普及之前，数据中心的用水量问题或许仍然会是人们关注的焦点，无论结果是好是坏。