咱们聊聊这 AI 的事。虽然现在大家用 AI 查东西、写文章特方便，却很少想到每次点击背后，其实藏着很大的能源消耗。特别是那些用水的问题，最近越来越多人盯着看了。毕竟全球搞 AI 的人那么多，要是不管这些资源损耗，早晚得出事。 先说算力这事儿，芯片在跑数据的时候特别热，为了不让它烧坏或者出问题，数据中心就得装个大空调给它降温。不管是那种老式的用水塔喷水冷却，还是现在先进的液浸式技术，水其实是里面很重要的“帮手”。水在这个过程中消耗有两种情况：一种是直接变成水蒸气跑了；另一种是在循环使用时因为脏了或者盐份变多了，变成废水排出去后得换新水。这就好比是电脑发烧得擦汗，擦完汗换张毛巾接着擦。 电力这一块其实也很耗水。数据中心要一直有电才能干活。可不管是烧煤的火电厂还是核电站，甚至有些风力发电站，生产电的时候也得用水来造蒸汽、做冷却或者冲洗机器。这些因为发电而被“吃”掉的水，咱们叫它“虚拟水”。数据显示这部分的量特别大，甚至可能是数据中心自己直接用水的好几倍。所以咱们在算 AI 到底用了多少水的时候，可不能只盯着服务器那一坨机器，还得算上它旁边电厂那边的开销。 为什么有人说一次查询才消耗几毫升水？而另一些人说得有好几百毫升？这其实主要看怎么算、在什么条件下算的。像那种超大模型处理复杂任务时需要的运算量，和一个简单的小模型处理个问题比起来，根本不是一个量级的。用户的问题写得长不长、要干啥也会影响到到底消耗了多少算力和时间。另外，地方不一样也有区别：用的是最先进的技术、多用太阳能风电的地方；或者是冬天特别冷能直接用自然冷风降温的地方，水的消耗量通常就比平均水平要少不少。如果是在北方的冬天用 AI 可能就比夏天省水得多。还有一个关键点是：在算总量的时候要不要把电厂那块儿的耗水也算进去？ 如果只看某家公司在自家最省电省水的场景下的数据去说话；跟学术界按照平均条件估算出来的大数值一比，就显得像是互相打架了。其实这是一个问题的两面：一家公司报的是自己的最好成绩；学术界报的是大家的平均水平。这就说明咱们现在急需要一个统一的、透明的、把所有环节都算上的标准体系来管管这事儿。 要想让 AI 变得更环保、更可持续发展已经成了大家的共识了。在技术上咱们得琢磨怎么让芯片更省电（能效比）；让算法更聪明少算些没必要的步骤；多发展太阳能风能这种对水资源依赖小的清洁能源；还有用自然冷却的办法或者把废热给回收利用起来节水节能。 在政策和行业管理上就要逼着企业把自己的环境信息亮出来（增加透明度）；摸索一套从发电到送电再到消费的完整绿色标准体系；同时也得教育用户要明白用数字服务也是有环境成本的（引导理性消费）。 AI 的“水问题”说到底就是咱们怎么高效用资源的事儿。它不是要拦着咱们搞创新的路；而是提醒大家在攀登科技高峰的时候不能忘了环保这块儿。只有通过持续的技术突破、科学的评估办法、大家一起努力治理还有理性的应用行为；咱们才能在享受数字红利的同时保住地球的自然资源基础；让智能时代的繁荣是那种能长久持续的、负责任的繁荣。 以后绿色算力设施的水平高不高；可能会像衡量算力本身的规模一样重要；成为决定一个国家在数字领域有没有竞争力的关键指标。