“這是科技和人類需求的一種間接競爭。”負(fù)責(zé)這項研究的加州大學(xué)河濱分校電氣與計算機(jī)工程系副教授任紹磊（Shaolei Ren）在接受《每日經(jīng)濟(jì)新聞》記者（以下簡稱NBD）專訪時坦言，AI與人類爭奪水資源在現(xiàn)實中已經(jīng)發(fā)生。他主導(dǎo)的研究表明，用ChatGPT3對話10~50次用水量就達(dá)到500毫升。任紹磊介紹，AI的用水量還會不斷上升，2027年可能會達(dá)到40~60億立方米，大概相當(dāng)于4~6個丹麥的用水量。
隨著AIGC的研發(fā)突破和廣泛應(yīng)用，訓(xùn)練人工智能大模型對環(huán)境的影響逐漸受到重視。但是，與廣受關(guān)注的“碳足跡”相比，“水足跡”卻很少被提及，甚至鮮有數(shù)據(jù)披露。“重視程度大概晚于碳足跡10年。”任紹磊說。他早在10多年前就開始研究數(shù)據(jù)中心的耗水問題，一直以來缺乏關(guān)注度，AI大模型的走紅讓他覺得“蹭上了熱點”。
AI大模型訓(xùn)練過程中大量使用數(shù)據(jù)中心（服務(wù)器），數(shù)據(jù)中心現(xiàn)場的冷卻用水（范圍1），場外的所需電能發(fā)電用水（范圍2），AI芯片制造等供應(yīng)鏈用水（范圍3），都會使用并蒸發(fā)消耗大量清潔淡水。任紹磊認(rèn)為，測量AI的水足跡并將其公開很簡單，也是減少耗水的第一步。
讓任紹磊欣慰的是，歐盟和國際標(biāo)準(zhǔn)組織（ISO）近期都開始行動，試圖要求或呼吁相關(guān)企業(yè)披露AI或數(shù)據(jù)中心的用水量。他正在關(guān)注一個新的研究方向——環(huán)境公平的AI。“我們需要確保環(huán)境成本在不同地區(qū)公平分配，不希望把所有的負(fù)面效應(yīng)讓個別地區(qū)全部承擔(dān)。”
任紹磊表示，暫時我們應(yīng)該看不到AI在自主意識下爭奪資源，但是間接的爭奪是有的。圖為任紹磊受訪者供圖
“水足跡”正好蹭上AI熱點
NBD：何時開始關(guān)注AI的“水足跡”問題？
任紹磊：其實我們十多年前就開始研究數(shù)據(jù)中心的“水足跡”，但是當(dāng)時外界關(guān)注得非常少，現(xiàn)在也相對比較少。我覺得其實也是蹭到AI這個熱點。這項研究出爐的時間也剛好跟谷歌和微軟用水量猛增時間契合。之前他們其實都不公開這些數(shù)據(jù)的，也就是從2020年開始披露。
用水量增長具體多少是由于AI所帶來很難講，但是至少他們新建的很多數(shù)據(jù)中心是專門做AI。而且AI 一般來說在他們整體業(yè)務(wù)占比應(yīng)該是越來越高。因為其他業(yè)務(wù)相對比較穩(wěn)定，增長可能沒有那么多，需求也沒有增長那么快。但現(xiàn)在AI除了一方面他推出產(chǎn)品，另一方面他們內(nèi)部要做很多測試開發(fā)。
NBD：AI對水的需求會越來越大嗎？
任紹磊：隨著AI應(yīng)用全面普及，大家用得越來越多，這個過程中數(shù)據(jù)中心對水的消耗量會越來越大。而且現(xiàn)在化石能源發(fā)電過程中，它除了產(chǎn)生碳排放，也需要水。
隨著能耗越來越大，有些公司可能就會做一些“小把戲”。比如，把耗水量大的冷卻方式改為能耗更大的方式，這個“水足跡”暫時沒有記在他自己頭上了。把直接用水改成了間接用水，其實發(fā)電廠可能需要消耗更多的水，從整個地區(qū)的水資源利用效率來說反而是更差了。
有研究表明，2027年AI的用水量可能會達(dá)到40億~60億立方米，大概相當(dāng)于4~6個丹麥的全國用水量。
NBD：很多科幻作品都曾出現(xiàn)AI與人類爭奪資源的場景，您認(rèn)為未來會出現(xiàn)這種情況嗎？
任紹磊：暫時我們應(yīng)該看不到AI在自主意識下爭奪資源，但是間接的爭奪是有的。建設(shè)數(shù)據(jù)中心會影響當(dāng)?shù)赜盟€是有可能的。
在一些地方，企業(yè)想去那兒建一個數(shù)據(jù)中心，要先承諾說建水廠之類的設(shè)施，因為當(dāng)?shù)氐乃萘渴遣粔虻摹Ｃ绹襟w已經(jīng)有報道，這樣的事情在美國已經(jīng)發(fā)生。這可能也是一種間接的競爭，科技和人類需求的一種競爭。
很多人把數(shù)據(jù)中心和谷歌、微軟等大科技公司畫等號，其實他們的數(shù)據(jù)中心在整個數(shù)據(jù)中心產(chǎn)業(yè)都是非常小的一部分，更大的部分是第三方的托管數(shù)據(jù)中心。
比碳排放晚10年被重視
NBD：“水足跡”為何一直被忽視？
任紹磊：一般來說，科技巨頭對水資源的重視程度大概是晚于碳排放10年。10年前那些大公司就開始提減少碳排放，那時候沒有人提到水，都沒有關(guān)于水足跡任何信息。
我覺著大家可能對水資源的認(rèn)識不是那么深刻。很多人覺得反正水是循環(huán)的，所以無所謂，然后說農(nóng)業(yè)用的水更多，數(shù)據(jù)中心用水不算個事兒。
我覺得這個邏輯是很不成立的。數(shù)據(jù)中心的整體碳排放占全世界比例大概也只有0.2%~0.4%，為什么這么受關(guān)注呢？我們談環(huán)保總要找一個目標(biāo)。
NBD：該如何減少AI的“水足跡”？
任紹磊：我們可以在做調(diào)度的過程中把“水足跡”也考慮進(jìn)去，從技術(shù)上來說也不是那么難。只要作一些考量，作一些優(yōu)化，從這方面也可以減少很多用水量，減少30%~40%是比較輕松的。
比如建一個汽車生產(chǎn)線，想要把訂單轉(zhuǎn)移到其他地方，可能需要好幾年的周期，時間比較長。但對于AI來說，這種平衡是分分鐘的事，其實他們時時刻刻都在做這種平衡。
他們現(xiàn)在在做的平衡主要是考慮電費，或者離用戶的距離。比如這個地區(qū)突然有一些網(wǎng)絡(luò)擁塞，可能就會把這部分的用戶轉(zhuǎn)移到其他地方。他們時時刻刻都在做這種監(jiān)控和優(yōu)化調(diào)整。
NBD：有大型科技公司也提出了實現(xiàn)水資源正效應(yīng)的目標(biāo)，這會有效果嗎？
任紹磊：實現(xiàn)水資源正效應(yīng)屬于一個補救方案。這是模仿過去十年在碳排放上的做法。比如在這塊兒用了很多化石能源的電，就在其他地方建個太陽能發(fā)電場，或者去市場上買點綠電或碳匯。
水資源正效應(yīng)其實方法類似，在這兒用了這么多水，在別的地方“打個井”補償回來。當(dāng)然說“打井”是一個比較通俗的表達(dá)方式，實際上是恢復(fù)水源的一種方式。
這也不是那么容易的事兒，因為水資源它是一個比較特殊的東西。這種投資有很大不確定性，投資周期又相對長一些，可能需要3~5年，甚至更長時間來才能產(chǎn)生效益。
減少水足跡目前主要是靠三個方面的路徑，一方面是減少用水量，直接減少；另一方面就是說既然我用了，我就給你補充點兒；第三方面，除了讓我自己節(jié)水，我還可以幫助別人節(jié)水。
AI也需要環(huán)境公平
NBD：現(xiàn)在AI的“水足跡”似乎并不透明？
任紹磊：目前來說，大型科技公司為了他們自己的形象，也作一些披露。占大頭的那些傳統(tǒng)的數(shù)據(jù)中心，還完全沒有走到這一步。有兩家全球最大的托管數(shù)據(jù)中心，都是上市公司，比谷歌上市要早很多。他們都沒有披露關(guān)于水的信息，是完全沒有的。但是他們其實體量遠(yuǎn)比谷歌要大很多，他們相當(dāng)于站在幕后，比較低調(diào)一點兒。
我覺得現(xiàn)在很多人已經(jīng)意識到水足跡的重要性。歐盟已經(jīng)有最新的法律要求企業(yè)匯報自己的水資源使用情況，包括數(shù)據(jù)中心，甚至規(guī)模很小的數(shù)據(jù)中心都開始需要匯報自己的用水量。國際標(biāo)準(zhǔn)組織（ISO）2024年也會發(fā)布一個技術(shù)報告，要求AI大模型開發(fā)者匯報自己的碳排放和用水量。
如果各國政府都出臺像歐盟這樣的法律，那就會形成一個底線，所有企業(yè)就不得不這么做了。
NBD：AI的水消耗會不會在某些區(qū)域比較嚴(yán)重？
任紹磊：我們不希望把所有的負(fù)面效應(yīng)讓某個個別地方去全部承擔(dān)。因為AI是比較靈活的?？臻g上、時間上以及它的規(guī)模大小都可以很自由的調(diào)節(jié)。所以我們希望在運行過程中，能夠考慮到不同地區(qū)的環(huán)境公平性以及其他方面的。
加州州政府的一個報告提及AI未來的問題，也提到了需要保證AI的環(huán)境公平。包括聯(lián)合國教科文組織、世界經(jīng)合組織，在討論AI的環(huán)境問題時，也提到了這種環(huán)境均衡性。
NBD：我們是否可以這樣理解環(huán)境均衡性導(dǎo)致的問題。一些很先進(jìn)的AI可能是在南美洲、非洲訓(xùn)練出來的，靠低成本的、貧困國家的水資源換來的，因為可能在那個地方訓(xùn)練對公司來說盈利最大化。
任紹磊：這個理解是正確，但是目前還沒有到那個程度。我們不希望僅僅由于那個地方便宜，就在大夏天的去在那兒去做訓(xùn)練，消耗他們的水資源。我們需要確保環(huán)境成本在不同地區(qū)公平分配，以實現(xiàn)環(huán)境公平的人工智能，這是負(fù)責(zé)任的人工智能的一個重要考慮因素。
