每次与它聊天时，AI 都会喝一瓶水

人工智能系统口渴，消耗500毫升水–一个单份水瓶– 对于每个简短的对话用户使用 OpenAI 的 ChatGPT 系统的 GPT-3 版本。他们使用大致相同量的水来起草一封 100 字的电子邮件消息。

该数字包括用于冷却数据中心服务器的水以及发电厂消耗的水来运行它们。

但计算这些估计值的研究还指出，人工智能系统的用水量可能差异很大，取决于何时何地回答查询的计算机正在运行。

相关：人工智能正走向一场能源危机，科技巨头争先恐后

对我来说，作为一个学术图书馆员和教育学教授，了解AI不仅仅是知道如何编写提示。它还涉及了解围绕人工智能的基础设施、权衡和公民选择.

很多人假设人工智能本质上是有害的，特别是考虑到头条新闻呼吁其巨大的能源和水足迹.这些影响是真实的，但它们只是故事的一部分。

当人们从将人工智能视为一种资源消耗，转变为了解其实际足迹、影响来自哪里、它们如何变化以及可以采取哪些措施来减少它们时，他们就更有能力做出平衡创新与可持续性的选择。

2 个隐藏流

每个 AI 查询的背后都是两股用水.

首先是现场冷却产生大量热量的服务器。这通常使用蒸发冷却塔——将水喷洒在热管或开放式水盆上的巨型喷雾器。蒸发带走热量，但这些水会从当地供水系统（例如河流、水库或含水层）中排出。其他冷却系统可能会使用水少但电多.

第二条流由发电厂使用电力为数据中心供电.煤炭、天然气和核电站使用大量的水蒸汽循环和冷却.

水力发电还消耗了大量的水，这从水库中蒸发.聚光太阳能发电厂，运行起来更像传统的蒸汽发电站，可能是水密集型的如果他们依赖湿式冷却。

相比之下，风力涡轮机和太阳能电池板几乎不使用水一旦建成，除了偶尔的清洁。

气候和时间很重要

用水量随地点而变化巨大。位于凉爽潮湿的爱尔兰的数据中心通常可以依赖外部空气或冷却器，并在最少用水量.相比之下，7 月份亚利桑那州的数据中心可能严重依赖蒸发冷却.热干燥的空气使这种方法非常有效，但它也会消耗大量的水，因为蒸发是带走热量的机制。

时机也很重要。马萨诸塞大学阿默斯特分校的一项研究发现，数据中心可能冬天用水量只有夏天的一半.在热浪期间的中午，冷却系统会加班。晚上，需求较低。

较新的方法提供了有前途的替代方案。例如浸入式冷却将服务器浸入不导电的流体中，例如合成油，几乎完全减少水蒸发。

Microsoft 的一项新设计声称使用零水冷却，通过密封管道直接在计算机芯片上循环特殊液体。液体吸收热量，然后通过闭环系统释放热量，无需任何蒸发。数据中心仍将使用一些饮用水用于卫生间和其他员工设施，但冷却本身将不再来自当地供水。

然而，这些解决方案尚未成为主流，主要是因为成本、维护复杂性以及将现有数据中心转换为新系统的困难。大多数运营商依赖蒸发系统。

您可以使用的简单技能

被查询的人工智能模型类型也很重要。那是因为不同级别的复杂性以及硬件和处理器能力他们需要。某些模型可能比其他模型使用更多的资源。例如，一项研究发现某些模型可以消耗超过 70 倍的能量和水比超高效的。

您只需三个步骤即可自行估算人工智能的水足迹，无需高级数学计算。

第 1 步 – 寻找可靠的研究或官方披露。独立分析估计，一个中等长度的 GPT-5 响应，大约是 150 到 200 个单词的输出，或大约 200 到 300 个标记，使用约19.3瓦时.GPT-4o 的类似长度的响应使用约1.75瓦时.

第 2 步 – 使用每单位电的水量实际估计，结合冷却和电力的使用量。

独立研究人员和工业报告建议今天的合理范围约为每瓦时 1.3 至 2.0 毫升。低端反映了使用现代冷却和清洁电网的高效设施。高端代表更典型的站点。

第 3 步 – 现在是时候将各个部分放在一起了。取您在第 1 步中找到的能量数并将其乘以第 2 步中的水系数。这为你提供了单个 AI 响应的水足迹。

这是您需要的单行公式：

每个提示的能量（瓦时）×水系数（毫升/瓦时）= 每个提示的水（以毫升为单位）

对于对 GPT-5 的中等长度查询，该计算应使用 19.3 瓦时和每瓦时 2 毫升的数字。19.3 x 2 = 每次响应 39 毫升水。

对于对 GPT-4o 的中等长度查询，计算结果为 1.75 瓦时 x 每瓦时 2 毫升 = 每次响应 3.5 毫升水。

如果您假设数据中心效率更高，并且每瓦时使用 1.3 毫升，那么数字就会下降：GPT-5 约为 25 毫升，GPT-4o 约为 2.3 毫升。

谷歌最近的一份技术报告称，其 Gemini 系统的中值文本提示仅使用 0.24 瓦时的电力，并且约0.26毫升水– 大约五滴的体积。不过，报告没有说明该提示有多长，因此无法直接与 GPT 用水量进行比较。

这些不同的估计值——从 0.26 毫升到 39 毫升不等——表明效率、人工智能模型和发电基础设施的影响有多重要。

比较可以添加上下文

要真正了解这些查询使用了多少水，将它们与其他熟悉的用水情况进行比较会很有帮助。

当乘以数百万时，人工智能查询的用水量就会增加。OpenAI 报告每天 25 亿个提示.该数字包括对其 GPT-4o、GPT-4 Turbo、GPT-3.5 和 GPT-5 系统的查询，没有公开对每个特定模型发出多少查询的细分。

使用独立估计和 Google 的官方报告可以了解可能的范围：

• 所有 Google Gemini 中位数提示：每天约 650,000 升。
• 所有 GPT 4o 中等提示：每天约 880 万升。
• 所有 GPT 5 中等提示：每天约 9750 万升。

为了进行比较，美国人使用每天约340亿升浇灌住宅草坪和花园。一升大约是四分之一加仑。

生成式人工智能确实使用水，但至少目前是这样，与草坪、淋浴和洗衣等其他常见用途相比，其每日总量很小。

但它的用水需求并不是固定的。谷歌的披露展示了当系统得到优化时，使用专用芯片、高效冷却和智能工作负载管理.循环用水并将数据中心定位在凉爽、潮湿的地区也可以提供帮助。

透明度也很重要：当公司发布数据时，公众、政策制定者和研究人员可以看到可以实现的目标，并公平地比较提供商。

卢志强，图书馆院长;人工智能素养教务长顾问;教育学教授，弗吉尼亚大学

本文转载自对话根据知识共享许可。阅读原文.

宝宝起名 起名