简而言之
用水量随能耗而变化,所以第一步是一样的:使用更小的模型、更短的输出,减少重新生成。此外,选择公开用水数据的托管方,避免在水资源紧张地区开展高负荷工作,并向供应商索取站点层面的用水数据。每条文本提示的用水量很小;真正重要的是总量和对当地的影响。
步骤
- 先减少计算:使用更小的模型、更短的输出,减少重新生成。
- 向托管方询问站点层面的用水量和 WUE,以及水的来源。
- 对于训练等高负荷且可灵活安排的工作,避开水资源紧张的地区。
- 优先选择公开或向监管机构报告用水量的托管方。
- 在 AI 采购问题和您自己的报告中纳入用水情况。
计算越少,用水越少;而计算在哪里进行,决定了这些水有多重要。 数据中心用水主要用于冷却,发电厂发电也要用水。
我们说的是多少水?
按每条文本提示计算,非常少:Google 报告称,Gemini 文本提示的中位数用水量为 0.26 毫升。但从总量和某些地方来看,用水量很大:Li、Yang、Islam 和 Ren 估计,在 Microsoft 位于美国的数据中心训练 GPT-3 可能直接蒸发了约 700,000 升水,并预测 2027 年全球 AI 需求可能带来 42 亿至 66 亿立方米的取水量。如何估算您自己的那一份,请参阅估算 AI 的水足迹。
什么才能真正减少用水?
- 减少计算。 联合国教科文组织(UNESCO)和伦敦大学学院(UCL)发现,小型专用模型最多可将能耗降低 90%,更短的提示和回答可将能耗降低一半以上;用水量随能耗一同下降。
- 地点。 在干旱地区取用一升水,比在水资源充足的地方影响更大,因此请尽可能把可灵活安排的高负荷工作从水资源紧张的站点移走。
- 供应商证据。 在欧盟,IT 电力需求至少为 500 kW 的数据中心运营者必须根据授权条例 2024/1364 报告能源和用水情况。请索取这些数据。
常见错误
- 只追求最低的 WUE。 节水的冷却方式可能耗电更多;请把 PUE 和 WUE 放在一起看。
- 担心简短的提问,却毫无节制地生成图片和视频。
- 忘记发电厂的用水,站点数据并不包括这部分。
请参阅托管与数据中心。
来源
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres, European Commission (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
相关内容
如何估算 AI 的水足迹?
根据能耗和数据中心的水分利用效率估算 AI 用水量,加上发电所用的水,并说明用水发生在哪里。
如何看懂 PUE 和 WUE 数据?
PUE 反映数据中心的能源额外开销,WUE 反映每 kWh 的现场用水量。本文说明这些数字的含义、如何比较,以及它们没有涵盖什么。
如何为 AI 选择可持续的数据中心?
看证据而不是标签:电网碳强度、逐小时清洁电力占比、PUE、用水量、硬件寿命,以及您账户层面的能耗和排放数据。
绿色 AI 的托管与数据中心
如何选择 AI 的运行地点:电网碳强度、PUE 与 WUE、可再生能源声明、用水和选址,并附上可向托管服务商提出的问题。