AI巨兽：耗电暴增2000倍，小镇水资源瞬干，电费炸！

亲爱的读者朋友们，大家好！

随着科技的飞速发展，人工智能（AI）已经深入我们生活的方方面面，从智能语音助手到自动驾驶，再到各种线上服务，AI的影子无处不在。而支撑这一切宏伟图景的，正是那些在幕后默默运转的AI数据中心。这些庞大的“数字大脑”不仅是算力的核心，也牵动着我们对能源、水资源乃至生态环境的思考。今天，新媒网跨境将和大家一起，深入了解AI数据中心的故事，看看它们是如何运作的，以及它们与我们生存环境之间千丝万缕的联系。

一、数据中心的基本面貌

1. 数据中心究竟如何运作？

   数据中心，可以说就是AI跳动的心脏。它们通过提供强大的计算、海量存储和高速网络连接，支撑着整个数字世界的运转。想象一下，一个数据中心就像一个巨大的“智慧仓库”，里面整齐地排列着各种服务器设备，它们彼此连接，共同工作。

   从结构上看，数据中心可以分为多个层级。最小的单元是容纳单个服务器的“盒子”，多个服务器组成一个“机架”，而众多机架则被安置在一栋栋专门的建筑中。这些建筑可能还会进一步组成一个“园区”，甚至在地理上被划分为更大的“区域”，比如外媒常提及的“美国东部一区”等。为了确保信息在全球范围内畅通无阻，这些数据中心通过路由器和光缆与外部世界紧密相连，实现本地和全球的数据传输。虽然现在大多数数据中心都像足球场那么大，里面塞满了服务器，但根据不同公司的需求，也有各种小型的配置。

2. AI数据中心为何与众不同？

   随着AI时代的到来，数据中心的需求也悄然发生了变化。过去，重心可能更多放在数据的存储和传输上，而如今，大规模并行、计算密集型的处理任务成为了主角。

   比如，现代机器学习（ML）方法中常见的矩阵乘法等计算，在图形处理器（GPU）上运行速度要快几个数量级。这是因为GPU天生就是为并行处理而设计，可以同时执行数千个进程，而传统的中央处理器（CPU）则更擅长顺序处理。GPU最初是为了实时渲染视频游戏而生，但随着专为机器学习设计的最新一代GPU面世，它们的效率每年能提升高达40%。

   此外，专为ML工作负载设计的硬件，如张量处理单元（TPU）和神经网络处理单元（NPU）等“AI加速器”的出现，更是进一步提升了效率。

   AI模型的训练和部署（也称为推理）虽然工作负载不同，但可以在相同的硬件上运行，只是配置有所区别。训练阶段需要海量并行计算，可能需要将多达数十万个AI加速器连接起来，形成一台“超级计算机”。而部署阶段则更灵活，可以根据用户需求进行扩展或缩减，并且能适应不同批次大小的数据处理，这意味着硬件通常不会被完全利用。无论是训练还是部署，这些工作负载的波动性都非常大，需求可能在短时间内暴涨或骤降，这给数据中心及其所连接的电网带来了巨大挑战。

3. 它们都“住”在哪里？

   数据中心其实早已不是新生事物，随着互联网、电子邮件和流媒体服务的普及，它们已经存在了几十年。直到2018年，全球数据中心容量的年增长率还只有几个百分点。然而，在过去的七年里，这一增长始终保持在两位数。

   根据外媒的最新估计，全球大约有12000个数据中心，其中约10%专门用于AI。这些数据中心的地理分布高度集中，全球只有32个国家拥有数据中心，而美国就占据了将近一半。其中，美国弗吉尼亚州的数据中心密度全球最高，几乎囊括了全球35%的超大规模数据中心。这种集中有多种原因：包括便宜的电力、高速光纤网络（包括海底光缆）带来的快速数据传输，以及早期互联点和当地税收优惠等历史因素。鉴于机器学习模型训练特别需要大型的、集中部署的集群，这进一步加剧了集中趋势，弗吉尼亚州依然是新建超大规模数据中心项目的首选之地。

二、能源的“大胃王”

1. AI数据中心为何如此耗能？

   最近关于数据中心的大部分讨论都围绕着其庞大的能源需求展开，这给美国弗吉尼亚州等地的电网带来了巨大压力，甚至导致居民电费上涨。

   从宏观来看，这主要有几个因素：一方面，GPU的能耗远高于CPU。以英伟达最新的Blackwell型号GPU为例，其功耗高达600瓦，而最新的CPU功耗仅为250瓦。

另一方面，硬件本身的集成度越来越高——一个服务器机架中包含多个GPU，一个数据中心里则有数百个服务器机架，这使得整体功耗成比例上升。

过去，以CPU为主的服务器机架通常消耗5-10千瓦的电力，但在GPU时代，机架所需的电力是原来的10到20倍。对于一个超大规模数据中心集群来说，这意味着其电力需求可能高达5甚至10吉瓦，这在短短十年间，相比于之前的5兆瓦，足足增加了2000倍。这样的数字，足以让任何人都对AI时代的能源挑战有更直观的认识。新媒网跨境了解到，如此巨大的用电量，对电网的稳定性和可靠性提出了前所未有的要求。

2. 这些能源来自何方？

   根据国际能源署（外媒机构）的最新估计，全球数据中心60%的能源来自煤炭、天然气等化石燃料。仅在美国，数据中心在2023年产生的二氧化碳当量（CO2e）估计超过1.05亿吨，占美国总排放量的2%。

   这个估算指的是数据中心实际消耗能源所产生的排放（即基于地理位置的排放），而不是数据中心运营商通常报告的、通过购买可再生能源证书来抵消的排放（即基于市场的排放）。

   鉴于AI数据中心对电网造成的巨大压力（因为它们需要在特定地点提供大量集中的电力），目前有多种方式来解决这一问题。例如，采用“离网”方案，即独立的微电网，可以利用与数据中心所在位置不同的能源类型，包括结合可再生能源、化石燃料和电池储能的混合系统，或者采用化石燃料系统来提供比当地电网更能承受的电力输出。

3. 数据中心能完全由可再生能源供电吗？

   虽然说AI数据中心一年365天、每天24小时都以接近最大负荷运行有些夸张，但它们确实保持着一种高强度且波动的运行模式：训练时约使用80%的容量，推理时则在40-60%之间。这意味着数据中心所需的电力在不同时刻可能会有巨大的波动。

   要解决这个问题，要么为数据中心供电的能源必须同样响应迅速且动态，要么在数据中心和电源之间需要某种缓冲，以补偿供需之间的潜在差异。这种差异如果不加以控制，可能会损坏设备并导致电网不稳定。

   化石燃料发电机对需求波动非常敏感，但可再生能源（如太阳能、风能）和核电站则不然。这很容易理解：理论上，总是可以泵入更多或更少的天然气来产生更多或更少的电力，但很难控制太阳能电池板或风力涡轮机的输出，因为它们取决于日照强度或风速的变化（而核电站的输出则几乎保持稳定）。尽管理论上可以通过电池或电容器等设备来弥补这种波动，但这会显著增加成本，使得这些选项对数据中心建设者和运营商来说更加昂贵。

4. 核能会解决数据中心的能源危机吗？

   在AI数据中心的背景下，核能引起了广泛关注，近年来，多家科技公司与核能初创企业和设施运营商宣布建立合作伙伴关系。这些努力大多是面向未来的，时间跨度从几年到几十年不等。

   目前，核能约占全球电力供应的9%，其中一半以上的现有产能集中在美国、中国和法国。尽管全球范围内新反应堆的建设仍在继续，但这平均需要6到8年时间。即使是将现有退役的核反应堆重新投入使用（例如，微软和谷歌计划重启的美国三里岛核电站和杜安·阿诺德能源中心），也需要3到5年。

   即使在法国这样核能盈余的国家，由于所需的许可和建设程序，将新的数据中心连接到现有电网也可能需要长达5年的时间。

   最后，小型模块化反应堆（SMRs）等新技术，虽然作为一种潜在的、为数据中心供电的有前景方式，但目前尚未大规模投入使用。北美首个商业SMR预计要到2029年才能上线，而且这项技术还需要数年才能成熟并被广泛采用。其他核能发电的替代方法，如核聚变，也是活跃的研究领域，致力于开发这种方法的公司也获得了科技公司的投资，然而，它们目前也无法实现商业化规模应用。

三、水资源的挑战

1. 数据中心为何需要大量水资源？

   AI数据中心的水足迹主要由三类用水构成：一是现场用水（即数据中心的现场冷却），二是为数据中心供电的发电设施的用水（这在化石燃料、核能和水力发电厂中尤其高），三是材料制造过程中消耗的水，特别是AI处理芯片的制造。

   在全球层面，数据中心的年度总耗水量估计约为5600亿升。

   最初，传统的、以CPU为中心的数据中心采用空气冷却（即使用类似笔记本电脑和台式机中的风扇）就足够了。但随着对配备GPU的超大规模数据中心的需求不断增长，基于水的冷却方式也随之增加，因为水在散热方面比空气更高效。

   数据中心专门使用淡水进行冷却，因为盐分会堵塞冷却回路。一个超大规模数据中心平均每天用水量高达2000万升，这相当于一个拥有1万到5万居民的小镇的用水量。鉴于地球上只有3%的水是淡水，而且许多含水层已经面临干旱和过度消耗的压力，这限制了数据中心建设可用水的量和选址。新媒网跨境获悉，如何在水资源日益紧张的背景下，平衡技术发展与环境保护，是我们必须面对的时代命题。

2. 哪些方案可以减少数据中心冷却的用水量？

   目前，大多数数据中心采用的是开放式冷却系统，这导致高达80%的进水蒸发，其余部分则排放回河流和溪流。虽然闭路冷却系统（即所有水都循环利用，不蒸发）在技术上可行，但成本更高，因此不太常见。

   不过，行业内也开始采纳更环保的冷却方法，例如海水淡化、水循环利用以及更高效的直达芯片冷却技术。

   至于芯片制造用水，这方面的减排尤其困难，因为在GPU芯片的制造过程中，需要大量超纯水进行清洁、蚀刻和冲洗，一个普通工厂每天的用水量高达4000万升。这会给当地含水层带来巨大压力——例如，生产全球90%以上先进计算芯片的中国台湾地区，近年来就经历了多次干旱，导致当地政府关闭了数万英亩农田的灌溉，以优先保障芯片制造用水。

   然而，许多新的芯片制造厂正在努力减少用水量，例如通过采用新型工艺或部署水回收项目。这展现了科技企业在追求效率的同时，也在积极履行社会责任。

结语

AI数据中心无疑是AI研究和实践的前沿阵地，它们对环境的影响也绝非微不足道——无论是运行所需的巨大水和能源，还是由此产生的排放。考虑到AI增长的速度和规模，这些影响也在迅速增加，而许多提出的解决方案尚未达到足以抵消这些影响的规模。新媒网认为，作为科技发展的重要参与者，我们理应至少争取在这些影响方面提高透明度，并积极主动地将缓解措施融入下一代数据中心的建设和运营中。共同致力于可持续发展，让科技进步与绿色未来同行。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/ai-beast-power-2000x-water-bill-shock.html