功耗之外还应用水考量：我们亟需开启的绿色人工智能对话

在过去两年中，围绕人工智能的可持续性辩论一直由一种资源主导：电力。

可再生能源目标、电力采购协议、图形处理器效率评级、计算工作负载的碳强度。这些都是合理的优先事项，业界认真追求这些目标是正确的。

尽管运行这些工作负载的每个数据中心都在大量消耗水资源，但水这种资源却没有得到同等的关注。

其原理并不复杂。蒸发式冷却塔——至今仍是整个行业最常见的冷却方式——通过将水蒸发到大气中来散热。

人工智能的推理和训练工作负载比传统企业计算产生的热量要高得多，这意味着需要带走更多热量，并在此过程中消耗更多的水。

Microsoft报告称，其全球用水量在2021年至2022年间增长了34%，而同期该公司正大规模扩展其人工智能基础设施。Google披露，2023年的用水量约为20亿升。

加州大学河滨分校的研究人员估计，一次ChatGPT对话最多可能需要消耗500毫升水，具体取决于服务器的位置及其冷却方式。

这些数字很少出现在运营商、投资者和监管机构用来评估绿色人工智能进展的可持续性框架中。

衡量指标

该行业通过电源使用效率（Power Usage Effectiveness, PUE）来衡量能源效率，这是一个广为理解、被广泛报道并与监管和采购要求日益挂钩的指标。

与此相对应的是用水效率（Water Usage Effectiveness, WUE），但其采用是自愿的，信息披露也缺乏一致性。

当可持续发展团队向董事会或客户做报告时，PUE是重点。而WUE即便出现，也通常放在附录中。这种等级关系正在影响基础设施决策和政策优先次序，并开始带来实际风险。

新加坡资讯通信媒体发展局（Infocomm Media Development Authority, IMDA）于2024年发布的《绿色数据中心路线图》（Green DC Roadmap），是一份严肃的文件，设定了明确且有时限的能源目标：新加坡所有数据中心须在10年内实现1.3或更优的PUE值。

其中关于用水效率的部分只有几段。它记录了2021年新加坡大型用水数据中心的WUE中位数为每兆瓦时2.2立方米，并指出该行业对水的需求预计将增长。

关于用水的部分设定了10年内达到每兆瓦时2.0立方米的WUE目标——这与2021年的中位数2.2相比，仅改善了0.2个单位。

为推动这一目标，政府没有像PUE框架那样提供新的拨款、设立新标准或强制性披露要求。两者的目标力度不可同日而语。

这并非是对这份在很多方面都做得很好的文件的批评。它只是反映了全球讨论的现状。然而，与其他地方相比，新加坡更难对这一差距视而不见。

新加坡通过新生水（NEWater）和海水淡化技术，建立了世界上最先进的水安全系统之一，但受人口增长、工业需求和气候模式变化的影响，本国及整个地区的淡水需求仍在持续增长。（见修订说明）

数据中心的用水情况

包括马来西亚、印度尼西亚和泰国在内，一些正在积极争夺数据中心投资的东南亚市场，都面临着水资源限制的问题。这些问题在目前规划设施的运营周期内将愈发严峻。

一个今年获批的数据中心，其运营年限可达15至20年。在这段时间内，水的可获得性并非一个固定不变的常量。

工程解决方案是存在的，并且并非处于实验阶段。闭环冷却系统通过循环用水而非蒸发来大幅减少消耗。直接液体冷却则使用液体冷却剂在芯片层面散热，完全绕过了蒸发冷却。

IMDA的路线图已经建议，对于功率密度可能超过每机架20千瓦的高密度人工智能机架，应采用液体冷却技术。

工程解决方案是存在的，并且并非处于实验阶段。闭环冷却系统通过循环用水而非蒸发来大幅减少消耗。直接液体冷却则使用液体冷却剂在芯片层面散热，完全绕过了蒸发冷却。

IMDA的路线图已经建议，对于功率密度可能超过每机架20千瓦的高密度人工智能机架，应采用液体冷却技术。

该建议在能源效率方面的理由是充分的。但其在用水效率方面同样显著的益处，却很少被同时提及。

如果在技术指南和未来的容量分配标准中，明确将用水效率——而不仅仅是能源效率——作为采用液体冷却的一个益处，将会改变运营商在规划阶段制定基础设施决策的方式。在规划阶段采取行动的成本远低于在改造阶段。

问责制需要一个基准，而可靠的基准则需要一致的信息披露。

全球最大的超大规模数据中心运营商已经开始自愿公布WUE数据。然而，构成新加坡大部分数据中心容量的区域性和托管运营商，基本上还没有这样做。

将WUE报告纳入已包含用水效率作为评估标准的“数据中心绿色标志”（Green Mark for Data Centres）框架中，或纳入未来的容量分配工作中，将能为自愿披露未能实现的目标奠定基础。

对于东亚地区的企业和运营商而言，其商业上的重要性已不容忽视。

范围三（Scope 3）报告框架正将其覆盖范围扩展到运营用水量。那些已经对碳足迹和能源足迹进行严格审查的机构投资者和大型企业采购团队，未来也将对水资源采取同样的做法。

当审查来临时，那些已经准备好结构化数据和可信改进路径的组织，将比那些被动应对的组织处于更有利的地位。

新加坡通过数十年来在水安全方面的努力，以及为数据中心能源效率设定的标准，已经证明了资源限制可以催生精确的政策和真正的创新。

将同样的准则应用于人工智能基础设施的用水维度，是理所当然的下一步。IMDA路线图的“动态文件”性质为此提供了实施的载体。

在这里，能源和水并非相互竞争的优先事项。一个完整的绿色人工智能战略应该同等严肃地对待这两个问题。

本文作者是Eaton公司东亚区电气事业部副总裁兼总经理

修订说明：本文早期版本中包含一则关于新加坡供水的不准确统计数据，现已更新。