AI系統的開發和部署需要大量運算能力，進而產生大量熱能，必須將其散發以避免過熱，大多數主要科技公司都嚴重依賴水來進行冷卻。隨著AI繼續以驚人的速度發展，對水的需求激增，導致AI公司的用水量激增，也引發人們對永續性的警惕，凸顯了AI產業迫切需要大幅減低其用水量。
例如OpenAI的GPT-3模型是利用45 TB的文字資料來進行訓練，為了處理如此大量的資料，公司依靠數以萬計的全天候運行的電腦資源。這種巨大的計算強度，轉化為極高的能源需求，有時需要多達好幾萬個家庭的電力來訓練一個自然語言模型。這種系統散發的熱量，超出最先進空氣冷卻方法的處理能力，因此，水冷系統已成為AI資料中心溫度調節的標準作法。
最近的分析估計，OpenAI的GPT-3訓練系統，可能會消耗超過70萬公升的水。隨著AI聊天工具和其他新興AI應用程式的指數級成長，即使是看似微不足道的單一AI應用，水成本也會迅速累積。
光是2022年，微軟的全球耗水量就成長了34％，這在很大程度上，要歸咎於 OpenAI模型運算能力的擴展。從2019到2023年，Google的用水需求增加了 60％，其中超過70％的水，專門用於支援AI資料中心的冷卻。隨著生成式AI應用在消費者和企業領域的激增，這些數字將繼續以更快的速度成長。
為了緩解這些壓力，資料中心實施替代蒸發冷卻方法，不會造成飲用水損失，有些公司也會回收資料中心使用過的水。然而，與湖泊、河流、水庫、含水層等的消耗相比，回收量顯得蒼白無力。即使將冷卻水從飲用水源轉向非飲用水源，也無法從根本解決該產業龐大的用水需求。
實現真正的AI水中和，朝永續發展邁進
全球約有一半人口已面臨季節性或常年缺水，主要糧倉地區的持續乾旱威脅糧食供應。隨著氣候變遷加劇全球水資源壓力，滿足人類基本需求和敏感生態系統的優先順序，高於資料中心冷卻等可自由支配的用途，但衝突和爭執在所難免。
雖然AI可望解決一些永續發展挑戰，但其水需求顯示了一個矛盾，即解決能源效率和碳排放等其他環境問題，是否優先於水資源風險。直接的水測量和報告仍然非常缺乏，大多數AI模型訓練環境影響報告，都狹隘地集中在易於追蹤的指標上，例如，伺服器能源使用和相關的溫室氣體排放，它們很少將水源消耗等，與水做為基本人權相關的擔憂納入考慮範圍。
公眾意識覺醒，也對負責任的水資源管理有重大影響，與AI系統互動的人們，常忽略背後產生的大量電力、冷卻和淡水需求。如何使潛在的水消耗量可見，使用戶能夠考慮限制不必要的AI應用程式使用，類似如何促使駕駛員，做出更有效的路線選擇和汽油使用。
實現真正的AI水中和，需要擴大替代冷卻的方法，促進雨水集水和廢水回收，確保供應鏈效率，並探索其他技術。在這同時，必須限制AI的隨意使用，並提高AI效率，才是AI永續發展的最可行途徑。
本文章反映作者意見，不代表《遠見》立場
（作者為台北商大前校長、叡揚資訊數位轉型大使）
