Как ИИ потребляет воду — Удивительная реальность

Охлаждение дата-центров

Основной способ потребления воды искусственным интеллектом — это системы охлаждения огромных дата-центров. В этих объектах размещаются тысячи высокопроизводительных графических процессоров (GPU) и тензорных процессоров (TPU), которые работают круглосуточно, обучая большие языковые модели и обрабатывая запросы пользователей. При работе эти чипы выделяют огромное количество тепла. Если это тепло не отводить, оборудование может снизить производительность или даже получить необратимые физические повреждения.

Методы испарительного охлаждения

Многие дата-центры используют испарительное охлаждение, которое часто является наиболее экономически эффективным способом регулирования температуры. В этом процессе вода испаряется в воздух, чтобы снизить температуру окружающей среды в серверных залах. Это похоже на то, как человеческий пот охлаждает тело. Хотя этот метод эффективен, он «потребляет» воду, так как жидкость превращается в пар и выбрасывается в атмосферу, а не собирается и используется повторно. В регионах с высокими температурами один дата-центр может расходовать сотни тысяч галлонов воды ежедневно только для того, чтобы серверы не расплавились.

Жидкостное охлаждение с замкнутым контуром

Чтобы бороться с высокими темпами потребления воды в испарительных системах, некоторые современные объекты переходят на охлаждение с замкнутым контуром. В этих системах вода или специальный хладагент циркулирует по трубам, прикрепленным непосредственно к тепловыделяющим компонентам. Жидкость поглощает тепло, а затем перекачивается к теплообменнику, где она охлаждается — часто с помощью наружного воздуха или вторичного источника воды — и возвращается обратно в контур. Хотя это значительно снижает количество воды, теряемой при испарении, для поддержания давления в системе и обеспечения вторичной фазы охлаждения все равно требуется надежный источник воды.

Сравнение обучения и вывода

Использование воды в жизненном цикле ИИ обычно делится на две фазы: фазу обучения и фазу вывода. Обучение такой модели, как GPT-4 или ее преемников 2026 года, включает работу тысяч чипов на максимальной мощности в течение нескольких месяцев. Этот этап невероятно водоемкий, так как тепловыделение постоянно и концентрировано. Исследователи отмечают, что обучение одной крупномасштабной модели может потребовать столько воды, сколько необходимо для заполнения бассейна на заднем дворе несколько раз.

Ежедневные взаимодействия с чат-ботами

Фаза вывода происходит каждый раз, когда пользователь отправляет запрос чат-боту. Хотя одно взаимодействие использует относительно небольшое количество воды — примерно несколько глотков или пол-литра в зависимости от сложности модели, — огромный масштаб глобального использования быстро складывается в большие цифры. Поскольку каждый день на платформы ИИ отправляются миллиарды сообщений, совокупный водный след этих «маленьких» взаимодействий становится серьезной экологической проблемой. По оценкам на 2026 год, полный день постоянной генерации изображений или выполнения сложных задач на рассуждение может потреблять от 18 до 36 галлонов воды на пользователя, в зависимости от эффективности конкретной архитектуры ИИ.

Косвенное потребление воды

Помимо воды, используемой непосредственно на площадке дата-центра, существует огромный «косвенный» водный след, связанный с электричеством, необходимым для работы ИИ. Большинство дата-центров получают энергию из местной электрической сети. В зависимости от структуры энергобаланса этой сети, значительные объемы воды могут использоваться для выработки гидроэлектроэнергии или для охлаждения на тепловых электростанциях (таких как атомные или угольные объекты).

Энергетическо-водная связь

Эта взаимосвязь известна как энергетическо-водная связь. Когда модель ИИ потребляет мегаватт-час электроэнергии, она фактически «потребляет» воду, которая была использована для производства этой электроэнергии. В некоторых регионах косвенное использование воды для производства электроэнергии фактически превышает прямое использование воды для охлаждения серверов. Это делает общее воздействие ИИ на окружающую среду намного больше, чем то, что измеряется только по счетчику воды в дата-центре. По мере роста экономики ИИ прогнозируется, что она будет потреблять более 23 кубических километров воды ежегодно — цифра, которая может удвоиться к 2050 году, если эффективность не улучшится.

Сравнение технологий охлаждения

В настоящее время отрасль находится в переходном периоде, отходя от традиционного воздушного охлаждения к более продвинутым решениям на основе жидкостей. В следующей таблице показаны различия между распространенными методами охлаждения, используемыми в дата-центрах ИИ по состоянию на 2026 год.

Региональные и социальные последствия

Расположение дата-центра определяет, насколько сильно его использование воды влияет на местное сообщество. В регионах с дефицитом воды, таких как части Юго-Запада Америки или Северной Африки, появление крупного дата-центра ИИ может создать нагрузку на местные коммунальные службы. Руководители государственного и частного секторов все чаще вынуждены взвешивать экономические выгоды от размещения технологических гигантов против долгосрочной безопасности местного водоснабжения. Были случаи, когда предлагаемые дата-центры требовали в тысячи раз больше воды, чем местное население, что приводило к регуляторному сопротивлению и необходимости большей прозрачности в отчетности.

Инфраструктура и инвестиции

Чтобы смягчить эти риски, многие технологические компании инвестируют в проекты по восстановлению водных ресурсов. Эти инициативы направлены на то, чтобы возвращать в местные водоразделы больше воды, чем потребляют дата-центры. Кроме того, развитие «Зеленого ИИ» привело к созданию объектов, которые используют переработанную «серую воду» для охлаждения вместо питьевой воды. Этот сдвиг необходим для устойчивого роста цифровой инфраструктуры, гарантируя, что прогресс в машинном обучении не происходит за счет базовых человеческих ресурсов.

Будущее устойчивого ИИ

По мере продвижения в 2026 год фокус смещается в сторону «водосознательного» ИИ. Это включает оптимизацию программного обеспечения для работы в более прохладное время суток, когда испарительное охлаждение более эффективно, или перенос рабочих нагрузок в дата-центры, расположенные в естественно более холодном климате, где можно использовать «бесплатное охлаждение» наружным воздухом. Стартапы также внедряют инновации на уровне чипов, интегрируя каналы охлаждения непосредственно в кремниевую архитектуру для более эффективного отвода тепла с меньшим количеством жидкости.

Для тех, кто интересуется более широкой цифровой экономикой, включая то, как эти технологии пересекаются с финансовыми рынками, можно изучить такие активы, как Биткоин. Например, пользователи могут проверить BTC-USDT">ссылку на спотовую торговлю WEEX, чтобы увидеть текущие рыночные тренды. Хотя дискуссии об экологии часто фокусируются на оборудовании, эффективность самих алгоритмов играет огромную роль в том, сколько физического охлаждения — и, следовательно, воды — в конечном итоге требуется. Вы можете зарегистрировать аккаунт на https://www.weex.com/ru/register?vipCode=vrmi, чтобы оставаться в курсе развивающегося ландшафта технологий и цифровых активов.

Резюме использования воды

Вкратце, ИИ использует воду в основном для отвода тепла, выделяемого при высокоплотных вычислениях. Это происходит через прямое испарение в дата-центре и косвенно через воду, необходимую для производства электроэнергии. Хотя индивидуальная «стоимость» одного запроса к ИИ невелика, глобальный масштаб отрасли создал значительный экологический след. Путь вперед включает сочетание лучшего проектирования оборудования, более эффективных технологий охлаждения, таких как жидкостное охлаждение непосредственно на чипе, и стратегического географического распределения дата-центров для минимизации воздействия на местные сообщества, испытывающие дефицит воды.