摘要

我們揭示了 AI 的用水足跡（water footprint）這一長期被忽視的環(huán)境維度，并給出一套可復(fù)現(xiàn)的定量估算方法。以 GPT?3 為例，我們顯示：大型模型訓(xùn)練可能消耗百萬升量級的水。進(jìn)一步地，數(shù)據(jù)中心就地（scope?1）與電網(wǎng)鏈路（scope?2）的水效率具有顯著的時空差異，因此**“何時、何地”運行 AI會極大影響其用水足跡。我們建議提升透明度并在可持續(xù)報告中系統(tǒng)納入 scope?2 水耗**，同時以整體方法共同優(yōu)化碳足跡與水足跡，推動真正可持續(xù)的 AI。

1. 引言：AI 的“隱性用水賬”

隨著大模型在云端訓(xùn)練與推理的繁榮，業(yè)界主要關(guān)注能耗與碳排；然而，水資源影響同樣深刻。水足跡不僅來自數(shù)據(jù)中心冷卻系統(tǒng)的現(xiàn)場取水與消耗（scope?1），還來自為 IT 負(fù)載供電的電力系統(tǒng)上游（scope?2），以及硬件制造（scope?3）的“嵌入式用水”。過去由于數(shù)據(jù)缺失與核算口徑不一，AI 的水足跡長期“雷達(dá)下飛行”。本文旨在正本清源：提出方法、給出量化，并討論工程層面的緩解與政策建議。

2. 定義與核算：范圍、口徑與公式

為避免概念混淆，先厘清術(shù)語：

• 取水（withdrawal）：從水體中取走的水量；

• 消耗（consumption）：取走后不返回原水體的部分（例如蒸發(fā)損失，或排入不同水體）；

• PUE（電源使用效率）：衡量數(shù)據(jù)中心非 IT 能耗開銷；

• WUE（水使用效率）：單位能耗或單位 IT 負(fù)載對應(yīng)的取水/消耗強度（可分現(xiàn)場與鏈路兩類）。

AI 的水足跡通常拆分為三部分：

2.1 運營水足跡（Operational / Scope?1 + Scope?2）

采用時間分槽模型，記時隙 (t=1,2,dots,T)。在時刻 (t)，某 AI 負(fù)載的IT 能量消耗為 (e_t)，其所在數(shù)據(jù)中心的 PUE 為 (theta_t)。令 (rho_{s1,t}) 為現(xiàn)場（scope?1）水強度，(rho_{s2,t}) 為鏈路（scope?2）水強度（均可按“取水”或“消耗”分別定義）。則在區(qū)間 ([1,T]) 的總運營水足跡可寫為：

[
text{Water}{text{Operational}}
= sum{t=1}^{T} e_t,big[,rho_{s1,t} + theta_t,rho_{s2,t},big].
]

該式將IT 負(fù)載能量與非 IT 開銷（通過 PUE）、兩類水強度耦合，從而給出可逐時評估的運營水耗。需要注意：(rho_{s1,t}) 與外界氣象條件（溫度、濕度）相關(guān)，(rho_{s2,t}) 與電網(wǎng)燃料結(jié)構(gòu)（如火電、核電、可再生）及其時變調(diào)度相關(guān)，二者都具有顯著時空多樣性。

2.2 鏈路水足跡（Scope?2）與時空差異

不同地區(qū)與不同時段的電網(wǎng)燃料組合不同，導(dǎo)致為同樣的 IT 負(fù)載“供電”而間接造成的鏈路用水差異巨大。峰熱時段和干旱地區(qū)往往具有更高的 WUE；反之亦然。這意味著：把負(fù)載遷往/調(diào)度到“水效率更高”的地點/時段，可以在不改變模型結(jié)構(gòu)的前提下顯著降低用水。

2.3 嵌入式水足跡（Scope?3）

與“嵌入式碳”（制造期溫室氣體）相似，服務(wù)器與芯片制造會產(chǎn)生嵌入式用水。若制造期總用水為 (W)，設(shè)備預(yù)計服役 (T_0)，則在評估窗口 (T) 的攤銷量可寫成相應(yīng)的時間加權(quán)項（隨設(shè)備數(shù)量/利用率變化）。當(dāng)前公開數(shù)據(jù)仍然稀缺，缺口主要在芯片制造環(huán)節(jié)，需要行業(yè)與學(xué)術(shù)界進(jìn)一步披露與建模。

小結(jié)：運營水足跡關(guān)注“用電 + 冷卻”；鏈路水足跡隨電網(wǎng)燃料結(jié)構(gòu)與時段變化；嵌入式水足跡需跨供應(yīng)鏈核算。三者合并才能得到 AI 的“真實用水成本”。

3. 案例：大型模型訓(xùn)練的“百萬升”量級

以 GPT?3 等大型訓(xùn)練為例，按上式逐時累積并結(jié)合實際數(shù)據(jù)中心的 PUE 與地區(qū)/時段的 WUE，估算顯示：單次大規(guī)模訓(xùn)練可達(dá)到百萬升量級的取水/消耗。這還未計入范圍三（制造）端的不完全統(tǒng)計。值得注意的是：

• 鏈路占比不容忽視：正如碳足跡需要考慮 scope?2，水足跡同樣需要把發(fā)電側(cè)的用水計入。部分公司（如 Meta）已在可持續(xù)報告中開始納入 scope?2 水耗。

• 美國 2028 年的預(yù)測表明，若數(shù)據(jù)中心用電持續(xù)增長，僅美國范圍內(nèi)與 AI 相關(guān)的取水與消耗就可能超過此前給出的全球估算。由此可見該議題的緊迫性。

4. “何時/何地”與“跟隨/背離太陽”：碳–水的調(diào)度沖突

為了降低碳足跡，數(shù)據(jù)中心負(fù)載常被建議“跟隨太陽（follow the sun）”，即在光伏更充足的時段/地域運行；而為了降低水足跡，我們卻可能需要“背離太陽（unfollow the sun）”，避開高溫高 WUE的日間時段（例如夜間更優(yōu)）。

圖2（a）（b）顯示了一個關(guān)鍵事實：水強度與碳強度在時間/空間上并不總是對齊，最小化其一可能會增大另一個。因此，“水?碳協(xié)同”的整體策略才是正解：在站點選擇、能源采購、冷卻方式與負(fù)載調(diào)度上聯(lián)動優(yōu)化，在滿足服務(wù)目標(biāo)的同時統(tǒng)籌兩條曲線。

5. 工程應(yīng)對：從基礎(chǔ)設(shè)施到調(diào)度與披露

5.1 數(shù)據(jù)中心側(cè)：冷卻與水源管理

• 冷卻技術(shù)選擇：在滿足 IT 熱設(shè)計的前提下，優(yōu)先選擇低水強度的方案（例如強化空氣側(cè)自由冷卻、干式/閉式冷卻、熱通道/冷通道封閉降低需水量），必要時采用再生/回用水替代淡水；

• 站點與水源：新建/擴(kuò)容應(yīng)優(yōu)先考慮水資源承載力與再生水可得性，并與地方再生水/污水回用設(shè)施對接；

• 監(jiān)測與控制：布設(shè)細(xì)粒度水表與氣象–能耗耦合模型，實時估計 (rho_{s1,t}) 與 (rho_{s2,t})。

5.2 負(fù)載側(cè)：水感知訓(xùn)練與推理調(diào)度

• 時段選擇：在夜間/降溫時段訓(xùn)練，或在水效率更高的園區(qū)運行；

• 跨站點遷移：基于實時/預(yù)報的 WUE 與碳強度，進(jìn)行**“水–碳雙目標(biāo)”**的跨區(qū)域編排；

• 服務(wù)界面：向用戶公開水效率時段/站點，鼓勵“水意識”的推理調(diào)用（例如在 UI 或 API 中標(biāo)記“水高效時段”）。

5.3 透明度與核算標(biāo)準(zhǔn)

• 將 scope?2 水耗納入報告：像碳一樣，把發(fā)電側(cè)用水作為標(biāo)準(zhǔn)披露項，提升開發(fā)者與用戶的可見性；

• 統(tǒng)一口徑：在取水 vs 消耗、現(xiàn)場 vs 鏈路、邊界與時空分辨率等方面形成行業(yè)一致性；

• 數(shù)據(jù)與模型開放：推動公共數(shù)據(jù)集與基準(zhǔn)，支撐研究社區(qū)復(fù)現(xiàn)與比較。

5.4 供應(yīng)鏈與政策

• 范圍三研究：面向芯片制造/封裝/測試的用水清單、地域差異與工藝改進(jìn)（化學(xué)品循環(huán)、超純水回用）；

• 政策協(xié)同：在缺水地區(qū)設(shè)置水足跡閾值/價格信號，鼓勵需求側(cè)彈性與再生水；

• 企業(yè)治水：將“企業(yè)水資源管理（water stewardship）”納入 ESG 核心指標(biāo)，與減碳并行推進(jìn)。

6. 方法落地：如何做一份“AI 用水賬單”

1. 確定邊界：訓(xùn)練/推理任務(wù)的服務(wù)級別、站點/區(qū)域、評估窗口 ([1,T])；

2. 采集參數(shù)：逐時的 (e_t)、(theta_t)、(rho_{s1,t})、(rho_{s2,t})（后兩者需結(jié)合氣象與電網(wǎng)燃料結(jié)構(gòu)）；

3. 計算與分解：按式（1）求得運營水足跡，并與站點/時段分解展示；

4. 加入范圍三攤銷：依據(jù)可得的制造用水?dāng)?shù)據(jù)，按設(shè)備壽命 (T_0) 做攤銷，給出整體用水足跡；

5. 情景比較：夜間 vs 日間、站點 A vs 站點 B、“跟隨太陽”vs“背離太陽”，形成水–碳二維對比，支持決策。

7. 討論：數(shù)據(jù)缺口、模型—設(shè)施協(xié)同與用戶行為

• 數(shù)據(jù)缺口：范圍三的芯片制造用水仍缺公開高分辨率數(shù)據(jù)；

• 協(xié)同優(yōu)化：把模型規(guī)模、訓(xùn)練節(jié)奏、并行策略與設(shè)施側(cè)水–能–冷聯(lián)動；

• 用戶偏好：當(dāng)平臺透明披露水效率后，部分用戶愿意在水高效時段或水高效站點進(jìn)行推理（以價格/綠標(biāo)簽等激勵），這將形成需求側(cè)彈性，反過來降低系統(tǒng)總水耗。

8. 結(jié)論

AI 的水足跡不應(yīng)再處于“隱形狀態(tài)”。本文給出一套原則化估算方法，并以大型模型為例展示其現(xiàn)實量級；進(jìn)一步指出水效率的時空多樣性以及與碳優(yōu)化的潛在沖突。我們呼吁：

• 在報告口徑上系統(tǒng)納入 scope?2 水耗并推動范圍三研究；

• 在工程實踐上開展水感知調(diào)度與設(shè)施側(cè)降耗；

• 在策略層上采用水–碳協(xié)同的整體方法，面向可持續(xù) AI 的共同目標(biāo)。

致謝（據(jù)原文）：作者部分工作受到 NSF CCF?2324916、NSF ECCS?2152357、CCF?2324915 資助。

附錄：符號與縮略語

• (e_t)：時隙 (t) 的 IT 能量消耗

• (theta_t)：時隙 (t) 的 PUE

• (rho_{s1,t})：現(xiàn)場（scope?1）水強度（取水/消耗）

• (rho_{s2,t})：鏈路（scope?2，發(fā)電側(cè)）水強度

• PUE / WUE：電源/水使用效率

• Scope?1/2/3：現(xiàn)場/供電鏈路/供應(yīng)鏈（制造）

注：本文譯稿用于學(xué)習(xí)與工程參考；如需學(xué)術(shù)引用，請以原文為準(zhǔn)。