AI发展绿色低碳技术测评榜单
《中国环境报》记者肖琪报道，最近谷歌发布了《2023年环境报告》，里面有一组数据挺扎眼：去年用水量同比飙升20%，达到56亿加仑——换算过来，差不多212亿升水，能填满31850个奥运标准游泳池。这些水绝大部分都拿去给数据中心降温了。报告还点明了维持大型数据中心运转的环境代价，而随着AI竞赛越打越热，谷歌预计未来用水量还得继续涨。
一边是人工智能高歌猛进，一边是数字经济要绿色低碳。云计算作为数字经济的底座，在AI革命加速的当下，怎么让算力更高效、更绿色，成了绕不开的课题。
聊10句天，ChatGPT可能要费半斤水
用ChatGPT写论文、做攻略、解难题，2023年初这个AI助手火遍了全球，人们一头扎进新奇体验里，也顺势点燃了全球互联网公司的AIGC大战。
大众通常觉得，AI的未来靠的是硬件、软件和技术迭代，其实不然。AI需要海量训练，数据中心里动辄集成上百万台服务器，它们负责传递、展示、计算、存储数据。好玩的背后，是更强的算力中心和匹配的散热能力——得让服务器保持合适温度。
给数据中心降温，最常用的办法就是蒸发和放空。水冷型数据中心的主要耗水就在这里。除了蒸发损失，定期清洗冷却系统也会消耗不少水。
卡罗拉多大学与德克萨斯大学的研究人员在一篇预印论文《让AI更节水》中，给出了训练AI的用水估算。结果显示，训练GPT-3需要的清水量，足够填满一个核反应堆的冷却塔（大型核反应堆可能需要几千万到上亿加仑水）。而ChatGPT（基于GPT-3）每跟用户聊25到50个问题，就得“喝掉”一瓶500毫升的水来降温。
同样搞人工智能，谷歌Bard聊天机器人的底层模型PaLM 2，要见效也得经过高强度预训练。参数越多，性能越好。公开资料显示，PaLM 2在3.6万亿个token上训练，而上一代PaLM只接受了7800亿token的训练。
加州大学副教授Shaolei Ren指出：“用水量增加20%，大致与谷歌计算能力的增长一致，而计算能力主要是AI推动的。”数据中心耗水的核心原因呼之欲出：全是因为疯狂训练AI。
AI快速发展，还需解决“喝水”和能耗问题
AI跑得越快，对水资源的消耗就越狠。这正成为决定数据中心未来的关键因素之一。
谷歌曾定下目标，到2023年补充其办公室和数据中心消耗的120%的淡水。结果只完成了6%，差得远。最新报告里，谷歌已经把“当地水资源压力”（即稀缺程度）纳入考量，并表示2022年82%的淡水抽取量来自水资源相对充裕的地区。但数据中心用水量增长是持续性的，可持续用水策略仍是未来的重点。
有专家呼吁，尽快为数据中心用水建立一套规范、统一的标准和利用效率评价方法，让它成为数据中心绿色低碳发展的关键工具。
实际上，为了节约自来水，很多企业尝试各种办法给数据中心散热。微软试过部署海下数据中心，Facebook把数据中心选在北极圈附近，阿里云千岛湖数据中心则用深层湖水制冷。
在高密度、高能耗的数据中心需求下，制冷技术也开始革新。一个加速趋势是：液冷出现，有望逐步成为制冷领域的主力。
液冷技术就是用液体代替空气作为冷媒，跟CPU、芯片组、内存条、扩展卡等发热部件热交换，带走热量。相比传统风冷，液冷效率更高，能有效降低制冷系统运行能耗，让数据中心PUE（电源使用效率）降到1.3以下。
今年7月6日，第六届世界人工智能大会上，互联网头部企业和运营商合计发布了30多款大模型和10多款高算力智能芯片，背后都有液冷数据中心的影子。大模型时代来了，能实现超高密度IT设备散热的液冷技术，将在数据中心领域高速发展。
科技企业要成为绿色低碳云计算的领跑者
数据中心是数字经济的基座。除了水，电力资源紧张、“双碳”目标要求、整体用电量快速提升等现实，都让数据中心运营越来越难，还要面对节能审查和“碳能双考”的多重压力。
联通数字科技有限公司工作人员车凯曾撰文指出：“数据中心实质上是将能源转换为算力的载体，转换效率越高，意味着数据中心实现相同算力付出的能源成本越低。”
未来，力争成为绿色低碳云计算的领跑者，是科技企业破局的关键。
以阿里云数据中心为例，从绿色能源、绿色产品及技术、绿色架构、绿色运营、绿色服务等多个维度，把自己打造成一朵清洁的云。“不仅包括让更多机构通过上云减少对本地化部署机房和服务器的依赖，还包括提供基于云计算的数智工具，帮助客户在数智化转型的同时实现绿色低碳，从而真正发挥绿色通用算力在数字循环经济转型中的价值。”阿里云数据中心相关负责人告诉本报记者。
在液冷服务器技术上，阿里云数据中心主力研发的基础设施和IT设备一体化浸没式液冷架构，可以完全脱离风扇、空调等机械制冷，年均PUE低至1.09，比行业平均水平节能36%。截至2023年3月31日，在7个大规模数据中心部署智能算法运维策略后，冷却系统能耗下降5%—11%。阿里云数据中心相关负责人表示：“液冷技术下的全场景实时精确温控，能释放芯片计算潜能，有效解决未来更高性能的计算需求。”