去年一年，谷歌花掉了大概一個半西湖的水量。差評君翻了翻報告，發現罪魁禍首的矛頭，指向了數據中心。
那這些數據中心為什麼這麼耗水？今天就來跟大家聊聊，那些互聯網巨頭們都是怎麼給服務器散熱的。
有什麼辦法，能把杭州西湖的水給用完？
這是杭州西湖，三面環山，面積約 6.39 平方千米，南北長約 3.2 千米，東西寬約 2.8 千米，水體容量約為 1429 萬立方米。
這個水量能裝滿3810 個水立方，能裝滿 250 億瓶農夫山泉，如果一天喝 4 瓶的話，可以給 214041 個人從剛出生，一口氣喝到 80 歲。
這些西湖水能裝滿我的淚，但是不夠谷歌用 7 個月。
大家好，這裡是被 AI 搶走了農夫山泉的差評君，
前段時間，谷歌發布了 2023 年環境報告。
裡面的一項離譜的數據，立馬引發的大夥們的關注。
去年一年，谷歌花掉了 56 億加侖水，換算過來就 2545 萬立方米，這個水量，大概能裝滿一個半西湖。
當然整這麼多水，肯定不是跑去搞什麼 「 谷歌冰泉 」 「 微軟山泉有點咸 」 這類玩意兒了。
差評君翻了翻報告，發現罪魁禍首的矛頭，指向了數據中心。
這些水，大都被用去給數據中心散熱了.
而且不單單是谷歌一枝獨秀，包括微軟、亞馬遜等等科技巨頭，也一個個都是耗水大戶。
是的，數據中心散熱這件事兒，真的是太耗水了。。。
其實在早些年，不少數據中心散熱靠的並不是水，而直接用電，給服務器吹空調。
就拿咱們自己為例，像是 2021 年，全國數據中心總耗電量就高達 2166 億度，約占全國總耗電量的 2.6% 。
看起來好像有些多，但是要是能物超所值，全用在數據處理和存儲上也不錯。
但問題就是，有不少電用來做 「 無用功 」 了。
目前來說，最大頭的 「 無用功 」 就是散熱。
畢竟咱們還沒有點出超導技能樹，數據中心又全年無休，發熱量巨大。
為了讓儀器能夠在合適的環境下正常工作，就得大空調、大電扇嘎嘎上，自然就費電了。
據統計，數據中心 6 成的成本都花在電費上，而這電費里的 4 成多又得花在散熱里。
所以為了省下這筆散熱的錢呢，最好的方法就是儘可能地白嫖。
於是我們就看到，各個企業絞盡腦汁。
大家想的第一個方法就是「 哪兒涼快去哪兒呆着 」。
2014 年時，騰訊就擱貴州鑿出 47 萬平 「 七星洞 」 用來當數據中心。
2017 年，華為在貴安新區造了個雲上屯，用來當華為雲數據中心。
2018 年，蘋果的 iCloud 數據也搖身一變成了 「 雲上貴州 」。
大家集體跑去貴州，一方面是貴州地價便宜、空氣清潔、水電資源豐富，電費便宜，政策上也有不少相關的優惠。
另一方面就是貴州四季如春的環境足夠涼快和穩定，外界環境和數據中心本身的溫差就足夠大了，更有利於散熱。
比起國內這些往貴州跑，國外的大廠們更狠， Facebook 早在 2013 年就在北極圈外的小鎮，建立了自己的數據中心。
除了往更涼快的地方去，數據中心本身也不斷嘗試新的散熱方式。
在這個進化的過程中，數據中心的散熱也從很耗電，轉變成了更耗水。
前面說的，空調冷卻系統因為需要大量的電給冷凝劑降溫，所以這幾年因為太費電逐漸被淘汰了。
那有沒有一種辦法，不用費電就有利於散熱，同時還能白嫖呢？
沒錯，就是用水。
相較傳統空調來說，蒸發冷卻機只靠外界水來降溫，不需要用電來降溫冷凝劑，所以可以大幅度減少耗電量。
但代價就是用水量猛增。
不過相對電來說，水總是更便宜的那個，所以大家普遍都開始選蒸發冷卻機。
除了蒸發冷卻機，為了提高散熱效率，還有公司直接給數據中心用上了液冷散熱。
說到液冷散熱，差友們就不困了，畢竟家裡那台 4090 帶 RGB 燈帶的水冷散熱，可不是吃乾飯的。
但在數據中心裡，水冷散熱還要更誇張。
看起來就有點像北京根服務器。
像阿里在千島湖的數據中心，設備雖然都泡在特製的冷卻液里用於快速散熱，但這些液體最終還是需要靠大量湖水來進行冷卻。
用千島湖深層水源進行散熱。
等等，千島湖？
那我們買的農夫山泉，豈不就是...
除了阿里雲以外，在數據中心省電這一環還有高手。最絕的當屬微軟，
他們在 2018 年的時候，就把 「 北方群島 」 服務器扔到了大西洋海底，利用海水潮汐進行水冷散熱。
而且建起來也省事，需要的電源備份也會比之前的要少。
以前的空調散熱，電源備份還需要驅動空調，
而換成了液冷之後這部分就不用擔心了。這種法子在水資源比較充分的地方整倒還方便，省電又省事。
但是這個世界上，水資源從來都不是平衡的。如果在一些缺水的地方還這樣整，那不就是缺了大德麼？
雖然被蒸發了的水蒸氣最終還會回到大氣循環當中，但是等這些水蒸氣回流到當地水裡，需要的時間可一點也不少。
這一點在我國就保護的很好，在水資源缺乏的內蒙古地區就指名道姓發文決定:
「 轄區內大數據企業一律禁止使用地下水冷卻降溫。」
但是在美國的某些缺水地區，這服務器的耗水就整出了不少問題來。
大家都知道，最近這幾年美國一直鬧旱災，然後幾個大廠又在瘋狂新建數據中心，其中不少就建在亞利桑那州。
為啥會選這地方建這數據中心呢，這可不是瞎選的啊。
首先這玩意緊挨着搞科技的加州，而且工業電費還比加州便宜不少。
再加上沙漠地區地皮也不貴，在這建數據中心能省不少錢。
而且這些地區的政府，為了讓這些數據中心來安家，也會在稅收上做不少政策優惠，有時候還會簽協議優先保證水量供應。
本來一切也都好好的，亞利桑那洲雖然非常乾旱，但是科羅拉多河從中流過，靠着原本的地下水一起湊合湊合還夠用。
但問題是最近，科羅拉多河也開始缺水了，地主家也沒有餘糧啊。
幾個因素一疊加，事情就麻煩了。
比如谷歌在亞利桑那州的梅薩建立數據中心時，就和當地政府簽了一份協議，
梅薩要 「 優先 」 保證谷歌每天能有足夠的水進行散熱。
這對於水資源本來就不富裕梅薩來說，已經影響到當地生態系統，甚至人類的生活用水了。
類似的還有亞利桑那州政府，因為供水給數據中心，被迫停了城市基建，還被美國聯邦政府教訓：「 少用點河水 」。
而在達爾斯，谷歌 3 座數據中心的年耗水量，已經將近達到了它市年總用水量的三分之一，被當地媒體一路追着咬。
至於建立大型循環設備，讓水蒸氣能循環利用的方法也不是沒人提過，但是由於建設成本太高、維護成本遙遙無期、又費錢費電等方面原因，基本也都擱置了。
好在這會兒隨着越來越多的人關注的到這些亂用水的廠商。
各個大廠也是也不得不服軟，開始優化自家散熱設備，給公眾畫大餅。
像谷歌承諾到 2030 年時，無論是東水西調，還是投資海水淨化設施，反正自己用了多少水，就得整出 120% 的水來回報。
微軟則是承諾到 2024 年，將全球數據中心蒸發冷卻系統的用水量減少 95%，到 2030 年將實現 「 水中和（ 全球範圍內補充的水量將超過其消耗的水量 ）」。
只不過，他們的承諾完成進展實在堪憂，根據谷歌自己的報告，目前其補充量僅做到了 6%。
為什麼呢，可能還得怪 ChatGPT。
隨着生成式大模型的爆火，這水資源耗得越來越多了。按照加州大學副教授 Shaolei Ren 的說法，谷歌用水量比去年足足多了 20%，很巧的是，這一年穀歌的算力也長了 20%。
所以他們主動思考、大膽假設、冷靜分析——是因為在 AI 軍備競賽，才會讓數據中心耗水更多。也不光是谷歌家 AI 費水，根據美國加州大學河濱分校的一項研究發現，ChatGPT 為代表的語言大模型的用水量就是很多。
據他們測算，OpenAI 光是訓練個 GPT-3 就用掉了 70 萬升水，更不要說數據量更大的 GPT-4。
而且除了訓練階段，後續的使用也特別費水，和 GPT 們隨便聊個三五十句，就得消耗一瓶農夫山泉的水。
眼下 AI 熱潮仍在繼續，大家的 AI 競爭只會越來越激烈，數據中心的作用只會越來越大。
所以差評君覺得，這數據中心的散熱現狀，多半又得來一波大升級了。
而無論是國內，還是國外的科技大廠們，在建時，也關注一下水資源等相關的問題。
不然在 AI 搶走人類工作之前，一些人賴以生存的水，可能先被 AI 搶走了。
[撰文：羽落無聲 視頻製作：B 站差評君 美編：煥妍/差評]
