AI水资源危机到底是硬性需求，还是我们当下的建造方式所致？

我最近读到一篇文章，说一次ChatGPT查询只消耗大约十五分之一茶匙的水。这话没错，但那只算现场冷却用水，不算发电背后的耗水量。如果放大视角，得克萨斯州的数据中心到2030年每年耗水量将接近3990亿加仑。这相当于米德湖水位下降16英尺，并且已经开始影响当地决策。在全美范围内，已有超过50个城市暂停或拒绝了新的数据中心建设，其中很大一部分是出于水资源考虑，尤其是在已经面临干旱的地区。我一直在思考一个问题：冷却消耗与集中度成正比——数千个GPU放在同一栋大楼里，把全部热量负荷倾倒在一个单一流域上。但今年Cast AI的一份报告显示，GPU平均利用率大约只有5%，大约有1000万台服务器处于闲置状态。而批量推理作为增长最快的工作负载，是原子化的，不像训练那样需要把所有东西集中在一个地方。所以，水资源问题可能并非AI运转的硬性需求，而仅仅是我们当下的建造方式所致。如果将工作负载分布到全球范围内已经冷却并接入电源的闲置硬件上，热量负荷也会随之分散，这样就不会有某个城镇的地下水被某家公司的一栋建筑抽干。我一直在捣鼓这个想法：利用分布式计算，加上一个编排层来协调跨地域的节点，早期结果好得令人惊讶。大家怎么看这种P2P计算网络——让我们消耗闲置供给，将其转化为算力？