AI数据中心的水资源减少究竟该如何衡量？
摘要
本文探讨了AI数据中心用水的波动性，并对单一全球指标的充分性提出质疑，建议运营商报告淡水使用量、循环水使用量、当地水资源压力，并考虑能源使用，以实现有意义的减排比较。
AI数据中心需要冷却，但其用水量可能因冷却系统和当地条件而异。因此，我不确定一个全球性的“每次AI提示用水量”数字能否全面反映问题。运营商分别报告淡水使用量、循环水使用量和当地水资源压力是否更有意义？什么才算是有意义的减排——能源使用是否也应该纳入这一比较中？
相似文章
AI的用水问题有多严重？
本文探讨了AI数据中心日益增长的用水量、其环境影响，以及通过技术和战略性选址的潜在解决方案。
当谈到总用水量时，AI数据中心只是沧海一粟
虽然AI数据中心在全球范围内的用水量微不足道，但在特定地区，它们可能会给当地水资源带来显著压力，促使亚马逊、谷歌等科技公司提高效率并资助水回补项目。
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？
文章探讨了AI数据中心引发的水资源危机，指出冷却过程将热量负荷集中在单一流域，并提出了利用闲置硬件进行分布式计算的方案，以分散水和能源需求。
AI数据中心资源使用的数据对比。这些东西到底消耗多少电和水？
本文利用各种来源的数据，将AI数据中心的电力、水和噪音消耗与其他美国行业及日常活动进行比较，从而将数据中心的资源使用置于具体背景中。
AI 到底消耗多少水？
探讨与训练和运行人工智能模型相关的水资源消耗，这一方面在关于人工智能环境足迹的讨论中常被忽视。