AI 背後嘅隱藏代價：ChatGPT 寫封 Email 「飲」水量驚人？
大家都習慣用 AI 幫手寫 Email 或者搵資料，但你又知唔知，每問一個中等長度嘅問題，AI 就會消耗大約 500 毫升嘅水？當全球瘋狂投資高達 5.2 萬億美元去擴建數據中心，背後衍生嘅水資源枯竭同電力消耗問題已經浮面。本文將為大家客觀拆解 AI 嘅隱藏營運成本，探討碳排放與水資源之間嘅兩難，並分享作為一般用家應該抱持嘅理性態度。
數據中心嘅千億競賽：解構 AI 發展背後嘅水資源與電力消耗
近年人工智能（AI）發展一日千里，由幫手寫 Email、做資料搜集到生成圖片，AI 已經成為我哋生活同工作嘅一部分。不過，當大家驚嘆科技帶來嘅便利時，好少人會留意到背後龐大嘅環境成本。原來每一次簡單嘅對話，都會消耗緊地球寶貴嘅資源。今日呢篇文章，我哋就由客觀嘅數據出發，一齊探討 AI 發展背後嘅水資源消耗以及數據中心嘅投資規模。
點解 AI 耗水量突然成為焦點？
生成式 AI 模型（例如 ChatGPT 嘅背後核心 GPT-3 或 GPT-4）需要極龐大嘅算力去進行訓練同日常運作。呢啲算力全靠擺滿伺服器嘅大型數據中心去支撐。伺服器 24 小時無間斷運作會產生極高熱力，必須依賴冷卻系統降溫，而目前最常見又具備成本效益嘅降溫方法，就係利用水蒸發冷卻（Cooling Towers）。
隨住各大企業紛紛將 AI 融入業務，數據中心嘅擴張速度亦創下歷史新高。根據 McKinsey & Company 嘅報告預測，為咗應付 AI 發展，全球去到 2030 年需要投放高達 5.2 萬億美元去興建相關基礎設施。當硬件數量直線上升，對水資源同電力嘅需求亦會按比例暴增，甚至開始對部分乾旱地區嘅民生用水構成壓力。
AI 嘅「飲水量」與投資規模
為咗令大家更容易理解具體情況，我哋整理咗來自 Association for Computing Machinery (ACM) 同 McKinsey 報告入面嘅核心數據，大家可以參考以下列表：
| 項目 | 具體數據 / 統計數字 | 說明 |
|---|---|---|
| 美國人平均飲水量 | 75% 美國人每日僅飲用 591 毫升水 | 作為對比，人類日常攝取水量其實好少。 |
| 單次 AI 查詢耗水 | 約 500 毫升 | 處理一個約 800 字輸入、300 字輸出嘅 GPT-3 請求，等同一支樽裝水嘅容量。 |
| 模型訓練耗水量 | 540 萬公升 | Microsoft 喺美國數據中心訓練 GPT-3 嘅總耗水量（相等於超過 2.5 萬個浴缸嘅水）。 |
| 數據中心年度耗水 | 230 億公升 | 2023 年 Google 旗下數據中心用於現場冷卻嘅消耗量（當中近 80% 係食水）。 |
| AI 基礎設施投資 | 5.2 萬億美元 | 預計去到 2030 年全球用於應付 AI 需求嘅數據中心資本開支。 |
AI 點解需要咁多水？
你可能會問，電腦明明係電子產品，點解會扯上水資源？其實 AI 嘅耗水可以分為三個主要範疇（Scopes）：
- Scope 1（現場營運耗水）： 數據中心嘅伺服器需要散熱。冷卻塔運作嗰陣，水分會透過蒸發帶走熱力。為咗防止礦物質積聚或者細菌滋生造成管道淤塞，數據中心必須持續注入乾淨嘅淡水（甚至係食水）。
- Scope 2（發電間接耗水）： 伺服器運作需要龐大電力。喺好多國家，發電廠（例如熱電廠或核電廠）喺發電過程同樣需要大量水嚟冷卻。因此，用電量越高，間接消耗嘅水資源亦越多。
- Scope 3（供應鏈與硬件製造）： 製造 AI 晶片同伺服器硬件本身就需要極大量嘅「超純水」（Ultrapure water）去清洗晶圓，呢部分嘅水資源消耗同樣不容忽視。
減碳 vs 慳水嘅兩難局面
好多科技巨頭都有明確嘅「減碳」目標，但原來「減碳」同「慳水」喺實際操作上經常會有衝突。我哋可以透過以下表格比較兩者嘅運作邏輯：
| 考量重點 | 運作策略 | 實際影響 | 潛在衝突 |
|---|---|---|---|
| 追求減碳效率 | 「追住太陽走」（Follow the Sun） | 盡量喺日間太陽能等可再生能源最充足嘅時間，進行密集嘅 AI 運算。 | 日間氣溫通常最高，數據中心需要蒸發更多水去散熱，導致耗水量大增。 |
| 追求水資源效率 | 「避開太陽走」（Unfollow the Sun） | 將繁重嘅運算任務排程到深夜或者氣溫較低嘅地區進行，減少依賴水冷卻。 | 夜晚缺乏太陽能，如果當地電網依賴化石燃料，就會導致碳排放上升。 |
呢個兩難局面話俾我哋知，企業唔可以單單著眼於碳排放，必須將水資源消耗（Water Footprint）一併納入可持續發展嘅衡量指標入面。
5心得分享：睇清 AI 發展嘅產業鏈
作為一個經常接觸科技資訊嘅內容編輯，整合咗以上兩份重量級報告後，我總結咗以下 5 個實用心得：
1. 科技發展冇「免費午餐」
我哋平時免費或者俾月費使用 AI 服務，睇落好似只係消耗咗極少數據流量，但背後嘅實體資源消耗驚人。理解呢一點，有助我哋更理性咁看待科技產品，明白每一次運算都有其隱藏成本。
2. 千億產業鏈帶來嘅投資啟示
應付 AI 需求絕對唔只係晶片廠（例如 Nvidia）嘅專利。根據 McKinsey 預測，高達 5.2 萬億美元嘅投資將會流入五大板塊：
- 硬件開發商（3.1 萬億美元）： 製造 GPU、CPU 及記憶體。
- 能源與冷卻設備商（1.3 萬億美元）： 建設發電廠、電網同創新冷卻系統。
- 建築與地產商（8000 億美元）： 獲取土地同建設實體數據中心。呢個龐大嘅產業鏈，反映出 AI 帶動嘅係整個基礎工業嘅升級。
3. 選址與氣候嘅矛盾
目前有超過 500 個新建嘅 AI 數據中心，選擇坐落喺美國較為乾旱嘅地區（例如德州）。預計到 2040 年，數據中心將佔德州總耗水量近 9%。喺乾旱地區建廠會加劇當地居民嘅用水壓力，呢個係業界必須正視嘅社會責任問題。
4. 硬件創新係唯一出路
報告指出，單靠軟件層面嘅優化未必能夠抵銷全球對 AI 爆發性增長嘅需求。長遠嚟講，我哋需要更具突破性嘅硬件設計（例如浸沒式液冷技術 Immersion Cooling、或者耗電量更低嘅神經網絡架構），先可以喺算力同環保之間取得平衡。
5. 作為用家嘅心態調整
知道咗 ChatGPT 咁耗水，係咪代表我哋以後唔好用？其實又唔需要太過極端。個人層面「罷用」AI 對於整體大局嘅影響微乎其微。我哋應該做嘅，係保持知情權，喺企業層面鼓勵公司選用具備透明度、承諾水資源中和（Water Positive）嘅雲端服務供應商。
實用 Q&A（10條必睇問題）
Q1: 用 ChatGPT 生成一封 Email 大約會用幾多水？
根據 ACM 報告，處理一個中等長度嘅對話（約 800 字輸入，300 字輸出），AI 大約需要消耗 500 毫升嘅水。
Q2: 點解電腦運算會消耗水資源？
主要原因係數據中心嘅伺服器喺運作時會產生高溫，需要依賴冷卻塔蒸發水分去散熱；同時，為數據中心供電嘅發電廠喺發電過程中亦需要用水冷卻。
Q3: 科技企業喺 AI 數據中心嘅投資規模有幾大？
McKinsey 預測，去到 2030 年，全球為咗應付 AI 運算需求，將需要高達 5.2 萬億美元嘅資本開支。
Q4: 咩係 Scope 1、Scope 2 同 Scope 3 耗水量？
Scope 1 指數據中心現場冷卻直接蒸發嘅水；Scope 2 指供電設施喺發電時消耗嘅水；Scope 3 指供應鏈（例如製造晶片同伺服器）背後消耗嘅水。
Q5: Google 嘅數據中心一年用幾多水？
根據 2023 年數據，Google 旗下數據中心僅現場冷卻就消耗咗 230 億公升淡水，數量足以媲美一間大型飲品製造商。
Q6: 點解唔全面改用「風冷」（空氣冷卻）去代替「水冷」？
風冷受天氣限制好大。當室外氣溫過高或者濕度不符時，純風冷嘅效率極低，最終仍然需要依賴水分蒸發嚟協助降溫。
Q7: 「減碳」同「慳水」可以同時做到嗎？
好多時會出現衝突。日間有豐富太陽能（低碳），但氣溫高需要多水散熱（高耗水）；夜晚氣溫低（慳水），但可能要依賴化石燃料發電（高碳排）。
Q8: AI 數據中心建喺邊度影響最大？
如果建喺水資源豐富且氣候寒冷嘅地區（例如北歐），耗水量會相對較低。相反，如果建喺經常乾旱嘅地區（例如美國德州），就會嚴重增加當地供水壓力。
Q9: 我哋作為普通市民，減少用 AI 有冇實質幫助？
個人層面減少使用影響極微，因為全球每日有超過十億人使用 AI，而且大部分算力需求來自企業級應用。了解問題並推動業界提高透明度反而更重要。
Q10: 業界有咩具體解決方案去減少 AI 耗水？
建議方案包括：提高水資源消耗透明度、將非緊急嘅 AI 訓練排程到氣溫較低或非用水繁忙時間進行、開發更節能嘅晶片，以及增加水資源回收率。
客觀總結
AI 無疑係未來十年推動生產力嘅核心引擎，但一切創新都建基於實實在在嘅自然資源同基礎設施之上。從上述數據可以清楚見到，5.2 萬億美元嘅投資規模背後，隱藏住龐大嘅水電消耗挑戰。作為一般用家或者企業管理者，我哋無需因為環保代價而因噎廢食，完全拒絕使用 AI；但同時，我哋絕對有必要清楚了解科技背後嘅真實成本。當業界追求更高算力嘅時候，如何透過技術突破去解決水資源分配同減碳之間嘅矛盾，將會係下一波科技競賽中最關鍵嘅一環。
