人工智能的环境影响是什么？

尽管大多数人在手机或与他们互动的聊天机器人上的应用程序中考虑了AI，但真正的环境故事发生在幕后，称为数据中心。这些是填充数千台计算机的物理建筑物，这些计算机处理每个AI请求。数据中心从办公楼的小型服务器室到诸如Google，Microsoft和Amazon等科技巨头经营的仓库大小的设施，有多种形状和尺寸。 

但是，最新一代的数据中心，专门用于处理AI工作负载的最新一代与他们的前任根本不同。他们需要更强大的处理器，称为GPU（图形处理单元），消耗更多的电力，并且需要更多的水才能冷却。一个以AI为中心的单个数据中心可以使用与小城市一样多的电力，而且水与大社区一样多。 

生成人工智能（Genai）是指能够生成文本，图像和视频的工具和系统。虽然它的使用使许多人感到困惑，但其他人对其日常申请无动于衷或者担心其取代工作的能力。一个皮尤研究中心的最近报告反映了公众和专家的情感，表明美国只有17％的人认为AI在未来20年内将产生积极的影响，而专家的56％。此外，有51％的人说，与17％的专家相比，他们更关心的是兴奋。两组都同意的一个领域是需要对AI进行更多的控制和监管。 

在Genai的使用或不使用时，一场日益增长的对话是该技术在其生命周期的每个步骤中的环境含义。最近，Openai首席执行官Sam Altman，建议AI的好处超过其成本。这些陈述忽略了谁承担这些健康和环境成本，谁能决定哪些权衡是可以接受的。在数据中心附近或能源成本增加的社区呼吸污染的空气是该技术影响的前线，并且经常持续其好处。” 

山姆·阿尔特曼（Sam Altman）结束时说：“智力太便宜了，无法掌握。太便宜了，是一个1954年核能早期开发期间的引用，如果对最终没有实现的电力成本做出了类似的承诺，但其许多影响确实如此。此外，Chatgpt是否没有免费开放，然后每月提高20美元的高级功能，企业计划花费数百或数千美元？因此，当Altman谈论智力变得太便宜，无法计算时，我们必须问：为谁便宜？ 

为了了解多种环境的影响，让我们的旅程通过用户输入提示到Genai工具的过程到以文本，图像或视频的形式收到响应的过程。通过这篇文章，我将指导您对这个话题的了解，从人工智能在能源方面的众所周知的含义到其他对用水和空气污染的鲜为人知的影响。” 

CHATGPT请求的能源成本 

用户在他们的计算机上，并将提示写入chatgpt并单击发送。该请求授予OpenAI服务器（创建CHATGPT的公司）。服务器位于数据中心；有多家公司提供数据中心服务，而元，谷歌，亚马逊等一些较大的科技公司都有自己的数据中心。数据中心是带有处理单元或计算机架的物理建筑物。这些单元仅处理您从设备输入的数据（例如个人计算机或电话）。因此，出于实际目的，想象一下彼此堆叠的计算机不需要监视器，键盘或鼠标。 

提示的处理发生在图形处理单元（GPU）和/或中央处理单元（CPU）中。不同之处在于，GPU具有较高的处理能力，并且具有更大的能源密集型。GPU上的大部分Genai请求发生不管您的提示是要求文本，图像还是视频响应。他们之所以获得名称，是因为最初是为了处理视频游戏和其他3D图形应用程序的图形。今天，它们用于并行处理，该处理允许同时执行多个计算。GPU的工作量越多，所需的能量就越多。通常，与文本相比，制作图像或许多图像（视频）需要更多的精力。 

从角度来看，OâDonnell和Crownhart的计算麻省理工学院技术审查报告证明对小型AI文本模型的单个查询使用了约114个焦耳，大致相当于运行微波炉十分之一。但是，根据报告，较大，更强大的模型可以使用6,706个焦耳，每次响应足够的能量可以运行相同的微波炉八秒钟或在电子自行车上携带400英尺的人。 

同一份报告估计，产生标准质量的图像需要约2282个焦耳，而创建高质量的五秒钟视频可以消耗超过340万的焦耳焦点，超过700倍的700倍以上的能量，这是产生高质量图像的能量，相当于在E型自行车上骑行38英里或在一个小时内骑行38英里。 

当然，如果没有有多少一天的宣传者在一天中获得多少张贴，看上去似乎并不多。估计，Chatgpt每天收到超过十亿要求生成文本和数千万的生成图像的请求。根据在麻省理工学院技术评论中发表的同一篇文章，处理这些提示在一天之内的电力等同于3,000多个房屋使用的电力一年。 

这些计算不包括生成视频的能量，也不包括其他大公司通过自己的AI模型收到的提示，例如Microsoft Copilot，Google Gemini，X的Grok，以及其他开发其他AI工具和模型的公司。 

尽管其中许多计算具有带来不确定性的局限性和假设，但可以肯定的是，观察到的数据中心已经使用的电力增加。2018年，数据中心使用了1.9％（76 TWH）的美国总电力。在2023年，美国总消耗总量增加到4.4％（176），预测到2028年，降至6.7％至12％（300+ TWH至500+ TWH）。所有这些估计都来自2024年美国数据中心能源使用报告。一个 

由于GPU并非完全有效，因此很大一部分能量转化为热量。那就是一部分用水的出现，以保持这些服务器凉爽。 

数据中心的用水 

与您的手机或计算机类似，处理AI工具请求的服务器会变热并释放热量。热环境会损害电子组件或降低其效率。为了冷却服务器和数据中心设施，有多种方法。空调系统需要大量的电力，但使用很少的水，而水基冷却方法通常是更便宜的。冷却是通过称为计算机房间处理程序（CRAH）的机器发生的。简而言之，这些机器将其在房间内升起的热空气，冷却并将其放回房间的底部。 

这是如何工作的？ 

在机器内部有带冷水的线圈。热空气将热量转移到水中，在此过程中冷却空气。结果是更热的水，需要再次冷却。热水进入冷却塔，在这里蒸发一部分水的地方高用水发生。当水蒸发时，它会以热的形式吸收能量，从而降低剩余水的温度，从而变得凉爽。淡水需要更换蒸发的水。根据最近的报告劳伦斯·伯克利国家实验室（Lawrence Berkeley National Laboratory），美国数据中心于2023年直接在其设施（也称为Direct Water）消耗660亿升水。 

虽然660亿升的声音很重要，这是否代表大量取决于我们与之比较的内容。例如，如果将其与农业用水进行比较，那么它可以说不是太多的水。660亿升的人转换为53,507英亩英尺，这是一种农业用水量的量度，您可以将每个英亩英尺的面积视为一个充满一英尺水的足球场的面积。我住在加利福尼亚的中央山谷，在那里我可以将其与杏仁树的用水（每年在山谷南部的杏仁每年每英亩5英亩英尺）进行比较。这意味着，使用美国所有数据中心使用的水，您可以灌溉11,101英亩的杏仁。在加利福尼亚有大约156万英亩的杏仁。如果我们将其与住宅用水进行比较，那么660亿升等同于一年中有50万人的用水。” 

作为水专家由于水文学博士学位并在水和气候变化工作十多年以来，我还有其他问题。其中之一是，这显示出急剧增长的趋势。根据劳伦斯·伯克利国家实验室的同一份报告，2014年数据中心使用的直接水为212亿升。因此，在10年的过程中，用水量增加了两倍，数据中心的数量和规模正在增长。” 

另一个最大的问题是这些数字只反映直接用水由数据中心。它不包括人工智能生命周期中的其他用水量，例如用于提取和制造建筑物本身的资源以及形成加工单元的硬件和微芯片的用水。而且，它也不是因为发电厂为数据中心产生电力，估计在2023年为8000亿升，直接用水的10倍以上。 

此外，这些比较不说整个故事，因为一半的数据中心位于水已经稀少的地区。数据中心从战略上将自己定位在人口中心和电力成本较低的地区，但这也意味着他们经常与当地社区和农业竞争有限的水资源，尤其是在易于干旱的地区，例如加利福尼亚，亚利桑那州和德克萨斯州的部分地区。加利福尼亚，亚利桑那州和德克萨斯州的部分地区。 

数据中心还有助于空气污染和卫生降解 

数据中心消耗的能量不仅有助于碳排放，还产生了直接损害人类健康的空气污染。从芯片制造到数据中心运营，整个AI生命周期中，大量标准空气污染物被释放到大气中，包括细颗粒物（PM2.5），二氧化氮（NO2）和二氧化硫（SO2）。 

Han等人最近的一篇论文。在UC Riverside和Caltech的标题无薪损失：量化AI的公共卫生影响通过AI的生命周期来量化公共卫生的影响。他们估计，2030年美国数据中心的公共卫生负担每年的价值超过200亿美元，可与加利福尼亚州的公路汽车排放相当。费用来自哮喘病例的增加和其他因空气质量较差引起的心脏肺疾病。 

这些污染物来自三个主要来源。首先，数据中心依靠柴油备用发电机来获得紧急电源，在操作，测试和维护过程中会发出大量的空气污染物。第二，电力供电数据中心通常来自化石燃料发电厂燃烧煤炭和天然气时释放空气污染物。第三，AI硬件的制造（需要高度精制的材料）以及建造数据中心建筑物的材料（用于钢铁的铁和水泥资源）会产生严重的空气污染。 

与其他环境正义案件一样健康影响并非平等分布。空气污染物可以从其来源行驶数百英里，但受影响最大的社区通常是低收入地区，这些地区几乎没有从数据中心获得经济利益。” 

采取行动：了解更多 

了解AI的环境影响对于更加注意其使用以及要求代表设计和执行适当的政策和法规至关重要。我们需要需要从计划阶段进行社区参与的政策，授权环境保护，鼓励技术开发人员透明且可访问的信息，并确保公平地共享技术进步的好处。 

我很高兴与哈维·穆德学院（Harvey Mudd College）和斯克里普斯学院（Scripps College）的计算机科学和数学专业的一群非常聪明，正念和才华横溢的学生合作。我们的合作达到了教育网站关于人工智能及其对能源和水的影响。我邀请您探索互动元素，并与其他可能有兴趣更多了解人工智能的环境成本的人分享。 -