Varför förbrukar AI-datacenter så mycket vatten?

AI-arbetsbelastningar körs på fysiska maskiner. När GPU:er, CPU:er, minne, lagringsutrustning och nätverksutrustning förbrukar el omvandlas nästan all denna elektriska energi så småningom till värme inne i datacentret.

En vanlig webbserver kan hantera mindre resurskrävande förfrågningar, men AI-träning och -inferens kan göra att acceleratorerna körs med hög utnyttjandegrad under långa perioder. Täta rack med GPU:er avger betydligt mer värme på en mindre yta än traditionell IT-utrustning för företag.

Kylning är därför inte ett valfritt komfortsystem. Det är en del av den infrastruktur som krävs för att hålla kretsarna inom säkra driftstemperaturer, undvika prestandabegränsningar, skydda hårdvaran och säkerställa en tillförlitlig tjänst för användarna.

I moderna AI-datacenter grupperas ofta tusentals GPU:er i kluster. Dessa GPU:er är utformade för parallellberäkning, vilket är anledningen till att de är så användbara för att träna neurala nätverk och hantera inferensarbetsbelastningar.

Samma täthet som gör AI-infrastrukturen så kraftfull skapar också ett värmeproblem. Fler acceleratorer per rack innebär större strömförsörjning, mer nätverkskapacitet, mer minne och mer värme som måste ledas bort från servrarna.

Det är därför som AI-datacenter är nära kopplade till både elförsörjning och kylkapacitet. En anläggning kan ha tillräckligt med mark eller fiberanslutning, men ändå begränsas av tillgänglig el, kapaciteten att avleda värme eller lokala vattenförhållanden.

Vatten är användbart för kylning eftersom det kan leda bort värme effektivt. Många datacenter använder kylvattenkretsar, kyltorn, evaporativ kylning eller hybridsystem som kombinerar luft och vatten beroende på utomhusförhållandena.

I ett avdunstningssystem avdunstas en viss mängd vatten avsiktligt för att leda bort värme. Detta kan minska elbehovet för mekanisk kylning, särskilt jämfört med att köldaggregat körs på hög effekt under varma förhållanden, men det kan öka den lokala vattenförbrukningen.

Det är inte alla datacenter som har samma utformning. Vissa anläggningar förlitar sig i högre grad på luftkylning, andra använder vätskekylning i slutna kretslopp nära chipen, och vissa använder återvunnet vatten eller icke-dricksvatten. Vattenavtrycket beror på kylningsarkitekturen, klimatet och driftsstrategin.

Direkt vattenförbrukning avser vatten som förbrukas på själva datacenteranläggningen, vanligtvis för kylning eller luftfuktighetsreglering. Detta är den mest synliga delen av problemet, särskilt när en anläggning använder evaporativ kylning i ett område med vattenbrist.

Indirekt vattenförbrukning kan också spela en roll. Elproduktion kan kräva vatten för kylning av kraftverk eller bränsleproduktion, beroende på det lokala elnätet. Ett datacenter som förbrukar lite vatten på plats kan ändå ha en koppling till vattenförbrukningen genom den el det förbrukar.

Detta är en av anledningarna till att de offentliga uppskattningarna varierar kraftigt. En seriös bedömning måste ange om den omfattar vatten på anläggningen, vatten i leveranskedjan, vatten i samband med elproduktion, vattenuttag, vattenförbrukning eller alla dessa kategorier.

En liter vatten som förbrukas i en sval region med riklig tillgång på vatten har inte samma lokala påverkan som en liter som förbrukas i en varm, torr region med vattenbrist. Samma kylteknik kan därför få mycket olika konsekvenser beroende på var den används.

Klimatet påverkar hur ofta frikylning, evaporativ kylning eller mekanisk kylning används. Elmixen påverkar koldioxidutsläppen. Den lokala vattentillgången avgör om den ytterligare efterfrågan är obetydlig, kontroversiell eller svår att hantera i praktiken.

Det är därför som hållbarheten i datacenter inte kan reduceras till ett enda globalt tal. Den relevanta frågan är inte bara hur mycket vatten som används, utan också var det används, när det används och vilka alternativa kylnings- eller energilösningar som fanns tillgängliga.

Att minska vattenförbrukningen kan ibland leda till en ökad elförbrukning. En konstruktion som till exempel undviker avdunstningskylning kan i högre grad förlita sig på mekaniska kylaggregat, vilket kan öka energibehovet under varma perioder.

Det motsatta kan också inträffa: att använda vatten för avdunstningskylning kan minska elförbrukningen och därmed minska utsläppen om elnätet är koldioxidintensivt. Vilket alternativ som är bäst beror på den lokala vattenbristen, elnätets koldioxidintensitet, vädret och hårdvarutätheten.

Det är därför som en öppen rapportering är viktig. Mätvärden som PUE för energieffektivitet och WUE för vattenanvändning är användbara, men de måste ses i sitt lokala sammanhang. En vatteneffektiv konstruktion innebär inte automatiskt att den är koldioxidsnål, och en energieffektiv konstruktion innebär inte automatiskt att den är vatteneffektiv.

Ja, men det finns ingen enskild universallösning. Alternativen omfattar bland annat bättre hantering av luftflödet, högre driftstemperaturer, vätskekylning med slutet kretslopp, torrkylare, återvunnet vatten, icke-dricksvatten, bättre val av placering och effektivare AI-hårdvara.

Optimering av AI-modeller spelar också en viktig roll. Mindre modeller, effektiv inferens, batchbearbetning, cachelagring och hårdvaruspecialisering kan minska beräkningsbehovet för en viss tjänst, vilket indirekt minskar värmeutvecklingen och kylningsbehovet.

Samtidigt kan den totala efterfrågan fortfarande öka om användningen av AI växer snabbare än effektiviteten förbättras. Det praktiska målet är därför inte bara effektivare kylning, utan även bättre informationsspridning, noggrant val av anläggningsplatser och infrastrukturplanering som tar hänsyn till den lokala vattenbristen.