OpenAI行政總裁奧特曼近日接受播客訪問，回應AI數據中心大量耗水的爭議。他表示，外界把每次使用ChatGPT形容為消耗大量食水，與現代數據中心實際情況有落差；一顆杏仁從種植到收成所需的水，可能比向ChatGPT提問數千次還多。
奧特曼此前公布估算，平均一次ChatGPT查詢直接耗水約0.32毫升，相當於一茶匙的約十五分之一。農業用水資料則顯示，一顆杏仁的水足跡可達數公升。按兩者直接比較，確實可能相當於數千甚至上萬次查詢，但計算邊界、地區和供應鏈不同，不能視為精確換算。
AI用水主要來自數據中心冷卻。伺服器和加速器運算時產生熱力，部分設施以冷卻塔蒸發水分散熱，另一些採用封閉循環、風冷、液冷或經處理再生水。不同氣候、設備密度及冷卻設計，會令每次運算對應的耗水量差距很大。
直接耗水與間接用水有別
數據中心還有間接水足跡。即使機房不使用蒸發式冷卻，供應電力的火力或核能發電站也可能需要水作冷卻；晶片製造則使用大量超純水。若只計算機房現場用水，會低估完整供應鏈影響；若把所有基建平均分攤到單次提問，結果又取決於模型利用率和估算方法。
奧特曼稱，現代數據中心的用水量可與大型辦公樓相若，AI產業面對的更多是「聲譽問題」。美國弗吉尼亞州2024年報告曾指出，多數當地數據中心用水與大型辦公設施相當或更低，但個別採用蒸發冷卻的超大型園區仍可在炎熱天氣大量用水。
居民反對數據中心的原因亦不只總量。大型項目往往集中在同一地區，可能與住宅、農業和工業爭奪供水，並在乾旱或高溫時同時提高用水。全國佔比看似不高，不代表選址附近的水網、地下水和污水處理系統沒有壓力。
數據中心聯盟表示，業界正在按地區條件選擇冷卻方案，包括提高循環使用率、採用再生水、在缺水地區改用低水或無水冷卻，以及把機房設在氣候較涼地點。新一代直接液冷把冷卻液送到晶片附近，可提升散熱效率，但仍須處理熱量最終排放。
AI模型本身的效率亦影響水和電力需求。較小模型、量化、推理晶片和軟件優化可降低每次查詢運算量；但使用人數、上下文長度、生成影片和智能體任務增加，可能抵銷單次效率改善。平均查詢數字不能代表所有AI工作負載。
奧特曼承認，AI用電是更需要處理的問題。數據中心擴張推高電網負荷，科技公司正投資可再生能源、核能、燃氣和儲能。用電增加亦間接影響水資源及碳排放，能源來源決定AI服務的整體環境成本。
奧特曼表示，AI企業要以實際價值和透明度取得社區信任。數據中心是否「耗水過多」，不能只靠一個每次查詢平均值判斷，而要看設施所在地是否缺水、採用何種冷卻、是否與居民爭水，以及企業能否公開並降低完整水足跡。（編輯部）
下載APP