{"id":"mb-20261012-0a6701","kind":"deep","title":"提问38000次等于一颗巴旦木：Sam Altman的算术与数据中心的真实散热账","summary":"围绕Sam Altman关于ChatGPT提问水耗与加州巴旦木的对比，详细拆解单次提问0.32毫升与早期学术论文500毫升的悬殊差距，解释数据中心从开式蒸发冷却转向闭环液冷的工程机制，以及水耗下降背后对局部电网和峰值散热的深层考验。","body":"吃一颗加州巴旦木耗费的水，够向 ChatGPT 连续提问 38000 次。\n这是 Sam Altman 在访谈里给出的一个对比。\n他说，现代超大型数据中心的耗水量，其实跟一栋普通的商业写字楼差不多。\n大家平时随手抓一把巴旦木当零食，连吃十几颗，没人觉得自己浪费了水。\n那凭什么问几次 AI，就背上了把水资源榨干的舆论包袱？\n38000 次提问等于一颗巴旦木，这笔账到底是怎么算出来的？\n先看巴旦木。\n加州生产了全球八成以上的巴旦木。\n按照农业全生命周期的测算，一棵巴旦木树从开花、授粉、常年漫灌到最终挂果，产出一颗合格的巴旦木，平均要消耗大约 12.3 升水。\n12.3 升水，相当于 24 瓶常见的小瓶矿泉水。\n如果把这 12.3 升水除以 38000 次提问，每次提问分摊到的水量，只有 0.32 毫升。\n0.32 毫升是什么概念？\n普通滴管的一滴水大约是 0.05 毫升，0.32 毫升大概就是 6 滴水。\n连一茶匙的十五分之一都不到。\n如果你只是让大模型写个通知、查个生词，服务器散发热量消耗的水，确实只有这几滴。\n那之前流传极广的耗水传闻又是打哪来的？\n2023 年，加州大学河滨分校的研究团队发过一篇传播很广的学术论文。\n论文里给出了一个流传至今的数据：\n向 ChatGPT 提问 20 到 50 个问题，就会喝掉 500 毫升水，也就是整整一瓶矿泉水。\n折算下来，提问一次要耗水 10 到 25 毫升。\n一个是 0.32 毫升，一个是 25 毫升。\n两个数字之间差了整整 70 多倍。\n为什么会有这么巨大的鸿沟？\n把背后的工程细节拆开看，会发现双方统计的口径完全不同，而且刚好撞上了数据中心冷却技术的更新迭代。\n两年前的大模型训练和推理，大量依赖老式数据中心。\n几万张 GPU 芯片挤在机柜里全力计算，热量极高，当时普遍采用的是开式蒸发冷却塔。\n这种设备的工作逻辑就像人出汗。\n把滚烫的循环水喷洒到冷空气中，靠水蒸发带走潜热。\n热量排到大气里，水分也变成水蒸气直接飞走了。\n一到夏天，外界气温超过 30 摄氏度，一座老式大型数据中心每天能蒸发掉几百万升干净的自来水。\n加州大学的研究人员在计算时，统计的就是这种蒸发水耗。\n并且他们还算上了间接用水：火电厂和核电厂发一度电，蒸汽轮机散热同样需要蒸发大量的水。\n把电厂消耗的水加上冷却塔蒸发的水，按当时早期的 GPT-3 模型一除，就得出了几十次提问消耗半瓶水的结果。\n但现代新建的超大型数据中心，正在迅速淘汰这种大汗淋漓的降温方式。\n新一代算力中心开始全面采用闭环液冷与干冷技术。\n原理就像家用汽车发动机里的防冻液循环系统。\n特制冷却液在密封的铜管和均热板里高速循环，直接贴在芯片发热处把热量抽走。\n液体流经室外的风冷散热排，靠巨大的风扇吹风把热量排掉，降温后的液体重新流回机房。\n整个水路是完全焊接封闭的。\n管道里的水循环成千上万次，不会直接蒸发到室外空气中。\n只要系统不出现物理泄漏，这部分冷却水基本不需要频繁补水。\n在这种架构下，整栋数据中心建筑平时消耗的水，主要变成了在场工程师上厕所、洗手和拖地的日常保洁用水。\n这正是 Altman 敢拿写字楼作类比的技术依据。\n全球数据中心密度最高的美国弗吉尼亚州，其联合立法审计委员会在 2024 年底做过全州水资源专项审计。\n审计结果证实：当地绝大部分单个数据中心建筑的市政耗水量，确实等于甚至低于同等体量的普通商业办公楼。\n那是不是意味着，大模型耗水的担忧完全多余了？\n物理定律从来不给免费的午餐。\n闭环液冷确实把水省下来了，但它把散热的代价转移给了电力。\n水蒸发的降温效率极高，一公斤水蒸发可以吸收 2260 千焦的热量。\n一旦放弃蒸发，纯靠风机强行吹风散热，耗电量就会大幅飙升。\n尤其是在炎热的盛夏，外界气温一旦逼近 40 摄氏度，单纯的风冷无法压住上百兆瓦的算力热量，依然必须开启辅助喷淋蒸发。\n弗吉尼亚州的审计报告里同样写着另一组事实：\n全州虽然大部分机房耗水普通，但有 11 座超级数据中心，每栋一年的实际耗水量依然超过了 5000 万加仑，最高的一栋消耗了 2.43 亿加仑。\n更现实的问题在于地理位置的极端集中。\n加州的巴旦木树分散在中央山谷绵延几百公里的农田里。\n而数据中心往往集中在一个县甚至几个街区之内。\n对单个用户而言，提问一次耗费 6 滴水确实微小到可以忽略。\n但当全球每天产生数十亿次请求，当庞大的算力负荷集中砸向几个局部城镇的水电管网，局部的资源挤兑依然是无法回避的工程现实。\n随着深度思考模型成为主流，一次复杂推理动辄运算几十秒甚至几分钟，单次交互消耗的能量与散热需求，也在悄悄离开这 6 滴水的起点。\nAltman 拿巴旦木打的比方在算术上成立，也准确描述了闭环冷却带来的工程进步。\n但在离开微观算术走向宏观现实的时候，支撑这套算力运转的物理系统，依然在老老实实称量着每一度电和每一滴水的重量。","topic":"提问38000次等于一颗巴旦木：Sam Altman的算术与数据中心的真实散热账","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-12 16:11:25","legal_anchor_count":0,"transcript_citation_count":0}