Nghiên cứu của Liên Hợp Quốc: AI sẽ tiêu thụ 9,3 nghìn tỷ lít nước vào năm 2030, tương đương nhu cầu của 1,3 tỷ người

Các nhà nghiên cứu của UNU-INWEH (Viện Đại học Liên Hợp Quốc về Nước, Môi trường và Sức khỏe), Miriam Aczel (tác giả chính của báo cáo) cảnh báo vào ngày 7 tháng 6 rằng, đến năm 2030, các cơ sở hạ tầng trung tâm dữ liệu vận hành hệ thống AI mỗi năm có thể tiêu thụ 9,3 nghìn tỷ lít nước, tương đương nhu cầu nước sinh hoạt cơ bản hằng năm của 1,3 tỷ dân ở châu Phi cận Sahara.

Ba ước tính tài nguyên cho năm 2030 đã được xác nhận

Theo báo cáo của UNU-INWEH, ba con số ước tính tài nguyên chính như sau: lượng nước sử dụng hằng năm đạt 9,3 nghìn tỷ lít (tương đương nhu cầu nước sinh hoạt cơ bản hằng năm của 1,3 tỷ người); mức tiêu thụ điện năng đạt 945 terawatt-giờ; nhu cầu đất đai vượt quá 14.500 km² (bao gồm địa điểm, cơ sở hạ tầng năng lượng và chuỗi cung ứng).

Giáo sư kỹ thuật tính toán tại Đại học California, Riverside, Ren Shaolei (thông qua ấn bản tiếng Anh của The Nation) cho biết: “Báo cáo này kịp thời và quan trọng khi nhắc nhở chúng ta rằng AI không chỉ nằm trong các mô hình và thuật toán, mà còn tạo ra tác động vật lý và môi trường thực tế đối với trung tâm dữ liệu, hệ thống điện, hệ thống cấp nước, việc sử dụng đất và chuỗi cung ứng phần cứng.”

Cơ chế tiêu hao tài nguyên AI đã được xác nhận

AI inference (tức là sử dụng hằng ngày, không phải giai đoạn huấn luyện) chiếm 80% đến 90% tổng mức tiêu hao năng lượng của AI, khiến việc sử dụng thường nhật trở thành nguồn tiêu hao tài nguyên chủ yếu. ChatGPT mỗi ngày xử lý khoảng 2,5 tỷ lượt nhắc (prompt); riêng một cuộc hội thoại chatbot tiêu chuẩn tiêu tốn năng lượng cao hơn nhiều so với các tác vụ phân loại đơn giản. Nghiên cứu viên Alex Hernandez của Viện Nghiên cứu AI tại Quebec cho biết, hiện nay mức tiêu hao năng lượng của các hệ thống AI vẫn khó đo lường chính xác, điều này hạn chế độ chính xác của các dự báo.

Các câu hỏi thường gặp

Cơ sở tính toán dự báo 9,3 nghìn tỷ lít nước của UNU-INWEH là gì?

Các ước tính về nước của UNU-INWEH bao gồm hai lớp: nước dùng trực tiếp cho hệ thống làm mát của trung tâm dữ liệu (dấu chân nước), và nước dùng gián tiếp liên quan đến sản xuất điện. Báo cáo đưa mức tiêu hao nước của nguồn điện vào khung tính toán, không chỉ giới hạn ở mức nước dùng trực tiếp tại cơ sở trung tâm dữ liệu. Nghiên cứu viên Alex Hernandez cho biết, dữ liệu về mức tiêu hao năng lượng của các cơ sở AI hiện vẫn khó đo lường chính xác, nên ước tính này có sẵn tính bất định.

Vì sao các biện pháp giảm phát thải carbon lại làm lượng nước tăng hơn 30 lần?

Dựa trên phân tích nghiên cứu của UNU-INWEH, việc chuyển điện của trung tâm dữ liệu từ than sang năng lượng sinh học là một lộ trình giảm carbon phổ biến, có thể giảm phát thải carbon khoảng 70%; tuy nhiên, trồng năng lượng sinh học cần lượng nước tưới lớn, đồng thời chiếm nhiều đất nông nghiệp, dẫn đến lượng nước tăng hơn 30 lần và lượng sử dụng đất tăng khoảng 100 lần. Aczel cho biết, nếu chỉ lấy phát thải carbon làm thước đo tác động môi trường, sẽ che lấp chi phí mà các tài nguyên nước và đất đai phải gánh chịu.

Các mô hình AI hiệu quả hơn có thể giảm đáng kể mức tiêu hao tài nguyên nước không?

Báo cáo của UNU-INWEH đề cập rủi ro của “hiệu ứng phản tác dụng”: AI rẻ hơn và hiệu quả hơn có thể làm giảm mức tiêu hao tài nguyên cho mỗi lần sử dụng, nhưng chi phí giảm thường kéo theo tần suất sử dụng tăng mạnh, cuối cùng có thể khiến tổng mức tiêu hao tài nguyên cao hơn mức trước khi cải thiện hiệu suất. Do đó, liệu việc nâng cao hiệu suất mô hình có thể giảm tác động của AI lên tài nguyên nước ở cấp vĩ mô hay không phụ thuộc vào việc tốc độ tăng quy mô sử dụng có vượt quá mức độ cải thiện hiệu suất hay không.