Det kan lyde mærkeligt, at kunstig intelligens har noget med vand at gøre. Når du bruger en chatbot, får lavet et billede med AI eller oversætter en tekst, virker det jo som noget, der kun foregår “i skyen”. Men skyen er ikke vægtløs. Den består af fysiske datacentre fyldt med servere, kabler og kølesystemer. Og netop derfor giver spørgsmålet hvorfor bruger AI vand faktisk god mening.
AI bruger ikke vand på samme måde, som du gør derhjemme, når du tager et bad eller koger pasta. Vandet bliver først og fremmest brugt indirekte til at køle de maskiner ned, som træner og kører AI-modeller. Kraftige computere udvikler meget varme, og varme er en af de største praktiske udfordringer i moderne datacentre. Hvis udstyret bliver for varmt, kan det blive langsomt, ustabilt eller i værste fald gå i stykker.
Derfor bruges vand nogle steder som en del af kølingen. Samtidig kan AI også være med til at øge elforbruget, og elproduktion bruger i mange tilfælde også vand, afhængigt af hvordan strømmen bliver produceret. Så når man taler om AI og vandforbrug, handler det både om selve datacentrene og om den energi, der får dem til at køre.
I denne artikel får du en enkel forklaring på, hvorfor AI bruger vand, hvor vandet typisk bliver brugt, og hvorfor emnet fylder mere i debatten i takt med, at AI bliver en større del af hverdagen.
AI er software, men det kører på fysiske maskiner
For at forstå hvorfor AI bruger vand, er det nyttigt at starte et andet sted: AI er ikke magi. Når du skriver til en chatbot eller bruger et AI-værktøj, bliver din forespørgsel sendt til en server i et datacenter. Her sidder kraftige computere og regner på dit spørgsmål, finder et svar og sender det tilbage til dig på få sekunder.
De computere er ofte langt mere kraftige end en almindelig bærbar computer i hjemmet. Især når man træner store AI-modeller, bruges særlige chips, som er designet til at lave mange beregninger hurtigt. De chips kan udvikle store mængder varme, når de arbejder hårdt i timevis eller dagevis.
Det svarer lidt til forskellen mellem at have en enkelt pære tændt i stuen og at have et helt industrikøkken kørende for fuldt blus. Begge dele bruger energi, men mængden af varme og behovet for ventilation er ikke til at sammenligne. På samme måde kræver AI-systemer i stor skala langt mere køling end almindelig it-drift.
Datacentre kan køles på flere måder. Nogle bruger hovedsageligt luftkøling, hvor store ventilationssystemer leder varm luft væk. Andre bruger vand eller væskekøling, fordi det kan være mere effektivt til at transportere varme væk fra udstyret. Vand er nemlig rigtig godt til at optage og flytte varme.
Det er derfor, du ofte ser vand nævnt i forbindelse med AI. Det er ikke fordi en chatbot “drikker” vand. Det er fordi infrastrukturen bag AI har brug for køling, og vand i mange tilfælde er en praktisk løsning.
Hvorfor bruger AI vand i datacentre?
Den mest direkte forklaring på spørgsmålet hvorfor bruger AI vand er altså køling. Men der er lidt flere lag i det.
Når tusindvis af servere står tæt sammen i et datacenter, producerer de konstant varme. Hvis varmen ikke bliver fjernet effektivt, stiger temperaturen hurtigt. Det kan påvirke både ydeevne, levetid og sikkerhed. Derfor er køling ikke bare en detalje. Det er en grundlæggende del af driften.
Vand kan indgå i køling på flere måder:
- Køletårne: Vand bruges til at fjerne varme fra bygningen og udstyret.
- Fordampningskøling: Vand hjælper med at sænke temperaturen, når det fordamper.
- Direkte væskekøling: En væske ledes tæt på eller direkte omkring de varme komponenter for at opsamle varme mere effektivt end luft.
I nogle anlæg bruges der ikke store mængder vand hele tiden. Det afhænger af klima, teknologi og design. Et datacenter i et køligt område kan have andre behov end et center i et varmt og tørt område. Desuden vælger nogle virksomheder løsninger, der skal minimere vandforbruget, mens andre prioriterer lavere strømforbrug eller høj regnekraft.
Det er også vigtigt at skelne mellem vandforbrug og vandbrug. Nogle systemer cirkulerer vand igen og igen i et lukket kredsløb. Andre bruger vand, som delvist går tabt, for eksempel ved fordampning. Når emnet diskuteres, kan tallene derfor være svære at sammenligne, hvis man ikke ved præcis, hvad der bliver målt.
For dig som almindelig bruger er hovedpointen enkel: Jo mere regnekraft AI kræver, desto større bliver behovet for at håndtere varme. Og i mange tilfælde er vand en del af løsningen.
AI træning og AI brug er ikke det samme
Når folk taler om AI’s ressourceforbrug, bliver to ting ofte blandet sammen: træning af modellen og brugen af modellen bagefter. De to ting hænger sammen, men de er ikke identiske.
Træning af en AI-model
At træne en stor AI-model er en tung proces. Her fodrer man modellen med enorme mængder data og lader den justere sig selv igen og igen, indtil den bliver bedre til at genkende mønstre og svare fornuftigt. Det kan tage lang tid og kræve mange servere samtidig.
Det er ofte i denne fase, at energiforbrug og varmeudvikling er særligt høje. Derfor kan vandforbruget til køling også være betydeligt, hvis træningen foregår i datacentre med vandbaseret køling.
Når du bruger AI i hverdagen
Når modellen først er trænet, bruges den til at svare på spørgsmål, lave billeder, sammenfatte tekster eller hjælpe i apps. Den del kræver også strøm og skaber også varme, men ofte på en anden måde end selve træningen. Hvis millioner af mennesker bruger samme AI-tjeneste hver dag, bliver den samlede belastning stadig stor.
Det betyder, at både udviklingen og den daglige brug af AI kan være med til at øge behovet for køling. Så selv en kort forespørgsel kan være en lille del af et meget større system, der samlet set bruger mange ressourcer.
Det er lidt som streaming. Ét enkelt afsnit af en serie føles ikke voldsomt. Men når millioner gør det samtidig, kræver det servere, netværk og strøm i stor skala. AI fungerer på samme måde: Den enkelte brug er lille, men den samlede mængde kan være stor.
Vand bruges også indirekte gennem elforbruget
Hvis du vil forstå emnet helt, er det ikke nok kun at kigge på selve datacentret. AI bruger også vand indirekte gennem det strømforbrug, der skal til for at drive serverne.
El bliver produceret på mange forskellige måder. Nogle energikilder kræver mere vand end andre. Kraftværker kan for eksempel bruge vand til køling, og nogle industrielle processer er generelt vandtunge. Derfor kan et højt elforbrug også have en vandmæssig konsekvens, selv hvis datacentret i sig selv ikke bruger særlig meget vand direkte.
Det gør debatten mere kompleks. Når nogen spørger, hvorfor AI bruger vand, kan svaret altså være todelt:
- Direkte: Vand bruges i eller omkring datacentret til at køle udstyret.
- Indirekte: Den strøm, datacentret bruger, kan være produceret på måder, der også kræver vand.
Hvor stor den indirekte del er, varierer fra land til land og fra energikilde til energikilde. Derfor er det svært at give ét enkelt tal, der gælder for al AI. En AI-tjeneste, der kører i et datacenter med effektiv køling og strøm fra energikilder med lavt vandaftryk, kan se anderledes ud end en tilsvarende tjeneste et andet sted i verden.
I dansk sammenhæng er det relevant, fordi vi ofte tænker digitalisering som noget relativt rent og usynligt. Men selv digitale tjenester har et fysisk fodaftryk. Det gælder ikke kun AI, men også cloud-lagring, videomøder, streaming og store søgninger på nettet. AI har bare gjort spørgsmålet mere synligt, fordi behovet for regnekraft er så højt.
Hvorfor er det blevet et stort emne netop nu?
Der er flere grunde til, at spørgsmålet om AI og vand er kommet højere op på dagsordenen.
For det første er AI blevet meget mere udbredt på kort tid. Flere bruger chatbots, AI-søgning, billedgeneratorer og smarte funktioner i almindelige programmer. Når brugen vokser hurtigt, vokser presset på infrastrukturen også.
For det andet bliver AI-modeller større og mere avancerede. Det kræver ofte mere regnekraft at udvikle og drive dem. Og mere regnekraft betyder typisk mere varme og større behov for køling.
For det tredje fylder klima og ressourceforbrug mere i den offentlige debat generelt. Folk spørger i stigende grad ikke kun, hvad ny teknologi kan, men også hvad den koster i strøm, materialer og vand. Det er i sig selv en sund udvikling. Teknologi er ikke kun et spørgsmål om smarte funktioner, men også om ansvarlige valg.
Det betyder ikke, at AI nødvendigvis er “dårligt” på grund af vandforbrug. Men det betyder, at man bør tale ærligt om de praktiske konsekvenser. AI kan være nyttigt i mange sammenhænge, men nyttigt er ikke det samme som gratis. Der er altid en bagvedliggende infrastruktur.
Kan man gøre AI mindre vandkrævende?
Ja, der findes flere måder at reducere vandforbruget på. Det er et område, hvor både teknologivirksomheder, datacentre og samfundet som helhed kan påvirke udviklingen.
Mere effektiv hardware og software
Hvis chips og servere bliver bedre til at bruge strøm effektivt, udvikler de mindre spildvarme. Det kan mindske behovet for køling. Det samme gælder smartere software, der kan løse opgaver med færre beregninger.
Bedre placering af datacentre
Klimaet betyder noget. Datacentre i køligere områder kan i perioder bruge udeluften mere effektivt til køling. Det kan reducere behovet for vandbaserede løsninger. Placering tæt på stabile energikilder kan også spille en rolle.
Nye køleteknologier
Nogle steder arbejder man med mere lukkede kølesystemer, genbrug af varme eller andre tekniske løsninger, der kan mindske vandtab. Der findes ikke én perfekt model, men udviklingen går i retning af større effektivitet.
Mere bevidst brug af AI
Som bruger kan du ikke styre et datacenters kølesystem, men du kan godt tænke over, hvordan du bruger AI. Ikke alle opgaver kræver nødvendigvis en tung AI-løsning. Hvis et almindeligt opslag, en simpel skabelon eller et menneskeligt skøn er nok, kan det nogle gange være den mest fornuftige løsning.
Det handler ikke om at undgå AI for enhver pris. Det handler mere om at bruge teknologien med omtanke, ligesom du ville gøre med andre ressourcer.