本以为 ai 的 快速发展正在一步步取代人类的工作已经很离谱了,没想到他最先掠夺的竟然是普通人的水资源。大多数人普遍知道的是 ai 高耗电,但其实它也相当耗水。 大型数据服务器全天候高速运转,想要散热冷却,就必须要消耗大量的纯净水。例如谷歌在智利的机房每天耗水将近七百六十万升,约等于一个小镇的全天用水,目前正在一点点掏空圣地亚哥最后的地下含水层。 而位于西班牙阿拉贡的亚马逊数据中心获批,年用水量高达七十五点六万平方米。这些水本可灌两百三十三公顷的玉米田, 可即便是已经加入了大量的农业用水企业,甚至还要申请再增加百分之十八。针对这一现象,二零二四年,当地农民一起抗议,还组建了一个名为你的云,晒干了我的河的抗议团体。同样的遭遇也发生在乌拉圭,当时该地震面临七十四年来最严重的干旱, 民众被迫在自来水里掺入海水饮用。孩子天真的问总统,为何水是发咸的?而在汉前最高峰的时候,谷歌竟然宣布在当地要建造一个 ai 数据中心。要知道,该项目的日耗淡水量可供五万五千人的日用水。民怨彻底爆发,发出了我们喝咸水, ai 却可以喝淡水这样的控诉。最后迫于巨大的舆论压力, 谷歌才暂缓项目的执行。看似轻盈的云端算力全都建在偏远的农业区,通过压榨底层的公共资源来获取利益,而当地居民却连话语权都没有。我们总在讨论 ai 的 浪潮正在一步步挤压普通人的工作岗位,然而在悄无声息间,他还在掠夺人类生存的资源。难道说科技的进步就必须要以牺牲普通人的生存为代价吗?
粉丝100.4万获赞1143.0万

该为这件事情负责任的是那些只顾赚钱的 ai 巨头。欢迎收看零零后打工人在 ai 公司每天刷新一个认知之 ai 正在疯狂的消耗水。给大家说一个扎心的数据, ai 一 年耗水几十亿平方米,相当于一千万美国人一年的用水量。 全球数据中心一年要喝掉五千六百亿的淡水,够九点六亿人喝一整年。重点来了,千万不要自我内耗,普通人用的那点 ai 消耗,连大厂一天的零头都到不了。真正该为这件事情负责任的是那些只顾赚钱的 ai 巨头, 他们明知道缺水,却偏把数据中心建在缺水区,微软百分之四十二的用水来自于缺水区,亚马逊连数据都不敢公开,代价全部让当地居民承担。 其实 ai 耗水的根本是可以解决的,只要大厂选对地址,用清洁能源升级冷却技术,就能够减少百分之八十左右的消耗。技术进步没错,但不能以透支地球为代价,应该大厂扛起责任了。普通人用 ai 真的 不用愧疚。评论区说说,你觉得大厂应该负责任吗?拜拜,明天见!

ai 不 需要吃饭,所以 ai 不 会管人类死活。大家总以为 ai 代表的是人类未来,但实际上,比赛博未来先到来的是一把割向底层人民的弯刀。 ai 回答一个问题,背后消耗的是一整瓶水资源。 ai 算法下比艺术创造液先受到冲击的其实是水和溶液。二零二四年,西班牙阿拉贡的农民自发组成了一个抗议团体, 因为你的云正在晒干我的河。亚马逊新建了几座大规模的数据中心,在几年里被官方许可的用水量是七十万平方米,每年足以灌两千三百三十公斤的玉米质地。谷歌机房每年消耗水七百六十万升,等于一座小镇的全天用水量,掏空着当地最后的储水城。怪不得末日赛博朋克电影为什么缺水缺粮食了? 是为了运行数据水都冲没了吗?我们享受 ai 带来的便利,却忽略了它其实在掏空我们的生存根本。正如本亚明那句话,每一次文化的记录,同时也是一次野蛮的记录。

五万五千人一天的用水量,被谷歌的一座数据中心一天就用掉了。这个数字比任何口号都更戳破 ai 的 轻盈假象。我们总说 ai 代表未来,可它的未来是建立在消耗普通人的生存资源之上的。 西班牙阿拉贡的农民早就看清了这一点。亚马逊数据中心一年耗水够浇活两百三十三公顷玉米,致力谷歌机房的日耗水量,直接掏空圣地亚哥的含水层。 乌拉圭遭遇七十四年最严重干旱,孩子只能喝掺了海水的水,质问总统水为什么发咸。而巨头们一边申请把用水量提升百分之四十八,一边用 ai 教农民解水,完美的把矛盾从自己身上转移到了最弱势的群体身上。我们怕 ai 抢工作,可他连我们喝水的权利都在抢。

你好,欢迎来到我们的深度解析,今天我们来聊一个特别有意思的话题,你知道吗?在人工智能这场技术革命的背后,其实隐藏着一个巨大的瓶颈,而这个瓶颈恰恰又催生了一个全新的投资机会。咱们今天就来深入看一看巴伦周刊的一篇报道,聊聊这个有水引发的挑战和机遇到底是怎么回事。 好,我们直接切入正题啊。一说到人工智能的风险,你可能会想到什么?嗯,可能是监管问题,或者是网络安全,对吧?但如果我告诉你,他最大的软肋,或者说最致命的弱点,其实是一种我们每天都离不开,但又常常忽略的资源呢?没错,你没听错,就是水。 想不到吧,人工智能的这种可以说是爆炸式的增长,正在引发一场我们以前从没见过的水资源危机。但是你要知道,危机里面往往就藏着机会,就不,他就给一类全新的市场赢家扑跑了一条路。 ok, 那 今天咱们就按这个顺序来聊,首先, ai 为什么这么渴?它的隐藏之渴到底是怎么回事?然后我们用一些数据来看看这个危机到底有多大。 接着我们来认识一下谁是解决这个问题的新贵,也就是那些新兴的水雾巨头。当然了,我们还会具体看几只值得关注的股票。最后,从投资者的角度,我们该怎么布局? 咱们先来看第一部分,所以问题到底出在哪呢?说白了就一个字,热!你想想那些高性能的 ai 芯片,算力那么猛,那发热量肯定也大得惊人,结果就是以前那种靠风扇吹吹风的空气冷却,现在根本就不管用了。 所以啊,数据中心就没办法了,必须转向一种更厉害的技术,液体冷却。顾名思义,这东西就得用水了,而且它不光是直接用水来降温,它消耗的巨大电力在生产过程中也同样需要大量的水。 所以,巴伦周刊的这篇文章里,就直接管这个叫人工智能的致命弱点。你想啊,这不仅意味着运营成本哗哗的往上涨,还得面对监管的压力,特别是在那些本来就缺水的地方,比如亚历桑那州的凤凰城,这个问题就更棘手了。 好,那这个缺水的问题到底有多严重呢?我们来看一些数字,说实话,这些数字真的会让你大吃一惊。摩根时代利有个预测,他们估计啊,到二零二八年,光是 ai 数据中心每年用来冷却和发电的水就会超过一万亿升 一万亿。更疯狂的是这个增长速度,这意味着,从二零二四年到二零二八年,短短四年,用水量就要暴增十一倍。一万亿升水,这是个什么概念?这么说吧,它足够填满四十万个奥林会标准游泳池,简直是难以想象。 我们再把目光聚焦到美国,你看这个图,趋势非常明显,预计到二零二八年,光是美国的数据中心耗水量就要翻上整整两番。 好,这么大的一个难题,自然也就催生了巨大的商机。这就引出了一类特别的公司,你可以把它们看作是这场 ai 淘金热里那个在旁边卖水的人。 这种玩法就不是直接去投那些 ai 模型公司了,而是换个思路投,所谓的搞核产,什么意思呢?就是说在淘金热里,最赚钱的可能不是淘金工,而是那个卖工具的人。在这里,这些工具就是那些必不可少的冷却系统和水管理设施。 这个市场的增长潜力可以说是巨大的,特别是液体冷却凯旋方案这个领域正在经历爆炸式的增长,预计的复合年增长率啊,注意了,高达百分之二十五到四十。那么具体有哪些公司呢? 巴伦周刊就点明了,六家公司认为他们处在一个绝佳的位置,很有可能成为 ai 时代的新兴水务巨头。 好,我们来看看这张表,这里列了六家关键的公司,可以说是这个生态系统里的主要玩家了,你会发现他们各有各的玩法,有的是什么都做的一体化巨头,有的是专攻某个核心部件的专家,大家一起构成了这个全新的市场格局。我们先看伊顿和施奈德电器,这两家是行业巨头, 他们现在主要在玩收购整合的策略,通过买下那些有专门技术的公司,来快速打造出从电力到冷却的一体化方案解决。 再来看维蒂技术和摩丁制造,维蒂技术走的是自主研发的路子,他的集成冷却能力很强,订单量增长非常惊人。而摩丁制造呢,他正在把自己变成一个纯粹的冷却专家,目标非常明确。 最后这两家也很有意思,特灵科技也是通过收购来深入布局更高级的进墨式冷却技术。而 sos 呢,他扮演的是一个关键的原料供应商,专门提供那些让新系统运转起来的高科技冷却液。 所以你看啊,这就很清楚了,这些公司基本上就两条路,一边是买买买的收购派,像伊顿、施耐德和特林他们通过收购来快速拿到新技 术。另一边呢,是练内功的专家派,比如 vt 技术、摩丁和 sauces, 他 们靠自己原有的技术积累和专业能力来赢得市场。好了,了解了这些公司,那作为投资者,我们应该怎么看呢? 这个机会背后又有哪些需要注意的风险?咱们最后来梳理一下。当然了,机会这么大,风险也肯定不能忽视。首先就是估值,你看有些股票,比如 v t 技术,市盈率已经到四十六倍了,说明市场的期望已经打得很高了。 还有竞争也很激烈,传统巨头和新创公司都想进来分一杯羹。另外,像是水用政策、 ai 行业的资本开支周期,甚至宏观的能源价格和利率,这些都是需要我们密切关注的变量。 说到底啊,投资这些公司,其实就是投资 ai 热潮的第二波浪潮,第一波可能是芯片和软件,而这第二波就是支撑起整个数字革命的实实在在的物理基础建设。 那么这就给我们留下了一个更深层的问题去思考,当我们的世界变得越来越数字化,越来越虚拟,我们又该如何去衡量他在现实世界里留下的物理足迹和他付出的资源代价呢?好了,这次的分享就到这里,感谢收看!

尼克,听说最近工程家家户户都在倒水费,咱去瞧水费不是花钱买水吗?有啥好算的啊?这怎么瞎猜了?当然这就是一个问题,今天咱们就比利来解决这个问题,超简单的,小伙伴们,刚才咱们算术和比利来解决这个问题,超简单的, 小伙伴们,刚才咱们算术和比利来算出了两家的水费,大家都超标。其实核心知识点就是当两个彼此一定时,他们就成对立关系,掌握了这个权力,接下来练习挑战可能挡不住,先判断是否成正比例,在比利时,最后比利时不变,跟着我一路来保证全对,虽然被质量变了,但水 厉害厉害,为了奖励大家,每个人都能斗得胜于勇者,今天我们结束了用体力解决问题的技能,谁能总结核心要点?