你以为AI只会聊天、画画、解决问题？它的世界远比想象中复杂。科学家正试图赋予它“通用大脑”，让它无所不能；但每回答你一个问题，它可能都在悄悄消耗半杯水；更意想不到的是，和它相处越久，你的心情或许会悄悄发生变化……关于AI，这些隐藏的“功能”，正在重新定义我们与智能的关系。

嘘！

AI正悄悄和你“抢水喝”

DeepSeek每“开口”一次

就要消耗一百多毫升水

GPT回答一个问题的耗水量约0.3毫升

你可能想不到：当你对着DeepSeek问问题、让AI写方案时，这个看不见摸不着的智能助手，正在咕噜咕噜“喝水”。

AI会消耗水资源？这不是危言耸听。最近有研究者爆料，热门模型DeepSeek每“开口”一次，就要消耗一百多毫升水。而OpenAICEO奥特曼之前也曾提到，GPT回答一个问题的耗水量约0.3毫升，看似只有几滴眼泪，但架不住全球每天上亿次的AI交互，累积起来的耗水量相当惊人。

AI为何会消耗水资源？

AI不是真的要“喝水”，而是它的“大脑”——CPU、GPU组成的服务器集群，在高速运转时会产生巨量热量，必须靠冷却才能正常工作，这也是之前AI耗水的核心原因。简单来说，可以把CPU、GPU看作人体的大脑和心脏，它们发热后的降温逻辑，和人体降温其实是同一个道理。

身体发热时，先拿扇子扇风来散热，这对应着电脑机箱后侧小风扇的工作原理，也就是风冷；要是扇风不管用，就用湿毛巾敷额头，这和冷板降温的思路如出一辙，这两种都属于间接式降温；如果热度还是降不下来，就得像人发烧去医院输液降温一样，给设备用上浸没式液冷——相当于直接把设备的“大脑和心脏”泡进冷水浴缸里，这种方式的降温效率也是最高的。

目前主流的水冷方式，本质是通过持续水流带走服务器热量。随着生成式AI、自动驾驶等技术的普及，人类对算力的需求将呈指数级增长，服务器集群规模越大，耗水量自然越高。据了解，美国人工智能研究公司OpenAI开发的ChatGPT，每回复10到50个问题，至少需要消耗500毫升水，具体耗水量还会根据被部署的时间和地点而出现不同程度的调整。

高效又环保的降温方案为何难推广？

既然浸没式液冷效率最高，为啥没完全替代水冷？业内人士拆解了其中的门道：目前浸没式液冷的介质主要分两类，一类是合成油、矿物油这类油类介质，好处是环保又便宜，但缺点很突出。不仅易燃，长时间在高温环境下还会酸化，进而腐蚀电器元件，所以每隔一两年就得更换一次，而且油还容易结垢，会影响高频信号的传输。另一类是氟化液，性能各方面都碾压油类，却有个致命问题，它含有有毒有害的PFAS（全氟和多氟烷基物质）。

与此同时，国家对PUE(电源使用效率）值也有要求，新政策里要求PUE值≤1.25，这个数值也很好理解：要是PUE值是2，就代表每用2度电，只有1度电真正用在算力上，而剩下的1度电都耗费在了冷却等配套设施的运转中。而当下我们的核心目标之一，就是把设备的整体能耗降下来，理论上来说，PUE值越接近1，设备的能效就越高。未来，液冷技术的普及将取决于如何在性能、成本与可持续性间找到平衡点，而这一探索本身，正是算力时代跨越“能耗悬崖”的关键一步。

AI耗水，带来了哪些影响？

从全球视角来看，水虽属可循环资源，AI耗水的环境影响远小于耗电，取水净化的能耗与数据中心电力消耗相比也不值一提，主要矛盾并非全球水资源总量不足，而是水资源分布的区域性失衡。《自然》期刊指出，在日益严重的淡水短缺危机、持续干旱和公共供水基础设施迅速老化的当下，亟需深度调查和解决AI的水耗问题。

不少科技公司喊出“水资源中和”的口号，效仿饮料企业通过生态补水抵消自身耗水量，但这些补水举措往往不落地于数据中心所在地。更关键的是，数据中心偏爱选址在地价低、电价便宜、监管宽松的区域，而这类区域大多本身就面临缺水难题。同时，随着AI产业爆发式发展，全球数据中心数量持续增加，水资源消耗的规模化增长态势愈发明显，与农业、民生用水的竞争加剧，给地球水资源带来沉重压力。

AI是推动人类社会进步的强大动力，而水资源是维系生命存续的基础，二者并非对立关系，而是需要通过技术创新与科学规划实现和谐共生。在追逐AI算力突破的同时，我们更需守住水资源保护的底线，唯有让AI技术在可持续发展的轨道上前行，才能既享受科技带来的便利，又守护好赖以生存的蓝色星球。这场关于“算力与节水”的平衡术，不仅关乎AI行业的未来，更关乎人类共同的家园。 据上海科协

赞！

以统一架构让AI学会“接龙”

我国科学家为人工智能打造“通用大脑”

你也许用过智能助手聊天，也见过人工智能（AI）生成精美图像，看过机器人跳舞……但你是否想过，驱动“聊天”“画画”“运动”的，究竟是三套独立的系统，还是同一个“智能大脑”的三种功能？日前，一项由北京智源人工智能研究院主导的重要科研突破在国际学术期刊《自然》发表，为实现真正“看得清、想得通、做得稳”的通用人工智能指明了新方向。这也是我国科研机构主导的大模型原创成果首次在《自然》正刊发表。

论文主要作者、北京智源人工智能研究院理事长、北京大学教授黄铁军指出，这项研究的核心思想非常简洁：以统一架构，让AI学会“接龙”。“无论是阅读文字、欣赏图片，还是观看视频、生成动作，在我们新开发的智源Emu模型的‘眼’里，都被转换成一套‘数字积木’。模型的任务，就是像我们玩歌词接龙游戏那样，始终预测‘下一块积木’应该如何出现。”

“这一思路有迹可循。早在2018年，美国OpenAI公司便基于‘预测下一词’的路线训练GPT模型，并于2022年推出ChatGPT，实现了语言大模型重大突破。”黄铁军团队推测，“预测下一词”的架构或许不仅适用于语言，也能拓展至多种模态，将图像、文本和视频数据在同一架构下统一训练，从而开发出“一脑多能”的多模态大模型。

团队成员介绍，此前全球范围内出现的此类模型，大多采用“专用工具组合”方式：理解语言与图片、生成图片与视频，均由各自独立的模型或工具各司其职。这类分工模式虽目的明确，但协同成本也随之增加。能否训练一个“通才”，采用统一架构处理各类数据、掌握多种技能？研究团队的Emu3模型给出了肯定答案。

Emu3就是这样一个“通才”型AI：当你给它一段文字描述时，它可以生成细节丰富、结构合理的图像；当你给它一张照片及相关问题时，它又能结合视觉信息与常识，进行精准的图像问答与理解；更进一步，它还能生成连续的视频片段——只需给出一个开头，模型便能一帧一帧地输出后续画面，甚至还能像连环画那样，为每段画面配上文字描述。

在升级版Emu3.5中，研究团队通过引入大规模长时序视频训练，使模型从“预测下一个词元”拓展到“预测下一个状态”，开始学习世界随时间演化的统计规律，为迈向更完整的“世界模型”探索了可行路径。

黄铁军表示，这意味着，多模态模型分离的“理解”和“生成”两类能力，首次在同一种简单而统一的建模范式下被系统性打通。

这把“统一建模”的钥匙，其潜力并不止于多模态内容生成。它可以延伸到物理世界，为机器人操作提供可行的动作序列设想，还可以解读脑信号等各种复杂数据。黄铁军介绍，“预测下一个”这一看似朴素的思想，本身蕴含着构建通用智能的基因。《自然》编辑评价，智源Emu3这一成果对构建可扩展、统一的多模态智能系统具有重要意义。

黄铁军表示，这项成果证实了生成式人工智能技术路线的普适性：人类已经掌握了让不同智能在同一体系内涌现的方式，正稳步走上通用人工智能持续演进的道路。 据光明日报

惊！

经常用AI的人更容易emo？

打开ChatGPT提问、用AI生成工作方案、辅助学习……生成式AI已深度融入日常生活，但这项看似便捷的技术，是否会悄悄影响我们的心理健康？

近日发表于《JAMA Net-workOpen》的一项大规模研究发现——高频使用生成式AI，可能与抑郁症状存在显著关联。

随着大型语言模型技术的快速迭代，生成式AI的普及率在全球范围内持续攀升，尤其在美国成年人群体中，年轻一代的使用率增长最为明显。长期以来，关于生成式AI的讨论多聚焦于效率提升、功能创新等积极维度，但对于其可能带来的负面心理影响，缺乏系统性的大规模人群数据支撑。

为此，美国麻省总医院定量健康中心的研究团队针对20847名年龄≥18岁的美国成年人（平均年龄为47.3岁）展开调查，主要围绕生成式AI的使用频率和使用场景，心理健康状况，以及年龄、性别、教育程度、家庭收入等人口学及社会经济特征，分析了人工智能的使用与抑郁症状的关系。

AI使用现状调查显示，10.3%的美国成年受访者报告每天都会使用生成式AI，其中5.3%为每天多次使用。从人群分布来看，每天或更高频的使用者更集中在男性、较年轻人群（中青年为主）、教育程度较高者、收入较高者以及城市居民中。使用场景方面，高频使用者中87.1%用于个人目的（如情感陪伴、创意表达、娱乐互动），48.0%用于工作（如办公任务、数据分析），11.4%用于学习（如辅助写作、语言学习）。

与抑郁症状的关联研究发现：与不使用生成式AI的人群相比，每天或更频繁使用的人，抑郁症状评分显著更高。同时，高频使用者发生中度及以上抑郁症状的风险更高。

其他关联与人群差异除抑郁症状外，研究还发现，高频使用生成式AI与焦虑、易怒症状也存在类似的显著关联。

分层分析显示，不同年龄组中，25-64岁人群（包括25-44岁、45-64岁两个亚组）的AI使用与抑郁症状关联更为明显。从使用场景来看，以个人目的使用AI的人群，抑郁症状评分升高的幅度也更为显著。

研究团队强调，看到研究结果无需过度恐慌。本研究为观察性研究，仅能证明高频AI使用与抑郁症状之间的关联，无法确立因果关系。这意味着，不能简单认为“高频使用AI导致抑郁”，可能存在多种潜在解释：比如本身有抑郁倾向的人，更倾向于依赖AI逃避现实社交或简化任务处理；或者存在第三方因素（如长期独处、工作压力过大、社交隔离），既导致人们更频繁使用AI，又同时引发抑郁症状。

然而，这项研究的意义重大。它首次基于大规模人群数据，揭示了生成式AI使用与负面心理症状的关联，尤其提醒我们关注25-64岁中青年群体的风险。

研究人员指出，未来需要通过纵向研究进一步明确因果关系及潜在机制，但当前结果已足够支持在心理健康评估中，将AI使用习惯纳入讨论范畴，比如医生在问诊时，可询问患者的AI使用情况，以更全面地理解其症状。对于普通大众而言，这是一个健康提醒：在享受AI带来的便捷时，不妨关注自己的使用习惯，理性使用，避免过度依赖；尤其是高频个人使用的人群，若出现持续的情绪低落、焦虑等症状，需及时重视并寻求专业帮助。 据光明网