AI耗水到底是不是大问题？关键不只在总量

导语

“AI每次对话要消耗半升水”的说法很容易传播，却很难准确描述人工智能的真实水足迹。数据中心确实需要大量能源和冷却，但用水规模会随模型效率、气候条件、供电方式及冷却系统而变化。真正值得关注的，不只是全国总量，还有数据中心是否建在已经缺水的地方。

核心要点

• 总量不算最大，但增长速度值得警惕。 研究估算，美国数据中心冷却系统2023年消耗约660亿升水，占全国总用水量不到1%，远低于农业及部分制造业。不过，AI服务器持续扩张，可能推动数据中心年用水量在2030年达到7310亿至1.125万亿升，后一个数字大致相当于纽约市一年的饮用水供应量。
• “一次查询半升水”已经过时。 这一估算源于较早的GPT-4研究。随着模型和硬件效率提升，Google在2025年估算，Gemini处理一次中位长度查询约消耗五滴水。但即使单次消耗很小，庞大的使用规模仍会形成可观的累计需求，而且企业披露的数据并不完整、口径也不一致。
• 用水包括直接和间接两部分。 传统数据中心常通过蒸发式冷却排热；AI芯片发热更高，因此更需要高效的液冷。另一方面，煤电和燃气发电也需要用水冷却设备，数据中心的水足迹不能只看园区现场。
• 地点可能比平均值更重要。 在水资源充足、可再生能源丰富的地区，新增数据中心造成的边际压力相对较小；在亚利桑那、新墨西哥和南加州等干旱地区，即使全国占比不高，也可能加剧地方争水。
• 技术正在改变账本。 液冷通常采用封闭循环，水不会像蒸发冷却那样持续损失。新一代处理器能够使用温度更高的冷却水运行，从而减少额外的水基冷却需求。极端炎热或潮湿天气下，设施仍可能需要雾化等耗水手段。

意义与影响

AI水足迹并不是一个可以用单一数字回答的问题。更合理的评估方式，应同时披露直接冷却用水、发电用水、地区水压力以及全年峰值需求。否则，全国平均数据可能掩盖某个社区在炎热季节面临的实际冲击。

解决方案也不只是在数据中心内部节水。研究和专家建议，企业应提升处理器与模型效率，更多使用风能和太阳能，并把设施优先布局在缺水风险较低且清洁电力充足的地区。相关研究认为，综合选址、可再生能源和效率改进，未来水足迹最高可减少约86%。此外，补水和生态修复也可能帮助实现现场冷却的水资源净零，但这取决于项目执行和核算边界。

因此，AI用水既不是可以忽略的噱头，也不宜被夸大成全国性供水危机。它更像一个高度依赖地点和技术的基础设施治理问题：在缺水地区，审批、透明披露和季节性用水管理应成为算力扩张的前置条件。

来源：Ars Technica AI