水务观察：人工智能背后的水资源隐忧与节水前景

人工智能与机器学习技术已在水务领域获得广泛部署，涵盖数字孪生建模、洪涝预警与调度、水厂运行监测及能耗资源分析等场景。尽管外界对其水资源与能源消耗存在疑虑，人工智能仍被普遍认为具备显著提升节水效能的潜力。

人工智能数据中心的水资源消耗同样引发高度关注。传统数据中心本就是耗水重地，人工智能的引入将进一步推高用水需求。然而围绕实际耗水规模、用水量是否触及警戒线等议题，各方观点分歧明显。

深入理解人工智能的水资源消耗

下文将更系统地剖析人工智能对水资源的占用情况，以帮助读者全面把握其水足迹特征。

人工智能消耗水资源的途径

经济合作与发展组织（OECD）指出，人工智能主要通过两条路径消耗水资源。

本地服务器冷却：属于高耗水环节，尤其在使用冷却塔将服务器热量转移至周边环境时——该工艺依赖水分蒸发实现散热。据测算，单座冷却塔的耗水量可达19 m3/min。其他现场冷却方案还包括芯片级液冷与闭环系统，尽管此类系统可实现水资源多次循环复用，但通常仍需使用高纯度水，且系统排放的废水需经再处理后方可排放。

异地发电：人工智能数据中心运行能耗极高，尽管部分新建设施采用清洁能源，但大多数仍依赖电力驱动服务器运行，这同样带来大量水资源消耗。此外，支撑人工智能运算的微芯片制造环节本身亦需大规模用水。

人工智能的实际耗水量

人工智能的水足迹因数据中心选址不同而存在显著差异。以微软全球数据中心为例，每消耗1 kWh能源，人工智能对应的耗水量介于1.8×10-3~12×10-2 m3/kWh之间，其中爱尔兰用水效率最高，华盛顿州则最低。

本地耗水量与异地耗水量的相对大小，取决于数据中心所采用的冷却技术及当地电网的电源结构。例如，若数据中心采用冷却塔降温，且当地电网以太阳能和风能为主，则本地范围用水量可能占据主导。

世界经济论坛数据显示，一座1 MW的数据中心仅冷却环节每年即可能消耗高达2.55×10^4 m3/a的水——相当于约30万人的日用水需求。这种用水规模对水资源本就紧张的地区构成显著压力。

人工智能模型GPT-3每生成10~50条回复大约消耗5×10^-4 m3水。考虑到其1亿用户每日进行高频对话，人工智能的总体水足迹极为惊人。据预测，后续迭代版本的水资源消耗将进一步攀升。

即使是中等规模（15 MW）的传统数据中心，其年用水量也相当于三家普通医院的年耗水总量，或超过两个18洞高尔夫球场的年用水量。但与正在建设的、用于承载未来人工智能工作负载的超大规模数据中心相比，这一规模仍相形见绌——后者的电力需求可达150 MW甚至更高。

科罗拉多大学河滨分校与德克萨斯大学阿灵顿分校的研究团队进一步指出：根据公开数据测算，在微软美国前沿数据中心训练GPT-3模型将直接消耗7×10^2 m3优质淡水（相当于制造370辆宝马轿车或320辆特斯拉电动汽车所需的用水量）。

根据OECD报告，每片AI芯片的生产需消耗约8.3279×10^-1 m3超纯水（UPW）。若将UPW制备过程的资源成本纳入考量，实际消耗量将更为庞大。

在英国，数据中心年用水量估计接近1×10^7 m3。这一数字引发水务行业担忧：新建数据中心将加剧区域缺水状况，供水能力难以匹配人工智能的用水需求。安格利亚水务公司近期对在北林肯郡建设数据中心提出反对意见，称该区域是"全国最干旱的地区之一"。

然而英国科技行业协会TechUK对英格兰73家数据中心的调研表明，上述担忧或被过度放大。调查结果显示：

51%的受访中心采用无水冷却方案。

64%的中心年用水量低于10 000 m3——低于普通休闲中心的用水水平。

89%的中心已实施用水计量或部署无需用水的冷却系统。

仅4%的中心报告年用水量超过100 000 m3。

显然，可持续性将成为未来人工智能数据中心建设的核心考量。

评估人工智能水足迹的核心指标

水的使用方式可分为取水与耗水两大类：

取水：从地下水或地表水源中提取淡水，可能是临时性或永久性的。

耗水：指通过蒸发、蒸腾、融入产品或作物，或从某地水环境中移除而损失的水量。该指标常被用作水足迹的度量值。

OECD采用以下公式计算人工智能数据中心的水足迹：

水足迹 = 服务器能耗 × 本地用水效率 + 服务器能耗 × 电源使用效率 × 异地用水效率

其中，服务器能耗可通过内置传感器获取。本地用水效率反映冷却系统的用水效率，电源使用效率（PUE）则衡量非IT能耗（如制冷与配电损耗）的占比。异地用水效率反映发电环节的用水效率。

预测之外：人工智能与水资源消耗

全球数据中心行业每年消耗超过5.6×10^12 m3水。国际能源署（IEA）预测，这一数字可能急剧攀升，到2030年最高可达1.2×10^9 m3。单个超大规模数据中心的影响更为突出：一座100 MW的设施年耗水量可达约2.5×10^10 m3/a，相当于约8万人的用水需求。

英国政府报告指出，处于人工智能开发前沿的科技巨头及超大规模数据中心运营商，其数据中心用水量均呈现大幅年增长态势。微软全球用水量（主要用于云数据中心）在2022年增长34%，达到6.4×10^6 m3。谷歌数据中心2022年用水量达1.95×10^7 m3，增幅达20%。这清晰反映出人工智能工作负载所驱动的水资源需求激增趋势。

人工智能发展对取水率的影响

尽管数据中心用水结构已有所调整，但多数设施仍依赖饮用水。在水资源紧张地区，这导致数据中心与居民生活用水之间形成直接的资源竞争。

这种竞争可能演变为矛盾焦点，因为数据中心仍是巨大的用水消耗体。预计到2027年，全球人工智能需求将消耗约4.2×10^9至6.6×10^9 m3的水资源，这一取水规模甚至超过丹麦的年均取水总量。

在美国，得克萨斯州水资源开发委员会预计该州数据中心2025年用水量将达1.85×10^8 m3，到2030年将激增至接近1.51×10^9 m3，届时全州数据中心用水量将占全州总用水量的7%。

资源竞争已导致美国一个备受关注的数据中心项目流产。与亚马逊网络服务相关的"蓝色计划"原拟在图森市南部占地290英亩，但因每年预计消耗2.35×10^5 m3（其中前两年仅使用饮用水）等环境问题遭到市政官员和居民反对。

尽管该计划承诺在最初两年后改用再生水，并为当地带来就业机会和数十亿美元的额外收入，但居民们认为在沙漠环境中建造高耗水数据中心毫无意义。当地居民丹尼·加西亚在居民与市政官员的会议上发言时，道出了反对者的心声："我们夏季气温创下历史新高，而水位却跌至历史最低点。季风降雨已不复存在，圣克鲁兹河再难满溢两岸。"

世界资源研究所预测，到2030年，人工智能基础设施每年将消耗4.2×10^9 m3至6.44×10^9 m3淡水，约等于加州所有家庭的年用水总量。

人工智能水资源消耗：可持续冷却方案

确实存在更为可持续的替代方案，这些方法用水量更少甚至完全无需耗水，但其适用性取决于当地具体条件。其中一种方案是闭环系统，另一种则是直接芯片冷却技术。

微软已制定目标，致力于建造零耗水数据中心。该公司对数据中心的可持续发展规划如下："尽管现有设施仍将采用风冷与水冷混合方案，但亚利桑那州凤凰城和威斯康星州芒特普莱森特的新项目将于2026年率先采用零耗水蒸发式设计。自2024年8月起，所有新建微软数据中心均开始采用这项新一代冷却技术，我们正致力于将零耗水蒸发式冷却作为自有设施组合的主要制冷方式。这些新站点将于2027年末陆续投入运营。"

微软采用闭环系统反复利用同一水源，将热量从发热芯片中导出。机架和服务器设计正同步开发，以适配新型热管理与电源管理方案，具体包括：

冷板：据微软介绍，这是一种直接接触芯片的冷却技术，可在闭环系统中实现热交换。其散热效率远超传统风冷方案，通过直接冷却硅片并循环冷却液（类似汽车散热器原理）实现高效散热。相较传统方案，该方案显著提升了冷却效率并实现了更精准的温度控制。

辅助冷却器：该液冷系统可应用于现有数据中心，通过连接芯片表面的冷板导出热量。

微流体技术：公司正将冷板技术深化，在芯片设计中集成微型流体通道，使冷却液直接贴近处理器运行。

人工智能运营中的废水处理创新

埃隆·马斯克在孟菲斯建造的巨型xAI算法超级工厂争议不断，包括未经许可使用燃气轮机供电导致的空气污染问题。然而，此前关于该工厂为满足用水需求将耗尽当地含水层的担忧已被证明是多余的。相反，马斯克正在投资6 900万欧元建造污水处理厂，处理后的废水将再生循环利用于xAI的生产需求。冷却系统通常需要超纯水（UPW），这有望推动陶瓷膜等废水处理技术的发展。

数据中心回收利用处理后的废水正日益普及。马来西亚Bridge Data Centres公司便宣布将利用处理后的废水作为再生水，用于其闭环冷却系统。

亚马逊网络服务公司于2024年宣布，将在美国100个数据中心扩大再生水使用规模。该公司表示此举将为所在社区节省2.01×10^5 m3饮用水。技术发展的驱动力源于当地环境与资源条件。通过采用直接蒸发冷却技术——将室外热空气经水浸冷却垫处理，使其在蒸发过程中降低温度后输送至服务器机房——该公司宣称已实现数据中心年用水量削减85%。

在条件允许的情况下，例如爱尔兰和瑞典，该方法会与自然冷却相结合，仅在必要时启用蒸发冷却。这使得某些时段全年95%的时间无需用水。

然而Black & Veatch 2025水资源报告揭示，美国水务公司尚未充分准备应对人工智能数据中心行业可能带来的需求。报告指出：超过半数（54%）的受访者在被问及其组织是否将数据中心和技术制造商用水需求增长纳入短期及长期资源规划时，给出了"否"的回答。

人工智能企业的水资源节约策略

许多大型科技公司都涉足数据中心领域，各自制定了包含节水措施的可持续发展框架、目标及指标。亚马逊、谷歌、Meta和微软均对数据中心用水进行监测，致力于提升用水效率，同时在周边区域推行节水举措。例如，实施雨水收集与循环利用，并在运营所在流域开展水资源管理项目。

在数据中心内部，闭环系统的应用消除了对冷却塔的需求——传统冷却塔会因蒸发导致水资源流失。通过使同一水体在系统内循环使用长达15年以上，彻底摆脱了对新鲜水源的持续消耗。

人工智能用水环境影响评估

人工智能用水与碳足迹的关联性

2021年，数据中心产生的温室气体排放量占全球总量的0.5%；但预计到2040年，这一数字将增长十倍。

2024年，亚马逊的碳排放量在三年内首次上升，部分原因在于数据中心的建设。

对当地水资源和生态系统的影响

从地下水源抽取水资源可能造成环境损害，例如导致含水层枯竭。Source Material与《卫报》联合研究发现，全球三家企业旗下38座运营中的数据中心正位于水资源匮乏地区，另有24座数据中心正在这些地区建设中。

冷却塔排放的废水同样构成环境威胁，其中高浓度的矿物质和pH值可能对野生动物造成危害。

人工智能水消耗对气候变化的影响

水资源消耗和开采量的增加可能加剧气候危机。在西班牙阿拉贡地区，反对亚马逊数据中心的团体——包括名为"Tu Nube Seca Mi Río"（意为"你的云正在枯竭我的河流"）的运动组织——因水资源短缺问题呼吁暂停新建数据中心。

这些数据中心获准每年使用755 720 m3水，足以灌溉233公顷（576英亩）玉米田——该地区主要农作物之一。亚马逊近期以气温上升需增加用水为由，申请将用水量提升48%。

然而《卫报》指出，该国75%的国土面临荒漠化风险。道德科技协会创始人洛雷娜·哈梅-帕拉西声称，这些数据中心正"将西班牙推向生态崩溃的边缘"。

除加剧水资源短缺风险外，报告还指出这些数据中心的电力消耗量预计将超过该地区当前总用电量。

人工智能扩张带来的淡水供应挑战

SourceMaterial报告指出，随着云服务和人工智能服务需求增长，亚马逊、微软和谷歌三家公司计划将自有数据中心数量扩大近80%。部分扩建项目将落户面临水资源压力的地区，包括亚利桑那州。若数据中心冷却需消耗淡水资源，此类扩张将再度引发资源争夺战。

亚利桑那州的干旱并未阻碍Meta斥资8.59亿欧元在该市开设数据中心。该地区正逐渐成为数据中心枢纽，尽管州政府以地下水资源枯竭为由撤销了马里科帕县新建住宅的许可，微软仍在同一区域运营着两座数据中心。谷歌数据中心获批年用水量达5.5×10^6 m3，约相当于2.3万居民的用水总量。

人工智能水足迹政策与治理

应对人工智能用水问题的监管框架

在美国，目前尚无针对人工智能的联邦法规，也没有要求科技公司披露能源和水资源消耗的法律框架。各州可自行决定是否实施相关法规。在纽约州，立法要求数据中心运营商提交年度水电消耗报告及可持续发展举措报告，同时对新建站点设置限制条件，要求运营商必须报告预计的水电消耗量。

欧盟委员会要求数据中心最迟于2030年前实现高能效与可持续运营。该委员会正为欧洲议会准备一份评估报告，研究数据中心行业向净零排放转型可行性。报告将基于数据中心运营商依据《欧盟数据中心共同评级体系条例》提交的数据。

然而部分专家认为，随着更先进的人工智能模型出现，净零目标将难以实现。宾夕法尼亚大学电气与系统工程教授本杰明·李向美国国家公共电台表示："2022年末生成式人工智能出现前，数据中心运营商曾对实现净零抱有希望。但以当前基础设施投资计划来看，我认为根本无法达成这些净零目标。"

人工智能与水资源消耗的未来发展方向

将人工智能数据中心迁至海洋

《科学美国人》报道称，中国正在试点将数据中心安置于海底的项目。为避免占用水资源（这些水本可用于人类饮用和农业灌溉），该国正在上海海岸9.65 km外建造一座风力驱动的水下数据中心。报道指出，上海是中国的人工智能枢纽之一。

该项目灵感似乎源自微软在苏格兰近海搁置的计划。该计划始于2015年，到2021年Data Centre Dynamics网站报道时已告终止。

"纳提克计划"曾将855台服务器浸入水中无人值守长达两年多，数据中心内充填惰性氮气。同期在陆地设立对照组，135台服务器在常规数据中心环境中运行微软Azure云软件。实验结果颇具启发性：当水下服务器被回收时，855台设备中仅6台损坏，而陆上135台服务器中有8台出现故障。

稳定的外部温度被认为是成功关键。微软表示虽暂无计划建造水下数据中心，但正将项目数据与发现应用于未来潜在方案的研发。

目前其他地区也在探索将数据中心沉入水下，例如韩国正在推进一项项目，旨在开发环保技术建造水下数据中心群，该设施可在海底容纳多达10万台服务器。首个测试模块计划部署于蔚山蔚州郡西生面新里港外海30 m深处，其独特之处在于将配备三名科研人员和工程师的居住舱室，这在现有项目中尚属首例。

浮动数据中心

日本横滨市正计划采用绿色能源驱动的浮动数据中心来满足其数据中心需求。多家企业与横滨市政府将合作推进该项目，在御山桥码头附近建造一座长25 m、宽80 m的浮动数据中心。未来规划包括在近海风电场附近部署此类浮动数据中心以满足能源需求。虽然未提及利用海水冷却数据中心，也未说明此类"绿色"项目如何降低人工智能数据中心的用水量，但该方案确实具备两大潜力：既可将数据中心迁离缺水陆地区域，又可通过部分浸没式海水冷却技术实现节水。

浮动数据中心的构想并非新鲜事物，但相较于正在兴建的庞大陆基设施，该技术仍处于萌芽阶段。美国Nautilus公司早在2015年便启动浮动数据中心试点项目，该项目采用驳船下方的海水作为冷却介质，利用热交换技术为服务器机柜降温，再将换热后的水排回海洋。

平衡人工智能发展与水资源保护

许多新一代数据中心技术比以往消耗更少的水资源，部分技术甚至完全无需用水。然而，随着人工智能需求的增长，创新冷却策略和更广泛的节水措施将变得愈发重要。这些措施可能包括：

采用闭环冷却系统，大幅减少用水量

应用回收再利用技术，包括中水（灰水）处理

实施实时用水监测，及时发现水资源损耗并优化水流配置

制定区域水资源韧性策略，尤其在易干旱地区

选址时综合考量流域内的水资源可利用量，确定最适宜的数据中心建设地点

共享工具、技术与最佳实践，推动全行业在用水效率和可持续性方面的整体提升

结论

对更快、更强大的人工智能应用的需求，正推动着规模日益庞大的数据中心遍地开花。数据中心用水问题因多重因素而备受诟病，例如使用饮用水资源，有时甚至与设施周边居民用水需求直接冲突。不过，技术进步正有效降低现代数据中心的用水量——新型水源和更精准的冷却技术正助力减少用水需求。与此同时，人工智能模型在解决全球诸多水资源问题方面蕴藏巨大潜力，包括降低人工智能数据中心的用水量。

未来数年，人工智能应用及其支撑技术预计将呈指数级增长，但人工智能对紧张水资源的需求未必同步攀升，甚至可能创造出显著降低能耗的途径，减轻数据中心对其运营所在地区环境的影响。再生水的大规模应用也将为水务技术创新者和公用事业公司带来挑战与机遇，以满足为高能耗服务器和芯片冷却提供本地或现场水资源的需求。