什么值得买App下载 App ›
连续签到专享现金活动

AI每生成一张图喝掉一瓶矿泉水?这个“清洁产业”的真相藏不住了

先说说这个反常识的数字
你跟AI聊20到50句话,它就喝掉一瓶矿泉水。不是比喻,是物理事实。联合国大学2026年6月发布的报告显示,每完成这个次数的交互,背后消耗的淡水量约500毫升——用于服务器冷却和发电环节。AI不是清洁产业,它是一个水资源消耗大户。这个结论颠覆了很多人对“云计算”的认知:所谓的云端,其实扎根在真实的水循环系统里。12
数据更吓人:2025年全球数据中心耗水4.5万亿升,2030年预计翻倍至9.3万亿升。这个数字相当于撒哈拉以南非洲13亿人一年的基本生活用水总量。换句话说,AI每多占一份算力,就有人少用一杯水。这不是遥远的未来,而是正在发生的资源分配博弈。13
水从哪来?答案在服务器机房的冷却塔里。AI芯片功率密度高得离谱,单柜功耗从五年前的十几千瓦飙到现在的上百千瓦,热量密集到风冷彻底失效,只能靠水冷蒸发带走热量。这些水蒸发了就再也回不来,属于永久性消耗。14
数据中心不只是自己耗水
账面数字只是冰山一角。美国劳伦斯伯克利国家实验室2024年的报告揭示了一个关键事实:美国数据中心的发电间接耗水量,常年约为现场直接耗水的12倍。2023年,美国数据中心直接冷却耗水170亿加仑,但算上配套发电厂的冷却用水,总耗水量飙到2280亿加仑,隐形消耗占比超过95%。56
更刺激的对比是:亚马逊2021年对外宣称年度用水量77亿加仑,内部备忘录流出的数字是1050亿加仑——相差13倍。这个差距不是统计误差,而是行业普遍只披露现场冷却用水、把发电端耗水一笔勾销的游戏规则。6
间接耗水差异还跟发电方式强相关。煤电和核电的间接耗水量巨大,天然气次之,风电和光伏几乎为零。谷歌的间接耗水约为直接耗水的3倍,Meta这个数字是20倍——因为两家用的电不一样。选哪条输电线,决定了同一个数据中心的水账单有多长。75
选址背后的逻辑:为什么往干旱区扎堆?
美国规划中的809个数据中心,有517个落在过去一年经历干旱的地区。这个数字第一眼看是矛盾——既然缺水,为什么还往那些地方跑?因为在选址账本里,水不是第一权重。电力接入、电价、土地成本、政策优惠、上线速度,往往排在水前面。干旱地区地广人稀,大型新能源项目多,土地便宜,审批流程相对顺,这些因素足以让开发商把水的问题先放一边。89
水的问题不会消失,只会被延迟买单。在湿润地区,数据中心可以用开放式冷却塔,简单粗暴。在干旱地区,开发商必须上更复杂的方案:闭式冷却、干冷器、再生水处理、海水淡化。每一种都能降一部分水耗,但每一种都带来新成本。微软在爱荷华州的五大机房园区,每天以数百万加仑的速度抽取地下水,已经引发当地居民抗议,算力基建和农业、民生争夺水资源的戏码正在多地上演。610
谷歌爱荷华州数据中心曾创下年耗水14亿加仑的纪录,这个数字等同于纽约市单日的整体供水量。一座数据中心一年喝掉一座城市的日用水量。这不是极端案例,而是头部玩家的普遍水平。6
液冷不是省水神器,但它是必选项
液冷技术最近被吹得很神,很多人以为上了液冷就等于不耗水。错了。液冷解决的是前半段:把热从芯片端带出来。后半段还在——热最终往哪排。接冷却塔,依然有蒸发耗水;接干冷器,水耗降了但电耗和设备成本上去;做闭式系统,水耗更低但系统复杂度飙升。每条路线都有代价,没有银弹。9
施耐德电气的仿真数据给出了参考:在美国达拉斯,传统风冷升级为先进闭环液冷架构后,年用水量从38.2万立方米降至19.7万立方米,节水率48%;巴黎数据中心同样方案下,节水效果接近。液冷能让用水量腰斩,但前提是后端冷却方案配套跟上。孤立地看液冷没意义,要看整套系统的水账怎么算。11
更前沿的方案是用替代水源。谷歌在芬兰的哈米纳数据中心直接用波罗的海的海水冷却,省去淡水消耗。中国在上海海域建了海底数据中心,用海水自然冷却实现零淡水消耗。但海水冷却有腐蚀性,维护成本高,没有几个公司愿意大规模投入。这条路的门槛比液冷还高。10
用户不是旁观者:你的提示词也在消耗水资源
联合国报告的一个重要发现是:AI的耗水主力不在训练,而在推理。模型部署后的日常交互环节,占据AI整体能耗的80%到90%。训练大模型是一次性消耗,用户每天几亿次调用才是持续失血。14
不同任务的耗水差距悬殊到离谱:生成一张AI图片的能耗是文本分类的1450倍;生成一段短视频的能耗相当于执行20万次垃圾邮件分类任务。每生成一张搞笑图片,背后的算力都在喝掉一瓶矿泉水。这不是夸张,是能耗结构的物理现实。111
联合国研究人员给出的建议很直接:精简提示词。把请求中的字数减少30%,可以降低AI约25%的能源消耗。删除冗余的客套话,直接说核心诉求——这不仅省你的时间,还在省水。用户行为改变不了行业,但能改变个人消耗的量级。111
行业在变,但够快吗?
巨头们已经开始行动。微软、OpenAI、甲骨文宣布放弃传统蒸发冷却技术,转向更节水的液冷方案。谷歌承诺到2030年补给水量超过用水量。Meta制定了“在2030年实现水资源正效益”的计划。但这些承诺的兑现程度,还远不足以覆盖算力扩张的速度。72
更危险的是“效率悖论”。单一设备能耗、水耗效率提升后,算力使用成本下降,刺激使用频次大幅增加,最终行业总体能耗、水耗不降反升。美银研究指出,水资源比电力更稀缺——电力可以通过新能源扩容缓解,水资源分布固定、再生周期长,收紧速度远超能源。6
马斯克旗下SpaceX在上市前夕,把“水资源短缺”列为AI扩张时的关键风险,写进招股书。这不是噱头,是资本市场的预警信号。水正在从“免费要素”变成“稀缺战略资源”。这个转变已经被写进了商业模型,只是还没被写进多数普通人的认知里。14
盖洛普2026年3月的民调显示,全美71%的普通民众反对在自家住宅周边新建大型数据中心,近半数持强烈抵制态度,弗吉尼亚北部数据中心聚集区反对比例高达86%。西班牙阿拉贡的农民打出“你的云正在晒干我的河”的标语,智利、乌拉圭、荷兰、爱尔兰都爆发过类似抗议。算力扩张的账单,正在被当地居民和生态系统支付。112
回到那个最根本的问题
AI的尽头,不是缺电,就是缺水。碳排放有碳税、碳边境调节机制、各国碳中和目标倒逼。但AI的水消耗,至今没有一个国家立法限制。全球尚未出台专门针对AI耗水的强制性法规,行业披露规则里甚至没有强制要求统计发电端的间接耗水。监管跑在现实后面,留下了巨大的政策真空。1310
但改变已经在发生。中国的“东数西算”工程把数据中心建在贵州等凉爽地带,利用自然冷源减少水耗。欧盟《人工智能法案》将环境影响纳入高风险AI系统评估维度。行业内部,闭环液冷、再生水利用、海底数据中心等方案正在从实验走向规模化。问题的关键是:这些变化的速度,能不能跑赢算力扩张的速度。1314
对你而言,这意味着什么?你用AI写的那封邮件、生成的那张图、聊的那段天,都在消耗真实的水资源。这不是反对使用AI,而是意识到代价后做出的选择:减少非必要的生成操作,精简提示词,支持更绿色的AI服务。水龙头不会因为你的行为变满,但当越来越多人的行为改变,行业就会感受到压力,被迫跑得更快。
AI竞赛的下半场,不只是比谁家模型更强,还要比谁家的水账单更可控。当算力基建的扩张撞上水资源的天花板,能把电、水、冷却、土地和审批串起来的玩家,才是真正的赢家。而作为用户,你的每一次点击,都在为这场博弈投下一滴水。

评论

评论区空态插画

当前文章无评论,是时候发表评论了