導語

人工智能（AI）應用激增。如今，幾乎所有生活、工作和娛樂領域都能看到AI解決方案的身影，其應用場景遍布各行各業。為滿足日益增長的需求，AI規模日益龐大的數據中心正拔地而起，每秒處理數十億次運算，為人類對計算力的渴求提供動力。當然，AI計算也與日常基礎計算需求展開了競爭，例如，云存儲、搜索服務、數據存儲等。這種日益增長的需求需要空間：更大的數據中心需要更多土地，需要更多服務器，需要更多設施來實現。此外，還需要巨大的資源與能源來支撐這一切——從下水道的人工智能診斷到醫療分析，從太空探索到將朋友變成卡通版的托爾金角色，需求似乎永無止境。為解決AI與居民爭水問題，馬斯克投資6 900萬歐元，在孟菲斯建造了一座陶瓷膜MBR污水再生水廠，專為其巨型xAI算力超級工廠供水，以滿足其水需求。

人工智能和機器學習在水務行業得到了廣泛應用，例如，數字驅動孿生技術、洪水預測與防控、水廠監測分析及耗用資源狀況等。盡管存在對水資源和能源消耗的擔憂，人工智能仍有望顯著提升節水成效。

人工智能數據中心的水資源消耗同樣備受關注。眾所周知，傳統數據中心本就是耗水大戶，而人工智能的應用將進一步提升用水需求。但關于實際耗水量究竟有多大、所提及的用水量是否已達危險水平或完全可接受，各方觀點存在巨大分歧。

理解人工智能水資源消耗

讓我們更詳細地探討人工智能對水資源的消耗，以幫助我們更深入地了解其水足跡。

人工智能如何用水？

經濟合作與發展組織（OECD）指出，人工智能主要通過兩種方式消耗水資源。

現場服務器冷卻：耗水大戶，尤其當使用冷卻塔協助將服務器產生的熱量傳遞至環境時——該方法依賴蒸發來散熱。據估算，單座冷卻塔耗水量可達19 m3/min。其他現場冷卻方案包括芯片級液體冷卻和閉環系統，盡管這些系統可實現水資源多次循環利用，但傳統上仍需使用純凈水，且系統排出的廢水需經再處理。

場外發電：人工智能數據中心運行耗能巨大，盡管部分新型中心采用綠色能源，但多數仍需電力驅動服務器，這同樣消耗大量水資源。此外，制造驅動人工智能的微芯片過程本身也需要大規模用水。

人工智能耗水量有多少？

人工智能的水足跡因數據中心所在地而異。例如，在微軟全球數據中心中，每消耗1 kWh能源，人工智能會消耗1.8×10-3~12×10-2 m3/kWh水，其中，愛爾蘭和華盛頓州分別是用水效率最高和最低的地區。

現場用水量可能高于或低于場外用水量，這取決于數據中心的冷卻技術以及當地電網的發電方式。例如，若采用冷卻塔進行數據中心降溫，且當地電網主要使用太陽能和風能，則現場范圍用水量可能占主導地位。

世界經濟論壇數據顯示，一座1 MW的數據中心僅冷卻系統每年就可能消耗高達2.55×104 m3/a水——相當于約30萬人的日用水量。這種用水量加劇了水資源壓力，尤其對本就面臨短缺的脆弱地區影響更為顯著。

人工智能模型GPT-3每生成10~50條響應約消耗5×10-4 m3水。考慮到其1億用戶每日進行多次對話的規模，人工智能的總水足跡極為龐大。據預測，該模型的后續迭代版本將消耗更多水資源。

即使是傳統中等規模的數據中心（15 MW），其用水量也相當于三家普通規模醫院的年耗水量，或超過兩個18洞高爾夫球場的用水量。但相比正在建設、用于管理未來人工智能系統的所謂超大規模數據中心，這仍屬小規模——后者的耗電量可達150 MW甚至更高。

科羅拉多大學河濱分校與德克薩斯大學阿靈頓分校的研究人員進一步指出：根據公開數據估算，在微軟美國尖端數據中心訓練GPT-3模型將直接消耗7×102 m3潔凈淡水（相當于可生產370輛寶馬轎車或320輛特斯拉電動汽車的用水量）。

根據OECD報告，每塊AI芯片的生產需消耗約8.3279×10-1 m3超純水（UPW）。若計入UPW生產過程資源成本，實際消耗量將更為可觀。

在英國，數據中心年用水量估計接近1×107 m3。這引發了水務公司擔憂：新建數據中心將造成嚴重缺水，供水難以滿足人工智能的用水需求。安格利亞水務公司近期反對在北林肯郡建設數據中心，稱該地區是“全國最干旱的區域之一”。

然而英國科技協會TechUK對英格蘭73家數據中心的調查顯示，這些擔憂可能被夸大了。調查發現：

1. 51%的受訪中心采用無水冷卻系統。

2. 64%的中心年用水量低于10 000 m3——低于普通休閑中心的用水量。

3. 89%的中心要么實施用水計量，要么部署無需用水冷卻的系統。

4. 僅4%的中心報告年用水量超過100 000 m3。

顯然，可持續性將成為未來人工智能數據中心發展的關鍵因素。

衡量人工智能水足跡的關鍵指標

水的使用方式可分為取水與消耗兩部分：

取水：從地下或地表水源中提取淡水，可為臨時性或永久性。

消耗：指蒸發、蒸騰、融入產品或作物，或從直接水環境中移除的水量。該指標常作為水足跡值使用。

OECD用以下公式計算人工智能在數據中心的水足跡：

水足跡 = 服務器能耗 × 現場用水效率 + 服務器能耗 × 電源使用效率 × 場外用水效率

公式中的服務器能耗可通過內置傳感器測量。現場用水效率衡量冷卻系統的用水效率，電源使用效率（PUE）則衡量非IT能耗開銷（如，制冷能耗和配電損耗）。場外用水效率衡量發電過程中的用水效率。

預測外的人工智能和水資源消耗

全球數據中心行業每年消耗超過5.6×1012 m3水。國際能源署（IEA）預測顯示，這一數字可能急劇攀升，到2030年最高可達1.2×109 m3。單個超大規模數據中心的影響更為顯著：一座100 MW的設施年耗水量可達約2.5×1010 m3/a，相當于約8萬人的用水需求。

英國政府報告指出，處于人工智能發展前沿的頂尖科技公司和超大規模數據中心供應商，其數據中心用水量均呈現大幅年增長。微軟全球用水量（主要用于云數據中心）在2022年增長34%，達到6.4×106 m3。谷歌數據中心2022年用水量達1.95×107 m3，增幅達20%。這凸顯了人工智能工作負載驅動的水資源需求激增態勢。

人工智能發展對取水率的影響

盡管數據中心用水類型已有所變化，但多數仍使用飲用水。在水資源緊張地區，這導致數據中心與人類生活用水之間形成了資源競爭。

這種競爭可能成為壓力點，因為數據中心仍是巨大的用水消耗者。預計到2027年，全球人工智能需求將消耗約4.2×109至6.6×109 m3的水資源，這一取水量甚至超過丹麥的年均取水量。

在美國，得克薩斯州水資源開發委員會預計該州數據中心2025年用水量將達1.85×108 m3，到2030年將激增至近1.51×109 m3。屆時全州數據中心用水量將占全州總用水量的7%。

資源競爭已導致美國一個備受矚目的數據中心項目流產。與亞馬遜網絡服務相關的“藍色計劃”原擬在圖森市南部占地290英畝，但因每年預計消耗2.35×105 m3（其中，頭兩年僅使用飲用水）等環保問題遭到市政領導和居民反對。

盡管該計劃承諾在最初兩年后使用再生水，并為城市帶來就業機會和數十億美元的額外收入，但居民們認為在沙漠環境中建造耗水量巨大的數據中心毫無意義。當地居民丹尼·加西亞在居民與市政領導的會議上發言時，道出了反對者的心聲：“我們夏季氣溫創下歷史新高，而水位卻跌至歷史最低點。季風降雨已不復存在，圣克魯茲河再難滿溢兩岸。”

世界資源研究所預測，到2030年，人工智能基礎設施每年將消耗4.2×109 m3至6.44×109 m3淡水，約等于加州所有家庭的年用水總量。

人工智能水資源消耗：可持續冷卻技術

確實存在更可持續的方法，這些方法用水量更少或完全不耗水，但其應用取決于當地具體情況。其中一種方法是閉環系統，另一種則是直接芯片冷卻技術。

微軟已為自己設定目標，要建造零耗水的數據中心。該公司對數據中心的可持續發展目標如下：“盡管現有設施仍將采用風冷與水冷混合系統，但亞利桑那州鳳凰城和威斯康星州芒特普萊森特的新項目將于2026年率先采用零耗水蒸發式設計。自2024年8月起，所有新建微軟數據中心均開始采用這項新一代冷卻技術，我們正致力于將零耗水蒸發式冷卻作為自有設施組合的主要制冷方式。這些新站點將于2027年末陸續投入運營。”

微軟采用閉環系統反復利用同一水源，將熱量從發熱芯片中導出。機架和服務器設計正同步開發，以適應新型熱管理及電源管理方案，具體包括：

1. 冷板：據微軟介紹，這是一種直接接觸芯片的冷卻技術，可在閉環系統中實現熱交換。其散熱效率遠超傳統風冷技術，通過直接冷卻硅片并循環冷卻液（類似汽車散熱器原理）實現高效散熱。相較傳統方案，該方案顯著提升了冷卻效率并實現了更精準的溫度控制。

1. 輔助冷卻器：該液冷系統可應用于現有數據中心，通過連接芯片表面的冷板導出熱量。

1. 微流體技術：公司正將冷板技術深化，在芯片設計中集成微型流體通道，使冷卻液直接貼近處理器運行。

人工智能運營中廢水處理創新

埃隆·馬斯克在孟菲斯建造的巨型xAI算法超級工廠爭議不斷，包括未經許可使用燃氣輪機供電導致的空氣污染問題。然而，此前關于該工廠為滿足用水需求將耗盡當地含水層的擔憂已被證明是多余的。相反，馬斯克正在投資6 900萬歐元建造污水處理廠，被處理的廢水再生后將循環利用于xAI的生產需求。冷卻系統通常需要超純水（UPW），這有望推動陶瓷膜等廢水處理技術的發展。

數據中心回收利用處理后的廢水正日益普及。馬來西亞Bridge Data Centres公司便宣布將利用處理后的廢水作為再生水，用于其閉環冷卻系統。

亞馬遜網絡服務公司于2024年宣布，將在美國100個數據中心擴大再生水使用規模。該公司表示此舉將為所在社區節省2.01×105 m3飲用水。技術發展的驅動力源于當地環境與資源條件。通過采用直接蒸發冷卻技術——將室外熱空氣經水浸冷卻墊處理，使其在蒸發過程中降低溫度后輸送至服務器機房——該公司宣稱已實現數據中心年用水量削減85%。

在條件允許的情況下，例如，愛爾蘭和瑞典，該方法會與自然冷卻相結合，僅在必要時啟用蒸發冷卻。這使得某些時候全年95%的時間無需用水。

然而，Black & Veatch 2025水資源報告揭示，美國水務公司尚未充分準備應對人工智能數據中心行業可能帶來的需求。報告指出：超過半數（54%）的受訪者在被問及其組織是否將數據中心和技術制造商用水需求增長納入短期及長期資源規劃時，給出了“否”的回答。

人工智能企業水資源節約策略

許多大型科技公司都涉足數據中心領域，各自制定了包含節水措施的可持續發展框架、目標及指標。亞馬遜、谷歌、Meta和微軟均對數據中心用水進行監測，致力于提升用水效率，同時在周邊區域推行節水舉措。例如，實施雨水收集與循環利用，并在運營所在流域開展水資源管理項目。

在數據中心內部，閉環系統的應用消除了對冷卻塔的需求——傳統冷卻塔會因蒸發導致水資源流失。通過使同一水體在系統內循環使用長達15年以上，徹底擺脫了對新鮮水源的持續消耗。

人工智能用水環境影響評估

人工智能用水與碳足跡的關聯性

2021年，數據中心產生的溫室氣體排放量占全球總量的0.5%；但預計到2040年，這一數字將增長十倍。

2024年，亞馬遜的碳排放量在三年內首次上升，部分原因在于數據中心的建設。

對當地水資源和生態系統的影響

從地下水源抽取水資源可能造成環境損害，例如，導致含水層枯竭。Source Material與《衛報》聯合研究發現，全球三家企業旗下38座運營中的數據中心正位于水資源匱乏地區，另有24座數據中心正在這些地區建設中。

冷卻塔排放的廢水同樣構成環境威脅，其中高濃度的礦物質和pH值可能對野生動物造成危害。

人工智能水消耗對氣候變化的影響

水資源消耗和開采量的增加可能加劇氣候危機。在西班牙阿拉貢地區，反對亞馬遜數據中心的團體——包括名為“Tu Nube Seca Mi Río”（意為“你的云正在枯竭我的河流”）的運動組織——因水資源短缺問題呼吁暫停新建數據中心。

這些數據中心獲準每年使用755 720 m3水，足以灌溉233公頃（576英畝）玉米田——該地區主要農作物之一。亞馬遜近期以氣溫上升需增加用水為由，申請將用水量提升48%。

然而《衛報》指出，該國75%的國土面臨荒漠化風險。道德科技協會創始人洛雷娜·哈梅-帕拉西聲稱，這些數據中心正“將西班牙推向生態崩潰的邊緣”。

除加劇水資源短缺風險外，報告還指出這些數據中心的電力消耗量預計將超過該地區當前總用電量。

人工智能擴張帶來的淡水供應挑戰

SourceMaterial報告指出，隨著云服務和人工智能服務需求增長，亞馬遜、微軟和谷歌三家公司計劃將自有數據中心數量擴大近80%。部分擴建項目將落戶面臨水資源壓力的地區，包括亞利桑那州。若數據中心冷卻需消耗淡水資源，此類擴張將再度引發資源爭奪戰。

亞利桑那州的干旱并未阻礙Meta斥資8.59億歐元在該市開設數據中心。該地區正逐漸成為數據中心樞紐，盡管州政府以地下水資源枯竭為由撤銷了馬里科帕縣新建住宅的許可，微軟仍在同一區域運營著兩座數據中心。谷歌數據中心獲批年用水量達5.5×106 m3，約相當于2.3萬居民的用水總量。

人工智能水足跡政策與治理

應對人工智能用水問題的監管框架

在美國，目前尚無針對人工智能的聯邦法規，也沒有要求科技公司披露能源和水資源消耗的法律框架。各州可自行決定是否實施相關法規。在紐約州，立法要求數據中心運營商提交年度水電消耗報告及可持續發展舉措報告，同時對新建站點設置限制條件，要求運營商必須報告預計的水電消耗量。

歐盟委員會要求數據中心最遲于2030年前實現高能效與可持續運營。該委員會正為歐洲議會準備一份評估報告，研究數據中心行業向凈零排放轉型可行性。報告將基于數據中心運營商依據《歐盟數據中心共同評級體系條例》提交的數據。

然而部分專家認為，隨著更先進的人工智能模型出現，凈零目標將難以實現。賓夕法尼亞大學電氣與系統工程教授本杰明·李向美國國家公共電臺表示：“2022年末生成式人工智能出現前，數據中心運營商曾對實現凈零抱有希望。但以當前基礎設施投資計劃來看，我認為根本無法達成這些凈零目標。”

人工智能與水資源消耗的未來發展方向

將人工智能數據中心遷至海洋

《科學美國人》報道稱，中國正在試點將數據中心安置于海底的項目。為避免占用水資源（這些水本可用于人類飲用和農業灌溉），該國正在上海海岸9.65 km外建造一座風力驅動的水下數據中心。報道指出，上海是中國的人工智能樞紐之一。

該項目靈感似乎源自微軟在蘇格蘭近海擱置的計劃。該計劃始于2015年，到2021年Data Centre Dynamics網站報道時已告終止。

“納提克計劃”曾將855臺服務器浸入水中無人值守長達兩年多，數據中心內充填惰性氮氣。同期在陸地設立對照組，135臺服務器在常規數據中心環境中運行微軟Azure云軟件。實驗結果頗具啟發性：當水下服務器被回收時，855臺設備中僅6臺損壞，而陸上135臺服務器中有8臺出現故障。

穩定的外部溫度被認為是成功關鍵。微軟表示雖暫無計劃建造水下數據中心，但正將項目數據與發現應用于未來潛在方案的研發。

目前其他地區也在探索將數據中心沉入水下，例如韓國正在推進一項項目，旨在開發環保技術建造水下數據中心群，該設施可在海底容納多達10萬臺服務器。首個測試模塊計劃部署于蔚山蔚州郡西生面新里港外海30 m深處，其獨特之處在于將配備三名科研人員和工程師的居住艙室，這在現有項目中尚屬首例。

浮動數據中心

日本橫濱市正計劃采用綠色能源驅動的浮動數據中心來滿足其數據中心需求。多家企業與橫濱市政府將合作推進該項目，在御山橋碼頭附近建造一座長25 m、寬80 m的浮動數據中心。未來規劃包括在近海風電場附近部署此類浮動數據中心以滿足能源需求。雖然未提及利用海水冷卻數據中心，也未說明此類“綠色”項目如何降低人工智能數據中心的用水量，但該方案確實具備兩大潛力：既可將數據中心遷離缺水陸地區域，又可通過部分浸沒式海水冷卻技術實現節水。

浮動數據中心的構想并非新鮮事物，但相較于正在興建的龐大陸基設施，該技術仍處于萌芽階段。美國Nautilus公司早在2015年便啟動浮動數據中心試點項目，該項目采用駁船下方的海水作為冷卻介質，利用熱交換技術為服務器機柜降溫，再將換熱后的水排回海洋。

平衡人工智能發展與水資源保護

許多新一代數據中心技術比以往消耗更少的水資源，部分技術甚至完全無需用水。然而，隨著人工智能需求的增長，創新冷卻策略和更廣泛的節水措施將變得愈發重要。這些措施可能包括：

1. 采用閉環冷卻系統，大幅減少用水量

2. 應用回收再利用技術，包括中水（灰水）處理

3. 實施實時用水監測，及時發現水資源損耗并優化水流配置

4. 制定區域水資源韌性策略，尤其在易干旱地區

5. 選址時綜合考量流域內的水資源可利用量，確定最適宜的數據中心建設地點

6. 共享工具、技術與最佳實踐，推動全行業在用水效率和可持續性方面的整體提升

結論

對更快、更強大的人工智能應用的需求，正推動著規模日益龐大的數據中心遍地開花。數據中心用水問題因多重因素而備受詬病，例如，使用飲用水資源，有時甚至與設施周邊居民用水需求直接沖突。不過，技術進步正有效降低現代數據中心的用水量——新型水源和更精準的冷卻技術正助力減少用水需求。與此同時，人工智能模型在解決全球諸多水資源問題方面蘊藏巨大潛力，包括降低人工智能數據中心的用水量。

未來數年，人工智能應用及其支撐技術預計將呈指數級增長，但人工智能對緊張水資源的需求未必同步攀升，甚至可能創造出顯著降低能耗的途徑，減輕數據中心對其運營所在地區環境的影響。再生水的大規模應用也將為水務技術創新者和公用事業公司帶來挑戰與機遇，以滿足為高能耗服務器和芯片冷卻提供本地或現場水資源的需求。

https://www.aquatechtrade.com/news/digital-solutions/ai-water-usage?tid=TIDP13759042X8A1AD4DF833045A1BA4D5B3B5FB4A786YI2&noactioncode=1&utm_term=&utm_content=AQD2025_NB_35_A_EN&utm_medium=email&utm_campaign=AQD_nieuwsbrief_2025&utm_source=RE_emailmarketing

來 源 ：水業碳中和資訊 ，僅 供分享交流 不作商業用途，版權歸原作者和原作者出處。 若有侵權，請聯系刪除 。

排版：《凈水技術》編輯 李濱妤

審核： 《凈水技術》社長/執行主編 阮辰旼

《凈水技術》2025年活動計劃

歡迎廣大水務企業加盟合作