“保护我们的水”“水是给人用的，不是给AI用的”“别动我们的水”——从得克萨斯到新墨西哥再到亚利桑那，这类抗议标语正在越来越多地出现。当地人不满的是数据中心快速扩张带来的用水、能耗和污染问题。随着科技公司争相扩大AI算力，美国各地对数据中心的抵制声也在升高。
很多数据中心至少部分依赖水来吸收空气或设备表面的热量，再通过蒸发带走热量，达到降温效果。这个原理和人出汗降温差不多。数据中心里的处理器内部温度最高可以达到华氏176度，原因和一台超负荷运转的笔记本电脑会发烫是一样的。
不过，数据中心确实消耗大量能源，这一点争议不大；但用水问题要复杂得多。网上流传的说法并没有把事情说清楚：有的文章声称聊天机器人每回答一次问题就要消耗500毫升水，也有一些网络评论直接说AI的用水问题根本不存在。而大型科技公司自己公布的用水数据，往往既不完整，口径也不一致。
数据中心用水量到底处在什么水平
专家强调，从整体来看，数据中心的用水量和农业以及部分制造业相比，仍然小得多。研究人员估算，2023年数据中心冷却系统消耗了660亿升水，不到美国全国总用水量的1%。
但这个数字可能会随着AI数据中心的快速建设而大幅上升。对水资源丰富的地区来说，这可能不算大问题；但在新墨西哥、亚利桑那这样已经面临干旱压力的地方，新增用水可能明显加重当地的水资源紧张。
好消息是，工程师们表示，已经有许多办法可以减少对当地水资源的压力，而且其中一些已经在实施。康奈尔大学能源系统专家Fengqi You说：“外面已经有很多好主意。”如果再结合对自然水资源的补充和修复，“很有机会最终让现场冷却实现净零用水。”
更高效的技术和更合理的选址
近年来AI技术的进步，已经帮助许多数据中心降低了用水需求。加州大学河滨分校的电气与计算机工程师Shaolei Ren表示，他此前基于GPT-4——也就是ChatGPT所用模型的一个早期版本——做过一个估算：写一封简短邮件会消耗500毫升水。但他说，这个估算放到现在已经过时了，因为AI模型变得更高效了。网上流传的“每次提问半升水”的说法，源头就是这项研究。
到了2025年，谷歌估算，用其聊天机器人Gemini处理一次中等长度的提问，大约只需要5滴水。
但问题在于，即使单次用水量很小，随着AI使用规模扩大，总量也会迅速累积。Fengqi You的研究团队最近预测，到2030年，美国数据中心每年的用水量可能达到7310亿升到11250亿升。其中较高的那个数字，大致相当于一个不小的用水规模。
为什么抗议集中在水资源紧张地区
数据中心用水之所以引发强烈情绪，关键不在于全国总量，而在于分布。同样数量的水，在五大湖地区可能不算什么，但在科罗拉多河流域就可能是另一回事。新墨西哥和亚利桑那等地本来就面临长期干旱，农业、城市和自然生态已经在争夺有限的水资源。这时候，新建的数据中心如果还要抽取地下水或使用市政供水，就很容易成为公众情绪的出口。
换句话说，数据中心用水问题更像是一个局部压力问题，而不是一个全国性的总量危机。专家们反复强调，农业和部分制造业的用水规模远大于数据中心。但局部地区感受到的压力是真实的，这也是为什么抗议标语会出现在那些地方。
冷却方式决定了用水差异
数据中心并不是都用同样的方式降温。有些设施使用水冷系统，让水直接参与热交换；有些则使用风冷，几乎不消耗水；还有一些采用混合方式。用水量的差异，很大程度上取决于冷却系统的设计、当地气候和能源价格。
在炎热干燥的地区，蒸发冷却效率高，但耗水也更多。在凉爽地区，设施可以更多依靠外部空气降温，用水量就会低很多。因此，同样的算力规模，放在不同地方，对当地水资源的影响可能完全不同。
这也是为什么专家会把“选址”列为缓解用水压力的重要手段之一。把数据中心建在水资源相对充裕、气候更凉爽的地区，可以从源头上减少对干旱地区的压力。
正在发生的改变
除了选址，工程师们还在尝试多种技术路径来减少用水。例如，一些数据中心开始使用循环水系统，让同一批水在冷却回路中反复使用；另一些则在探索用非饮用水或处理后的再生水来替代市政供水。还有方案把冷却过程中产生的热量回收，用于建筑供暖或其他用途。
Fengqi You提到的“净零用水”，并不是说数据中心完全不碰水，而是指通过节水技术和水资源补充措施，让现场冷却的净用水量趋近于零。这包括对周边湿地、河流或地下水的修复和回补。在他看来，这些做法组合起来，有机会让数据中心在用水问题上达到一个更可持续的状态。
数据透明度仍然是个问题
围绕AI用水的争论之所以难以平息，一个重要原因是数据本身不够透明。大型科技公司披露的用水数据，往往只覆盖部分设施，或者统计口径不一致。有的公司把整个园区的用水都算进去，有的只算冷却用水；有的按年度报告，有的按季度更新。这让外界很难准确比较不同公司、不同地区的数据中心到底用了多少水。
研究人员在做估算时，也不得不依赖模型和假设，而不是完整的实测数据。Shaolei Ren的500毫升估算之所以会过时，部分原因也在于AI模型的效率变化很快，而公开数据往往滞后于技术迭代。
因此，当网上出现“每次提问半升水”或“AI用水问题不存在”这样截然对立的说法时，公众很难判断哪个更接近真实情况。专家们的建议是，既要看到单次用水的下降趋势，也要看到总量随规模扩张而上升的现实。
能源与水的关联
数据中心的用水问题，还和能源问题紧密相关。发电本身往往也需要水，尤其是火电和核电在冷却过程中会消耗大量水资源。因此，即使一个数据中心本身采用风冷、几乎不直接用水，它消耗的电力背后仍然可能隐含着用水。
这意味着，评估AI的环境影响时，不能只看数据中心围墙内的水表，还要看它所用电力来自哪里。如果电力来自太阳能或风能，间接用水会低得多；如果来自火电，间接用水就会显著增加。
专家们认为，这也是为什么“更可再生能源”和“更好选址”经常被放在一起讨论。两者共同决定了数据中心对当地水资源的真实压力。
未来会怎样
随着AI应用继续扩张，数据中心的用水量几乎肯定会上升。问题在于，这种上升会发生在哪里，以及能否通过技术和规划手段把影响控制在可接受范围内。
研究人员给出的预测区间很宽——从7310亿升到11250亿升——本身就说明不确定性很大。这种不确定性既来自AI模型效率的持续变化，也来自数据中心建设速度、选址决策和冷却技术路线的不确定。
可以确定的是，在水资源紧张地区，数据中心的用水问题不会自动消失。当地居民的抗议，反映的是对资源分配优先级的担忧：在干旱已经威胁到生活和农业的时候，把水用于冷却服务器是否合理。
这个问题没有简单的答案。它涉及技术效率、能源结构、区域水资源管理和公共政策。专家们倾向于认为，通过更高效的技术、更合理的选址以及水资源补充措施，数据中心对当地水资源的压力可以得到显著缓解。但能否真正实现，还取决于这些措施能否跟上AI扩张的速度。
一个需要持续关注的变量
AI的用水问题，最终可能不会成为一个全国性的危机，但它会持续成为某些地区的争议焦点。对普通公众来说，理解这个问题需要同时看几个层面：单次用水的效率在提高，但总用量在增长；全国占比很小，但局部压力可能很大；技术上有解决方案，但实施速度和透明度仍然不足。
下一次看到“AI每次提问耗水半升”或者“AI用水问题不存在”的说法时，也许可以多问一句：这个数字是哪一年的？说的是哪个地区？用的是哪种冷却方式？因为答案不同，结论可能完全不同。
热门跟贴