联合国警告2030年AI耗水量够13亿人用一年，有办法给AI节水吗？

根据联合国大学水、环境与健康研究所2026年6月3日发布的报告《人工智能能耗的环境成本：碳、水和土地足迹》，结合其他研究机构的分析，2030年AI耗水量够13亿人用一年，这个量级有多夸张？有办法给AI“节水”吗？

要知道，AI本身并不直接喝水，真正疯狂耗水的是那些支撑AI运行的算力中心。

一个万卡集群的发热量，基本上就相当于一个小型发电站全功率运转时的散热量了。

这些热量必须得被移走，而在目前的技术条件下，水冷依然是最高效的方式。

虽然空气冷却听起来环保，但在超过一定功率密度后，效率会急剧下降，这也是为什么现在新建的大型AI数据中心几乎全部规划了水冷方案。

你可能会问，为什么非要用水，不能用风或者别的东西。

这就涉及到两种主流冷却方式的差距了，蒸发冷却通过水的蒸发带走热量，每兆瓦时耗水约200到400加仑，这种方式适合干燥地区，但耗水量确实大。

循环冷却通过冷却塔循环水，耗水量虽然比蒸发冷却能减少30%到50%，但初期投资更高，资本家一算账，很多时候还是选了前者。

至于更先进的直接to-chip液冷技术，把冷却液直接送到芯片表面，比空气冷却节能40%，但这玩意儿对基础设施要求极高，目前只在最密集的AI集群里才舍得用。

所以，这水到底去哪了？

其实大多数数据中心在实际运营中采用的是混合方案，根据实时电价、气温和湿度等条件，在空气冷却和水冷之间动态切换。

但不管怎么切，只要涉及到水冷，水的消耗就不可避免。

我不相关的话插一句，很多人觉得数据中心用水是那种把水弄脏了排掉，其实完全不是这么回事。

数据中心消耗水主要是用来降温的，水流吸热降温过程中会蒸发，这些蒸发掉的水，就成为主要的消耗。

至于蒸发掉多少，说法不一，有的说能达到30%到40%，有的说不到20%，这肯定是不同的公司不同的数据中心有不同的工艺。

但关键点在于，这些水只是蒸发掉了，并不是被污染了然后排到废水沟里，这不比传统工业清洁得多。

咱们来看看具体数据，Google自己的2024年环境报告显示，其全球数据中心2023年消耗了约43亿加仑水，平均每个数据中心日耗45万加仑。

还有更夸张的，Meta在亚利桑那州Goodyear市的数据中心年耗5600万加仑饮用水，相当于一个1到5万人口小镇的年用水量。

这还没算间接用水量，国际能源署估计，约60%的数据中心用水来自发电侧，火电和核电需要大量水来冷却。

包含间接用水，AI和数据中心的整体水足迹要大得多。

所以你说AI耗水夸张吗，确实夸张，Lawrence Berkeley实验室的预测就让人很警惕，到2028年，仅AI推理和训练产生的直接用水就可能达到170亿加仑，等于2023年所有数据中心的直接用水量。

加上传统数据中心，2028年总直接用水可能达到680亿加仑，是2023年的4倍。

但是，这种增长是不是就代表世界末日了呢。

我看未必。

这其实就是一个典型的效率悖论，单位计算的水耗在下降，但总计算量增长太快了，导致绝对消耗量仍在快速膨胀。

Google过去几年一直在推动无水冷却方案，包括使用再生水、工业废水，甚至在芬兰数据中心利用海水。

Google 2024年数据中心用电量同比增加27%，但碳排放反而下降了12%，说明效率是在提升的。

我们现在看到的很多关于AI耗水的惊悚言论，某种程度上是老调重弹。

二十年前就有类似的故事，那时候是拿搜索来说事，说一次Google搜索在数据中心就消耗一个灯泡几个小时的耗电量，这个数字当然是环保原教旨主义编的，然后再被媒体不负责任的传播。

因为现在AI成了数据中心的大头，就把AI拿出来示众了，只不过这次不说电耗了，改说水消耗，这样更有煽动性。

目前一些媒体上的话术，说是一个ChatGPT的会话，要消耗大约500毫升的水，因为使用ChatGPT感觉轻飘飘，这500毫升的水对比之下就感觉沉甸甸。

这个数字绝对是被超级夸大了。

就像西方总有一些吃饱没事干的环保主义者，嘴上说的都是环保，心里全是生意，他们往往喜欢用这种极端的数据来博眼球。

不要被忽悠了觉得这些水就是被浪费掉了，实际上，这些水的消耗可比普通的工业用水干净太多了。

真正的问题不在于AI喝水，而在于数据中心往往规模很大，而且扎堆建设，就会集中消耗所在地的水资源，给所在地带来压力。

这一点在智利和乌拉圭的案例中表现得淋漓尽致。

谷歌在智利圣地亚哥北部奎利库拉的一座数据中心每年使用约10亿升水，谷歌原本计划在塞里略斯地区再建一座数据中心并使用水冷系统，这项耗资2亿美元的项目预计每年使用70亿升水，相当于该郊区8万名居民的年用水量。

智利长达十多年的干旱削弱了当地民众对这个大型项目的热情，2024年1月，一家环境法庭甚至命令谷歌修改其规划申请来减少用水量。

结果谷歌不得不改为使用比水冷成本更高的空气冷却。

同样的剧本在乌拉圭也上演了，2019年谷歌宣布投资8.5亿美元在乌拉圭建设数据中心，预测该中心每年将使用27亿升冷却水，结果2023年创纪录的干旱让乌拉圭的饮用水供应濒临崩溃，谷歌只能重新设计数据中心，改为空气冷却。

这说明什么，说明资本是敏感的，选址不光要考虑场地、电力，也要考虑水资源。

如果有地方本来淡水资源就充足，那数据中心肯定就愿意使用水冷，如果有地方有更低成本的运营方式，肯定就迁移算力去那里了。

那么多消耗资源和排污的工厂都建了，为何要在AI上面纠结水资源消耗，难道就不建数据中心吗。

我觉得咱们还是得理性看待。

当然，作为用户，咱们也不是完全没辙，也能为AI节水做点贡献。

不同AI任务之间的能耗差异巨大，典型聊天查询的能耗约为基础文本分类任务的200倍，生成一张AI图像的能耗约为1450倍，生成一段短视频的能耗则相当于20万次垃圾邮件分类任务。

人们可以通过在提问中更简洁地表达，来减少AI庞大的能源需求。

报告发现，将请求中的字数减少30%，可以降低AI能源消耗的约25%。

如果你太有礼貌了，你多加的那句请会带来很大不同，你必须非常精准且简短。

用AI无需太礼貌，真正消耗大量能源的并非训练过程本身，而是被用于执行各种操作指令，仅ChatGPT一天就会处理25亿条提示词。

大家以后跟AI聊天的时候，少整那些虚头巴脑的客套话，直接上干货，这既省时间又省水，多好。

我的看法是，技术的发展必然伴随着资源成本的上升，关键在于我们如何优化这种消耗，而不是因噎废食。

现在AI算力增长太快，确实给基础设施带来了巨大压力，但这也倒逼着冷却技术的革新。

我相信未来会有更多像海水冷却、甚至更高效的热能回收技术出现，到时候这事儿可能就不叫个事儿了。

AI不是把水喝没了，它是帮我们把物理世界的热能搬运走了。

只要我们在选址上更科学，在技术上更进步，在使用上更节制，这点水咱们还是喝得起的。

但话说回来，如果你所在的地区本来就缺水，那隔壁建个巨型AI数据中心，换谁心里都不舒服，这才是需要解决的现实矛盾。