联合国拉响警报：AI正在疯狂掠夺地球资源，将消耗13亿人的用水量

很多人跟AI打字时，会不自觉加上＂请＂＂谢谢＂＂麻烦了＂，好像对面真坐着个人。

这份客气本身没错，可它背后是有成本的。你每多敲一个字，模型就多算一遍，多算一遍就多烧一点电、多耗一点水。

这些看不见的账，平时没人替你结，直到今年6月3日，联合国大学水、环境与健康研究所把它摊到了桌面上。这份报告的核心数字，就藏在标题那句话里。

研究测算，到2030年，支撑AI的全球数据中心一年将吃掉945太瓦时电，接近巴基斯坦、孟加拉国和尼日利亚三国用电量的总和，而这三个国家加起来住着超过6.5亿人；它们对应的用水量，将相当于撒哈拉以南非洲全部13亿人一整年的基本生活用水，占地则超过1.45万平方公里，约等于两个雅加达都市区。

这不是危言耸听，是一组按现有增速推出来的账。为什么AI这么费水？道理其实很朴素。

服务器一开机就发热，芯片越先进越烫，必须靠冷却系统压住温度，不然直接死机。传统办法是拿水去散热，水一蒸发就带走热量，代价是白白蒸发掉大量淡水。

数据中心的耗水分两笔，一笔是冷却直接用掉的，另一笔是发电环节间接用掉的。你在屏幕上敲的每一句话，最后都摊到了这两笔水账上，只是你从来看不见那盆水。

电的账单同样扎眼。去年全球数据中心用掉448太瓦时电，比世界上除前十名之外所有国家都多。

换个说法，如果把这些机房打包成一个国家，它的耗电量已经能挤进全球前列。更麻烦的是增速——按报告的推算，五年内这个数字要接近翻三倍。

我的判断是，能源问题已经不再是科技行业关起门来自己消化的事，它开始跟普通人的电费、水费直接抢资源了。报告里有个细节值得琢磨。

主笔之一、今年斯德哥尔摩水奖得主马达尼提醒，过去大家只盯着数据中心的温室气体排放，但那只是问题的一部分；更高效、更便宜的AI意味着大家用得更多，省下来的那点，很快就被暴涨的使用量吃掉了。这话点破了一个反直觉的陷阱：技术越省，可能烧得越凶。

这个陷阱有个正经名字，叫杰文斯悖论。听着玄，翻成大白话就是：你家把老式灯泡换成节能灯，本想省电费，结果心一横＂反正费不了几个钱＂，全屋的灯懒得关了，月底账单反而涨了。

AI也是这个路数。单次对话确实越来越省电，可正因为便宜了、顺手了，人们就用得越来越野，图片、视频、长文一股脑往里塞，总量不降反升。

不同任务的耗电差距，大得超出多数人想象。一次普通的AI对话，能耗大约是垃圾邮件过滤那种基础文本处理的200倍；而生成图片、视频要费的电，还要高出一大截。

更值得注意的是，真正的＂电老虎＂不是训练模型那一下。报告作者阿塞尔指出，AI约九成的电力消耗来自日常的调用请求，光是GPT一家，每天就要处理约25亿次提问。

所以问题的重心，早就从＂训练＂悄悄挪到了＂使用＂上。你我每天随手一问，看似微不足道，乘以全球几十亿次，就成了压在电网上的实打实的负荷。

这也解释了一个现象：为什么科技公司越喊＂我们的模型更高效了＂，整体的资源消耗曲线却越往上翘。效率是把双刃剑，省下来的空间，被更多人、更频繁的使用填得满满当当。

账单该谁来扛，是这份报告最刺眼的地方。报告指出，AI大规模扩张带来的好处和负担极不均衡，几个具体案例显示，全球分布的AI服务如何在当地造成集中的压力。

以爱尔兰为例，2023年数据中心用掉了全国21%的计量用电，超过所有城市家庭的总和，逼得电网运营商暂停都柏林周边的新审批直到2028年。享受AI的人和为它买单的人，往往不是同一批人。

这种错位，在刚过去的这个夏天被放得更大。7月3日，一场大范围热浪席卷美国，同时挤压着电网和供水，也在考验公众对AI数据中心快速扩张的耐心——这些设施本就吞掉大量水电。

热浪最要命的一点，是数据中心的散热高峰，恰好跟居民用电、用水的高峰撞在一起。平时还能勉强腾挪，极端天气一来，矛盾立刻见底。

美国民间的态度也在这轮高温里显形。近期一项盖洛普调查显示，七成美国人反对在自己社区建数据中心，其中一半人把电力和水资源被过度占用列为首要担忧。

这不是抽象的环保口号，在得州科珀斯克里斯蒂，官员已经担心当地饮用水快要见底，而周边就有三座数据中心，当地一些水库蓄水量跌破一成，这片区域已连续干旱五年。

水面之下的博弈，早就开打了。面对压力，中美走的是两条明显不同的路。美国这边，为了给AI喂饱电，科技公司干脆自己下场建电厂、锁电源。

按相关报道，一批科技巨头计划向AI砸下巨额投资，油气公司则排队供电，随之而来的水电需求预计会推高普通用户的账单，因为电力公司得为AI扩建基础设施。这条路胜在快，但代价是把绿色转型往后拖，化石能源的比重不降反升。

美国监管层的态度也在急转。今年以来，超过30个州的议员提出了300多项与数据中心相关的法案，涉及暂停建设、税收优惠和能源政策。

仅2026年第一季度，就有超过1300亿美元的项目被推迟或放弃，这一数字比整个2025年还多。说白了，美国是先放开建、再回头收，如今正被反噬着补课，节奏相当被动。

咱们这边的思路不太一样，是用政策先把能耗天花板摁死。这几年国内对数据中心的PUE（简单说就是每度电里有多少真正用在算力上、多少浪费在散热等辅助环节）卡得越来越紧。

2026年开年的《＂东数西算＂2026工作要点》要求枢纽节点新建超大型数据中心PUE不超过1.2，且七成用液冷；工信部新规也明确今年新建数据中心液冷渗透率不低于60%。这是从源头上给＂电老虎＂上笼头。

而且这套打法不光盯着电，还专门给＂捞水＂留了口子。逻辑很清楚：传统风冷靠蒸发水散热，水就这么没了；液冷是把冷却液封在管路里循环，理论上几乎不消耗淡水。

最新的AI芯片跑得太热，逼着行业转向液冷这种密闭循环、近乎零淡水消耗的方案。逼企业上液冷，本质上就是把原本白白蒸发掉的水，一点点收回来。

这跟单纯建电厂＂喂电＂，是两种完全不同的解题思路。但液冷也不是天使，这里藏着一笔时间差的账。

主流的浸没式液冷用的是含氟冷却液，散热猛，可这类物质几百年都难降解，圈里叫它＂永久化学物＂，处理不好又是新的环境包袱。好消息是国产替代跑得不慢。

今年1月，中科氟源在雅安公示了年产10万吨浸没式冷却液项目的水土保持方案，这类国产产能正在陆续落地。技术替代的窗口在打开，只是快慢之争，谁也不敢打包票。

至于很多人寄望的量子计算救场，我得泼盆冷水。量子计算机本身就得耗海量电力维持超低温环境，它不是凭空变出能量，何况离大规模商用还有相当长的路。

指望某个技术奇点一夜翻盘，并不现实。眼下更靠谱的方向，反而是把热量循环利用起来。

世界经济论坛就提到一个思路：用液冷替代传统风冷吸走热量后，与其直接排进大气，不如把这些余热用于楼宇供暖或并入更大的热网。把镜头拉回眼下。

就在7月上旬，一批新的分析密集发出，指向同一个判断：光是切换冷却方式还不够，透明度才是关键。有分析指出，数据中心的用水计量参差不齐、披露不一致，常常只报到公司层面、跳过具体站点，这让外界很难看清真实的风险。

换句话说，比＂用了多少水＂更棘手的，是＂根本算不清用了多少水＂。账都对不上，谈治理就无从下手。那我们普通人只能干看着吗？

倒也不必这么悲观。报告给了一个特别接地气的建议：选择＂够用就好＂的模型和格式，能用轻量的就别上重型的。这事儿门槛极低，人人都能做。

你不用喊着戒AI，谁也离不开它；但今天起可以试试，把对话里没必要的客套删掉，能一句话讲清的别拆成三句。省下的那点电水看着微不足道，架不住基数大。

说到底，联合国这份报告真正的价值，不在某个吓人的数字，而在于它第一次把碳、水、土地和整条产业链的代价捆在一起看，逼所有人正视一个被长期回避的事实：我们享受的每一点便利，背后都挂着一张看不见的资源清单。技术本身没有原罪，失控的扩张才是。

把账算明白、把成本摊开来，AI这条路才走得远。最后聊点轻松的。你平均一天会让AI生成多少东西？

是写材料、做图，还是剪视频、写代码？下次动手前，不妨顺手想一想那张看不见的清单。评论区聊聊你的用法吧。