随着人工智能产业的爆发式增长，全球数据中心建设进入狂热期。然而，一项最新研究指出，AI数据中心的实际用水量远高于企业公开披露的数字——发电环节的间接用水已成为被严重低估的“隐形水耗”。业界呼吁，在追求AI算力提升的同时，必须正视水资源这一关键环境约束。
直接用水：冷却系统是“水老虎”
数据中心的运行需要大量电力，而电力设备会持续产生巨大热量。为保证服务器稳定运行，液冷、蒸发冷却等降温手段必不可少。据国际数据中心权威机构Uptime Institute统计，一个典型超大规模数据中心（100兆瓦容量）每年直接冷却用水可达数亿升，相当于数千个标准奥运游泳池的水量。
以微软为例，其2023年环境报告显示，公司全球数据中心直接用水量同比增长约34%，达到近8亿升。谷歌、亚马逊等巨头也均报告了显著的水耗增长。然而，这些数字仅仅包含用于冷却的“直接取水”。
间接用水：发电环节才是“大头”
更令人担忧的是，数据中心消耗的电能背后隐藏着更大的水足迹。根据美国劳伦斯伯克利国家实验室的最新建模分析，如果考虑发电环节（尤其是化石燃料和核电站）的冷却用水，数据中心的综合水耗将是企业自报数字的3至5倍。
“发电需要大量水。例如，一座燃煤电厂每发1千瓦时电，大约消耗1.8升水用于蒸汽循环和冷却。”能源与环境咨询公司ICF分析师指出，“即使采用可再生能源，如太阳能和风电，虽然运行阶段无水耗，但制造光伏板和风机叶片的过程仍然消耗大量水资源。”
这项研究还发现，AI训练所需的计算集群相比传统数据中心耗电更集中、更密集。以训练一次类似GPT-4级别的大模型为例，其电力消耗约相当于数千户家庭年用电量，对应发电环节的间接用水量则高达数十万升——这一数字通常不会出现在任何企业披露报告中。
企业披露：缺口明显，标准缺失
目前，绝大多数科技企业只统计运营层面的直接用水量（Scope 1和Scope 2中的部分），对于供应链上游发电产生的间接水耗（Scope 3）几乎不予披露。而按照全球报告倡议组织（GRI）和可持续发展会计准则委员会（SASB）的标准，企业应逐步将范围三间接排放纳入报告，但水资源披露的强制性仍远低于碳排放。
“水资源披露缺乏统一的计算方法和强制性要求，导致企业有选择性地报告。”绿色和平组织水资源项目负责人表示，“许多AI数据中心的实际水足迹被严重低估，这给干旱地区的水资源管理带来了巨大压力。”
水资源压力：AI的扩张与缺水地区重叠
更令人担忧的是，AI数据中心的选址往往倾向水电价格低廉、气候凉爽的地区——而这些地区恰恰多是水资源紧张地带。例如，美国亚利桑那州、智利、印度部分邦，以及中国的内蒙古、甘肃等地区，数据中心集群正快速扩张，而当地居民和农业用水已经捉襟见肘。
今年早些时候，内蒙古乌兰察布市因数据中心大量取水导致地下水位下降引发争议。一位当地水务局官员匿名表示：“一个20兆瓦的数据中心每年用水量相当于一个小型县城的生活用水。如果不加控制，后果不堪设想。”
破局：技术创新与全链条透明化
面对日益严峻的水资源挑战，业内正在寻求解决方案。一方面，推广更高效的冷却技术，如直接芯片级液冷、废热回收循环利用，可大幅降低直接水耗。另一方面，行业呼吁建立全生命周期的水资源核算标准，要求数据中心企业披露发电间接水耗，并将水资源利用效率（WUE）与水风险指数纳入投资决策。
谷歌已承诺到2030年在水资源压力地区实现“水正效益”——即补充超过其消耗的淡水。微软则提出“水积极”目标，计划在2024年前将直接水耗强度降低50%。然而，对于占比更大的间接水耗，目前尚无具体目标。
专家指出，AI的未来不应以牺牲脆弱的水环境为代价。随着全球气温升高、水资源日益稀缺，数据中心的水资源管理必须从“隐形”走向透明，从“被动应对”转向“主动规划”。否则，AI的算力竞赛终将面临来自大自然的“水源瓶颈”。