物界前沿AI的“水账单”：5分钟对话背后的水资源焦虑
5分钟，一瓶500毫升的矿泉水。1秒，150万瓶。这是央视网《此刻中国》节目披露的AI耗水数据。如果换算成更直观的数字：每天全球AI对话产生的耗水量，足以填满一个中型水库。这条新闻值得关注，因为它揭示了一个被算力狂欢掩盖的真相——AI的每一次响应，都在悄悄消耗地球上最宝贵的资源。
背后逻辑是：AI的耗水并非直接用于运算，而是用于散热。数据中心的核心CPU/GPU在满负荷运行时，温度可达80-100摄氏度。传统风冷已无法满足AI训练的巨大热负荷，液冷技术成为主流，而水冷正是成本最低、效率最高的方案。一个典型的大型AI训练集群，每小时循环冷却水可达数千吨，其中相当一部分会因蒸发、排污而损耗。
数据化来看，AI的耗水正在加速。
| 场景 | 耗水量估算 | 来源 |
|---|---|---|
| 一次GPT-4标准对话（5分钟） | 约500毫升 | 央视节目 |
| 训练GPT-3（一次） | 约700万升（相当于一个奥运泳池的1.5倍） | 加州大学研究 |
| 微软全球数据中心2022年 | 约77亿升（同比增加34%） | 微软环境报告 |
| 谷歌2022年数据中心 | 约56亿升（同比增加20%） | 谷歌环境报告 |
这些数字不是孤例。AI模型的规模每18个月翻一番，参数量从GPT-3的1750亿飙升至GPT-4的1.8万亿，训练时长和推理次数同步增长。耗水曲线与算力曲线几乎重合。
更深层的危机在于水资源分布的不均衡。 全球AI算力中心高度集中在北美、欧洲、中国东部等区域，而这些地区恰恰面临不同程度的水资源压力。美国亚利桑那州凤凰城，谷歌和微软在此建设数据中心，但该地区正经历千年一遇的干旱。荷兰阿姆斯特丹，因数据中心耗水引发居民抗议，政府已暂停新数据中心审批。中国内蒙古乌兰察布，苹果、阿里、华为的数据中心林立，但当地人均水资源量仅为全国平均水平的1/3。
[!note]
有观点认为，AI耗水不过是“杯水车薪”：全球农业用水占总用水量的70%，工业用水占20%，数据中心用水占比不足1%。但问题在于，数据中心用水属于高密度、高优先级的工业用水，在缺水地区会与居民用水产生直接竞争。而且AI的增速远超其他行业，占比会快速上升。
行业应对措施正在分化。 微软承诺到2024年实现“正水”目标，即回补的水量超过消耗量。谷歌则尝试使用再生水、雨水收集，并投资AI优化冷却系统。但更激进的方案是“去水化”——直接采用浸没式液冷，使用不导电的氟化液替代水，蒸发率极低。不过，氟化液成本高昂，且存在环保争议。另一种思路是选址迁移：将数据中心建在北极圈附近（如Facebook在瑞典）、海底（微软Natick项目）或水电站旁，利用低温或再生能源。
但这些都是治标之策。 核心问题在于：AI的算力增长是否必须与资源消耗强绑定？目前，AI芯片的能效提升速度（每年约20-30%）远低于计算需求增长速度（每年约400-500%）。这意味着，即使效率提升，总耗水量仍会持续攀升。
我的观点是：AI的水资源危机不是明天的问题，而是今天的问题。 当公众还在为“5分钟耗一瓶水”惊讶时，行业内部已开始算一笔更沉重的账——如果AI普及率从现在的10%提升到50%，全球数据中心用水量将超过钢铁行业。钢铁行业可以通过循环水实现零排放，而AI的冷却水蒸发损耗是物理定律，难以完全避免。
最后一句话总结：AI的算力红利不能以水为代价，技术创新的方向应从“跑更快”转向“用更少”。
!(https://bbs-physixfrontier-com-data.oss-cn-hongkong.aliyuncs.com/collector/article-images/202607
