公众号：Ailiaili | AI软件网
Ai项目交流群，Ai账号交易充值，Ai软件分享,Ai网站导航,Ai工具大全等
复制公众号

当 AI 遇上水：一场隐秘的资源博弈

你或许知道生产一瓶 500 毫升的可口可乐需要消耗多少水吗？不同 AI 或许会给出各异答案，但生产者给出的官方数据是 690 毫升。在可口可乐公司 2024 年的环境报告中，明确提及当年用水比为 1.38，即每生产 1 升饮料需 1.38 升水。多出来的水，用于清洗设备、冷却系统，最终作为工业废水排出。需注意，这仅是工厂生产环节的用水情况，尚未涵盖产品全生命周期的水消耗。

现在，让我们向 AI 抛出第二个问题：“回答完刚才的问题，你自己消耗了多少水？”你或许会不假思索地认为答案是 0，毕竟 AI 只是电子程序，与水似乎毫无关联。然而，事实远非如此，AI 的耗水量远超你的想象。

OpenAI 的 CEO 奥特曼称，GPT 回答一次问题的耗水量是 0.3 毫升，乍一听微不足道，不过几滴眼泪的量。但加州大学河滨分校的研究者却表示，一次查询至少得十几毫升，差不多够你喝上一口。还有研究者更为精细，在对比众多 AI 后得出结论：当下热门的 AI 工具，每次回答需消耗一百多毫升水，足够装满一小杯。

数据差距如此悬殊，究竟谁对谁错？答案是：都正确，只是各自都耍了些“小手段”。

要理解这些数据差异，需从 AI 耗水的根源说起。你一定有过手机发烫的经历，比如在信号不佳处开启导航，或是连续玩一小时游戏，手机烫得仿佛要爆炸。这是因为芯片在消耗电能运算时，部分电能会转化为热能。当运算量骤增，如信号太差需不断搜索基站，或游戏画面过于复杂时，仅靠背板散热远远不够，手机便会越来越烫。

AI 数据中心亦是如此。成千上万台服务器昼夜不停地运行，单台机柜功率从几十千瓦到数百千瓦不等，运算能力惊人，产生的热量同样惊人。仅靠风冷，散热效率远远无法满足需求。就像电视剧《疑犯追踪》里呈现的服务器过热警告场景，数据中心必须借助水来散热。无论冷却系统如何设计，是冷却塔、闭环水冷，还是将整个数据中心建在海底，核心原理大同小异：利用水带走热量。

但这些水不会永远留存在散热系统中。一部分水在吸收热量后会蒸发，剩余的水虽可循环回收利用，但循环水中的杂质会逐渐增多，需及时排出处理废水，补充清洁的循环水以保证系统正常运行。蒸发与排放，是数据中心最直接的水消耗，然而这并非全部。

另一部分水消耗源于电。数据中心运转离不开电，而发电厂无论是烧煤、烧气还是利用核能，都需要消耗水来辅助生产。这部分隐形的水消耗极易被忽视，实则占据大头。多数情况下，发电用水比数据中心直接用水更多。不同数据中心和电厂的技术存在差异，以美国平均数据为例，数据中心本身耗水约为每度电 0.55 升，发电厂耗水约为每度电 3.142 升，二者相加，每耗一度电，差不多要消耗 4 升水。

现在，我们来算一算这笔“水账”。加州大学河滨分校的研究者认为，一次 AI 查询消耗 4 瓦时（0.004 度）电，乘以数据中心和发电厂的耗水量，得出结果为十几毫升（16 毫升），不过这一数据较为粗略。而在最新研究中，研究者对不同模型的耗电量分别进行估算，发现在一条长提示词下，GPT4.5、Deepseek R1 等模型能消耗 100 多毫升水。

至于 OpenAI CEO 给出 0.3 毫升的答案，实则是耍了个“小花招”。他引述了同一篇文章，不过是研究列表中 GPT 系列里最小的模型 GPT - 4.1 nano 在短提示词下的耗水量。从理论上讲并无错误，但并非所有用户都只会使用 nano 模型。

若取个平均值，依据 OpenAI 和 Google 公布的报告，一条请求的平均耗电量大概在 0.3 瓦时，那么一条请求消耗 1 毫升水或许是较为合理的估算。若要进一步较真细算，还需引入水足迹的概念，不仅要算直接用水，还要算间接用水。制造一片 AI 芯片需几千升超纯水清洗，运输、包装、建厂等环节，无一不在消耗水。

这就如同计算一瓶可乐的完整水足迹，不能仅算瓶子里的 500 毫升和工厂用掉的 190 毫升，还需考虑甘蔗种植、制糖、运输等环节的用水。算完你会发现，一瓶使用古巴蔗糖的可乐，水足迹高达几百升。相比之下，零度可乐因使用人工甜味剂，水足迹要小得多（看来喝无糖可乐，不仅能减少糖分摄入，还能降低“水债务”）。

但谁能如此精细地计算呢？理论上，所有环节都应纳入计算，可实际计算量庞大且难以精确，所以当讨论 AI 的水消耗时，多数研究者默契地止步于发电厂环节。若再向上追溯，里面的数字大得会让资本市场的投资人望而却步。

AI 消耗的水有何影响？

那么，若按 AI 回答一次问题消耗 1 毫升水计算，这一数字是多还是少呢？人工智能公司会安抚你，无需担忧，即便你努力用 AI 查询一整天，消耗的水量也不过相当于喝一瓶可乐。然而，环保主义者会发出警告：一个谷歌公司一年消耗 265 亿升水，与可口可乐公司一年的耗水量不相上下，这绝非小事。

双方所言皆为事实，但这个问题本身是否恰当呢？耗水与耗电存在根本性差异。电用完后便不复存在，烧的煤也无法再生。但水是可循环资源，从地球物理学角度看，地球上的水总量几乎恒定不变。今天从数据中心蒸发的水，明天可能化作太平洋上的一朵云，后天或许成为西雅图的一场雨。

从全局视角审视，人工智能消耗的水资源看似数字庞大，但即便在未来十几年增长数倍，其对环境的影响也远不及电力消耗。虽然取水和净化过程也需要能量并产生碳排放，但与数据中心的电力消耗相比，这部分消耗微不足道。

因此，从整体层面看，AI 消耗一些水似乎并无大碍。但问题在于，水从来都不是一个全球性问题，而是局部问题。在水资源议题中，最重要的并非地球上有多少水，而是水分布在何处。

大公司们自然明白这一道理，所以他们总是强调绿色、环保、可持续的未来。在其环境报告中，“水资源中和”一词频繁出现。他们声称每年都在进行生态补水，力求“补充比消耗更多的水”，听起来极具责任感，不是吗？

在这方面，饮料公司堪称经验丰富的“老手”。可口可乐公司在被指责抢夺水资源数十年后，终于在 2016 年宣称完成“100%水回馈”。然而，生态补水的实际举措通常是恢复湿地或增加储水设备回灌地下水，且这些举措的实施地点往往不在工厂所在地。账面上虽实现了中和，但当地居民面临的缺水问题依旧严峻。

科技公司们也觉得“水资源中和”是个不错的概念，纷纷表示要努力达成这一目标，但他们在数据中心选址时却另有一套逻辑。

修数据中心需要什么？

修建数据中心需要哪些条件呢？其一，便宜的地，即人烟稀少之地；其二，便宜的电，这意味着需要新建电厂，而电厂同样需要土地；其三，宽松的监管，通常这类地区经济欠发达，急需更多投资机会。

综合这些条件，结果便是近一半的新数据中心都建在了高度甚至极度缺水的地区。这些地区经济往往不发达，新数据中心能为当地带来投资和工作机会，从政府角度看是受欢迎的。然而，数据中心的建设却会让原本稀缺的用水更加紧张，一座数据中心的落成，甚至可能导致居民水井干涸，无法保障正常生活用水。

在这种情况下，去巴西保护雨林似乎只是一个美好的愿景。

我们可以做些什么？

终于，有人对数据中心的建设说“不”。在亚利桑那州的 Tucson 市 Pima 县，议会在仔细核算水账后，决定拒绝亚马逊的“蓝色计划”。

在此案例中，新数据中心预计用水量将超过 4 个高尔夫球场的用水量。尽管建筑公司提出扩建本地废水回收系统以弥补用水增量，并在合同中加入“最终达到零净消耗”的条款，但居民仍不买账。原因在于，建筑公司的这些承诺缺乏详细可靠的配套计划，合同条款虽对公司有一定约束力，但即便无法兑现，也不过是赔钱而已——而产生的缺水问题，可不是赔钱就能解决的。

本地议员在听取居民意见后，以 7 - 0 的投票结果一致否决了该计划。

这或许是人类首次在水与 AI 之间，选择了水。但我们未来还将面临无数次这样的选择。

水的历史源远流长，它们源自 45 亿年前与地球相撞的忒伊亚行星，在星际间穿梭，于海洋与云层间不断相变轮回。恐龙饮过，你我亦在饮用。

AI 的历史则极为短暂，短到我们尚未完全适应它的存在。

我们向 AI 提问，AI 似乎在向水“提问”，而水却不知答案。

它只知道，在所有问题消散之后，它依然会存在于那里。

就像 45 亿年前一样。

本文链接：https://ailiaili.cc/post/990.html