问 AI “用了多少水”，为什么总能得到互相矛盾的答案
沈南乔｜OC 社会影响编辑
沈南乔｜OC 社会影响编辑
《大西洋月刊》在数据中心用水调查中指出，围绕 AI 用水的讨论经常把不同口径混在一起：有人只计算机房冷却，有人加入发电用水，还有人把芯片制造也算进去。地点、天气、电网和冷却方式不同，结果可能相差很多倍。
一句话结论： AI 没有一个放之四海皆准的“每次提问耗水量”；真正有意义的是知道数据中心在哪里、采用什么冷却、用什么电，以及计算是否包含供应链。
最容易被传播的是“问一次 AI 等于喝掉多少水”这种换算。它直观，但往往假装每次请求都运行同样的模型、占用同样的算力，并落在同一个数据中心。现实中，一个短文本请求、一次长视频生成和一轮模型训练的资源消耗完全不同。
第一层是机房现场用水。许多数据中心通过蒸发冷却带走热量，天气越热、负载越高，消耗通常越大；另一些设施使用封闭循环或更多空气冷却，现场取水较少，却可能消耗更多电力。
第二层是电力背后的水。火电和核电站也可能需要大量冷却水，因此“机房没有冷却塔”不等于整个计算过程不耗水。研究中出现过间接用水远高于现场用水的估算，有一种口径甚至达到约 23 倍，但这个比例高度依赖当地电网结构，不能直接套到所有地区。
第三层是制造。先进芯片和服务器在生产过程中要使用超纯水。把这一部分计入单次推理，需要对设备寿命、利用率和产量做分摊，误差自然更大。
关键事实
- 数据中心用水至少可分为现场冷却、发电环节和设备制造三部分。
- 地理位置、季节、冷却技术和电网能源结构会显著改变结果。
- 单次请求的消耗还取决于模型规模、输出长度、硬件效率和机房利用率。
OC 判断
企业只公布全球总用水量不够，因为一吨水在雨水充足地区和缺水地区的社会成本不同。更有用的披露应当按地区给出取水量、耗水量、水源类型、季节峰值，以及采用何种冷却和补水方案。
公众也不必把问题简化成“AI 该不该用水”。农业、发电和制造都需要水，关键是新增数据中心是否选在合适地点、有没有挤占居民和生态用水、节水承诺能否被独立核验。高效模型和更高硬件利用率可以减少单位任务资源，但总需求增长也可能吃掉这些节省。
为什么重要
- 对开发者： 模型与输出规模会影响资源成本，选择更小模型不只省钱，也可能减少环境负担。
- 对企业： 选址和冷却方案往往比一句“使用清洁能源”更直接地决定当地影响。
- 对居民： 应关注本地取水许可和高峰负荷，而不是被一个全球平均数字安抚或吓倒。
评论
围绕这篇文章补充信息、提出问题或分享观察。