人工智能利用水：冷却与能源
人工智能（AI）为何消耗水资源，这个问题乍一看可能会令人惊讶，因为 AI 通常被视为纯粹的软件。然而，在这些看似非物质的过程背后，隐藏着庞大的物理基础。AI 并非以直接的方式“饮用”水。水资源的消耗主要来自于数据中心的服务器冷却、电力供应以及运行 AI 应用的硬件制造。
来源: 自身呈现
AI 与水消耗
当提到 AI 和水消耗时，几乎总是指代数据中心。这些装满了服务器的巨大建筑在 AI 工作负载下消耗的功率特别大，相应地也会散发出大量的热量。这些废热必须可靠地排出，以避免芯片过热和硬件故障。 (来源)
水资源主要以两种形式使用：数据中心本地的冷却水（范围 1）和通过电力组合间接消耗的水（范围 2）。许多发电厂需要水进行冷却和蒸汽生产。第三种，通常被忽视的因素是供应链中的水消耗，特别是芯片和服务器制造（范围 3）。 (来源)
许多数据中心使用蒸发冷却系统，因为蒸发能非常有效地带走热量。一种常见的原理是冷却塔，其中一部分水蒸发并将其热量带走。其余的水在循环中，但需要定期补充。在这里，“抽出”（总取水量）和“消耗”（蒸发量）之间的区别很重要。在实际操作中，如果水质良好，大部分抽出的水会蒸发，通常约为 80%。 (来源)
具体的水消耗量很大程度上取决于天气、地点和运行方式。据估计，数据中心的蒸发量为每千瓦时服务器能源消耗 1 至 9 升。在炎热的日子里，需求会增加，因为需要更多的水来维持相同的冷却效果。 (来源) 本地的例子表明，单个大型数据中心的水消耗量可能与市政用水量相当，例如爱荷华州 Council Bluffs 的数据中心在 2024 年的饮用水消耗量为 13 亿加仑。 (来源)
行业和政府报告证实，大型设施在极端情况下每天可能需要数百万加仑的水。为了使水消耗的量级具有可比性，运营商使用“水效”（WUE）等指标，将水消耗量与 IT 能源消耗量进行比较。 (来源)
来源: bblloobb.com
数据中心水循环：水用于冷却并因蒸发而损失。
背景与情境
当数据中心在水资源匮乏的地区扩张，或者新的项目淡化用水需求时，水就会成为争论的焦点。当局越来越将该问题纳入审批程序，智利的案例就说明了这一点，当地法院要求对谷歌计划建设的数据中心进行更严格的环境审查，部分原因是在干旱地区存在水资源问题。 (来源) 国际分析表明，AI 数据中心的扩张往往发生在水资源竞争已经很激烈地区的。 (来源)
即使数据中心在当地蒸发的用水量很少，通过电力组合间接消耗的水量仍然很重要。热力发电厂需要水进行冷却，这种需求取决于发电厂类型和冷却方式。 (来源) 美国地质调查局发布了关于美国热力发电厂取水和用水的数据和报告。一个关键结论是，冷却决策只能“转移”水的用途。干式冷却系统虽然通常可以节约当地的水，但往往会增加电力消耗，从而可能扩大电网的间接水足迹。 (来源)
另一个方面是硬件供应链中的水消耗。芯片制造极其耗水，因为晶圆在许多工艺步骤中都需要用超纯水（UPW）进行冲洗和处理。制造一块 300 毫米晶圆上的集成电路大约需要 2200 加仑的水，其中约 1500 加仑是超纯水。 (来源) 这部分很容易被忽视，因为它不直接在数据中心可见，但却是 AI 硬件总水足迹的一部分。 (来源)
来源: user-added
预计 2027 年全球 AI 水消耗量，体现了问题的规模。
解决方案与挑战
部分解决方案在于选址和气候条件，因为在高温下冷却需要更多的水或更多的电力。 (来源) 技术上，许多方面正转向液体冷却和闭环系统，因为 AI 机架的功率密度很高，风冷已接近极限。 (来源) 用水冷却可以节能，而像使用非水基液体进行浸没冷却这样的替代方案可以避免水蒸发。 (来源)
来源: interestingengineering.com
AI 也可以成为优化和管理水资源的宝贵工具。
大型科技公司通过设定目标和补水计划来解决这一问题。微软的目标是到 2030 年实现“水积极”，即归还的水量超过其消耗量。 (来源) 谷歌也采取了类似的策略，目标是到 2030 年实现 120% 的补水率。 (来源) AWS 和 Meta 也设定了“2030 年实现水积极”的目标，并公开报告进展。 (来源) (来源)
然而，这些承诺并不能自动解决社区感受到的核心问题：在取水和蒸发水的地区，水资源变得稀缺。因此，许多专家呼吁提高对直接和间接水利用的透明度。 (来源)
总而言之，AI 并不直接“饮用”水，而是由于计算能力产生的热量、基础设施的冷却以及电力和供应链中的耗水过程而消耗水资源。这是否会成为一个问题，很大程度上取决于具体情况：所使用的冷却技术、电力组合，尤其是选址处的当地水资源压力。最终的问题在于，在炎热的日子里，我们有多少按需的数字便利性能够适应一个其物理系统无法比其周围环境更快地提供水的系统。 (来源)