“年轻人每天和AI聊半小时相当于喝掉三瓶水”这一说法在达沃斯论坛等场合被反复提及，其背后的生态账并非单一主体能承担，而是涉及数据中心冷却、电力生产和芯片制造三个环节的全产业链水足迹，这笔成本最终通过资源消耗、选址冲突和监管缺位，分摊到了全社会和缺水地区的居民头上。
一、核心事实：AI聊天的耗水数字存在巨大争议
“500毫升/5分钟”的说法：在2026年夏季达沃斯论坛上，毕马威中国副主席吴旭初指出，跟AI聊5分钟大约消耗500毫升散热用水；美国国家地理学会委员温波也给出类似测算，向AI提10个问题差不多消耗一瓶矿泉水。生成一封百字邮件，GPT-4的耗水量最高可达1.4升，约三瓶矿泉水。
科技公司的口径远低于此：微软援引《Joule》期刊研究称，一次典型AI查询的冷却耗水中位数仅为0.05毫升，不到一滴水。谷歌称Gemini处理一次文本请求约消耗0.26毫升水。
近两千倍的差距源于统计口径：前者计入全产业链（冷却+发电+芯片制造），后者仅算数据中心现场冷却耗水。“每次查询”的折算本身也有局限，数据中心的冷却系统是持续运行的，并非随单次查询启停。
二、AI为什么会“喝水”：三个环节的耗水逻辑
1. 数据中心散热：直接耗水
GPU芯片高速运转产生巨量热量（可达80-100℃），当前最经济的主流冷却方式是蒸发冷却——用淡水循环带走热量，水分在冷却塔中蒸发散失，需不断补充新水。
英伟达传统风冷配套冷却塔的方案，每兆瓦年蒸发耗水约合9841立方米。
液冷技术（如浸没式液冷）可将耗水量降低91%以上。
2. 发电环节：间接耗水占大头
约60%的AI总耗水来自发电环节。
火电冷却耗水约80吨/兆瓦时，全球发电行业耗水占工业用水总量的近40%。
即便数据中心减少了机房冷却用水，只要所用电力仍来自高耗水电源，上游用水不会消失。
3. 芯片制造：超纯水消耗
每制造一块AI芯片，平均需消耗超过830升超纯水，用于反复清洗晶圆。
台积电一家工厂日用水量超过15万吨。
三、全球AI耗水全貌：230亿立方米是什么概念
| 维度 | 数据 | 来源/备注 |
|---|---|---|
| 2025年全球AI全产业链年取水量 | 230亿立方米 | 占全球工业淡水取用总量的3.7% |
| 相当于 | 约560个西湖（按库容计算） | |
| 训练一次GPT-3的纯水消耗 | 约70万升 | 相当于2万人单日用水量 |
| 2030年全球AI取水量预测 | 42亿-66亿立方米 | 约英国年用水量一半 |
| 2030年全产业链总用水量 | 9.3万亿升 | 相当于13亿非洲人全年基础生活用水 |
| 微软2022年全球用水量 | 约17亿加仑 | 同比增长34% |
| 谷歌2022年全球用水量 | 约56亿加仑 | 同比增长22% |
四、这笔生态账该算在谁头上：三个层面的责任主体
科技企业的选址与成本转嫁：全球约四成数据中心、近三分之一的芯片工厂建在缺水地区，企业选址时优先考虑电价和土地成本，水源充足性是次要问题。美国约三分之二拟建数据中心选址去年经历过干旱区域。西班牙农民用标语控诉：“你的云正在晒干我的河”。
统计口径的“数字游戏”：科技公司用“单次查询不足一滴水”的窄口径回应公众关切，但其自身的用水总量却在急剧攀升（微软+34%、谷歌+20%）。这种选择性披露让公众难以准确判断真实影响。
监管缺位与标准空白：AI水耗尚无全球统一核算框架，不同机构的测算结果相差2至3个数量级。欧盟正在酝酿数据中心用水考核标签体系，美国得州推动“使用者付费”原则要求科技巨头承担设施升级成本。
五、“效率悖论”与破解方向
杰文斯悖论的AI版本：联合国大学专家指出，更高效的AI和能源反而带来更多AI消费，整体生态足迹的增长远大于效率提升节省的部分。推理环节占AI总能耗的80%至90%，这才是持续消耗资源的阶段。
技术路径正在分化：
液冷技术：英伟达45℃全液冷AI计算平台可完全消除冷却塔蒸发耗水。
自然冷却：上海临港的海底数据中心利用海水自然冷却，同规模陆地数据中心每年需消耗4万吨淡水，海水冷却后降至零淡水消耗。
非常规水源：海上风电基座下方配套算力中心，利用海水循环散热，成本几乎为零。
水足迹应成为核心约束：联合国大学报告明确要求AI环境足迹评估必须同时覆盖碳、水、土地三重维度——“低碳不自动等于低耗水”。水资源正在取代电价，成为超算/AI算力集群扩张的新核心约束。 (以上内容均由AI生成)
