AI的隐形掠夺：当大模型算力开始“喝水”

大家聊起人工智能的冲击，第一反应往往是“饭碗被抢”、“隐私泄露”或者“算法偏见”。但有一个更隐秘、甚至有点吓人的危机，正悄悄从盲区浮出水面——AI 正在疯狂“喝水”。而这场智能革命最先消耗的，恰恰是地球最宝贵的淡水资源。

一场看不见的“水荒”

别以为 AI 只活在云端。你每次问 ChatGPT 一个问题、让它画张图，或者背后训练一个千亿参数的大模型，都是数据中心里成千上万块 GPU 在轰鸣运转。这些高性能芯片算力猛，发热也猛。为了不让服务器烧坏，必须用冷却系统散热。

目前最主流的“蒸发冷却”，说白了就是让清洁的淡水蒸发带走热量。

换个直观的说法：你跟 AI 聊个 20 到 50 句，它就默默“喝”掉了一瓶 500 毫升的矿泉水。

《Water Research》今年 4 月发的一篇研究更吓人：训练一次 GPT-3 模型，要消耗约 70 万升 清洁淡水。而这还只是训练阶段，等到千万级用户日常使用时的推理阶段，累积耗水量更是训练阶段的数倍。

2027 年，预估耗水 66 亿立方米

这还只是冰山一角。随着全球 AI 竞赛加速，数据中心像雨后春笋一样冒出来，而且很多还建在水资源本来就紧张的地方。

经合组织（OECD）估算，到 2027 年，全球 AI 产业的年耗水量将达到 66 亿立方米。摩根士丹利去年的报告也敲了警钟：到 2028 年，仅 AI 数据中心的直接冷却和发电耗水，就将达到 1068 亿升——这相当于好几个中型城市一年的生活用水量。

一座超大规模数据中心，一天就能用掉 150 万升水。这意味着什么？意味着在干旱的沙漠边缘或者缺水的农业区，数据中心正在跟当地居民、跟农田争夺每一滴救命水。这是一场典型的“隐形掠夺”。

水是 AI 的“阿喀琉斯之踵”

电不够了可以拉高压线远距离送，但水不行。水有很强的地域性，很难跨区域转移。这就成了卡住 AI 脖子的致命瓶颈。

因为缺水，亚马逊在亚利桑那州的“蓝色计划”数据中心直接被当地政府否决；在英国，安格利亚水务公司也公开反对新建 AI 数据中心，理由是供不上水。这些案例说明，水资源危机已经不是遥远的环保口号，而是直接拦在 AI 落地路上的现实大石头。

怎么破局？

办法不是没有。微软在威斯康辛州建的那个“世界最强 AI 数据中心”，就用了一套闭环液冷系统。水在里面循环用，几乎不蒸发，一年的耗水量也就相当于一普通餐厅。

还有循环水管理策略，能把数据中心用水量降低 75% 以上。谷歌在佐治亚州用市政废水冷却服务器，阿里云的浸没式液冷技术也在国内跑在了前面。

技术上其实都有解了。真正的挑战在于：怎么把这些技术大规模铺开？怎么逼着大厂公开用水数据？怎么在规划新基建时，真的把“水够不够用”当成硬指标？

当我们畅想通用人工智能的美好未来时，别忘了：每一次智能应答的背后，都有实实在在的资源代价。AI 不该成为“环境掠夺者”，它得是可持续发展的帮手。在这场博弈里，管好每一滴水，跟训练好每一个大模型，同等重要。