去年11月，記者郝珂靈（Karen Hao）在推特發(fā)布系列推文，承認其重磅著作《AI帝國》中存在一處嚴重錯誤。她在書中稱，谷歌計劃在智利圣地亞哥近郊小鎮(zhèn)修建的一座數據中心，所需用水量 “超過當地全體居民用水量的一千倍”，而這一數據因單位理解偏差，實際誤差恰好達到千倍。

?郝珂靈和她的新書《AI帝國》，圖源：mashable.com

郝珂靈在推文中致謝了華盛頓特區(qū)一家有效利他主義組織的負責人安迪?馬斯利（Andy Masley），正是對方提醒她對該錯誤進行修正。

過去數月，馬斯利一直在其Substack專欄中，對主流媒體談及人工智能用水問題時所用的部分數據和表述提出質疑。他發(fā)布的核心文章《人工智能用水問題實為虛假命題》*，近幾個月被Matt Yglesias、Noah Smith等一眾極具影響力的大V爭相轉發(fā)。郝珂靈在推文中表示，她正與出版商緊急修正書中的錯誤；其公關人員則向筆者透露，她目前正在休假，無法就此接受采訪。

https://blog.andymasley.com/p/the-ai-water-issue-is-fake

當筆者致電馬斯利深入探討這一話題時，他再三強調自己并非什么業(yè)內專家，只是個普通老百姓。他真正感興趣的，是媒體如何操縱這一議題，并潛移默化地重塑著周圍人的認知。

?Andy Masley，獨立撰稿人和研究員，獲得Coefficient Giving的資助，致力于探索人工智能及其他領域的課題。寫作視角總體上是有效利他主義的，但這只是眾多哲學觀點中的一種。他也非常熱衷于政治自由主義、哲學自然主義（尤其是皮爾斯、奎因和丹尼特的思想），以及歐陸哲學。

他說：“有時候我在聚會上隨口提一句自己用了 ChatGPT，周圍人就會如臨大敵地說：天吶，那東西多費水費電啊，你怎么還在用？看到大家為了這點水資源憂心忡忡，我其實挺詫異的?！?/p>

隨著地方和全國層面反對興建數據中心的呼聲日漸高漲，人們對其造成的環(huán)境影響的擔憂也不斷加劇。早些時候，230 余家環(huán)保組織聯名致信美國國會，警示人工智能與數據中心正 威脅著美國民眾的經濟、環(huán)境、氣候與用水安全。

人工智能行業(yè)已開始做出回應。11 月，新成立的行業(yè)組織 “人工智能基礎設施聯盟” 聯合主席在《福克斯新聞》發(fā)表評論文章，回應了外界對環(huán)境影響的擔憂。文中寫道：“用水量？微乎其微，且大多可循環(huán)利用 —— 甚至還不如美國高爾夫球場的用水量?！?/p>

https://www.foxnews.com/opinion/were-opposite-sides-aisle-we-know-america-must-win-ai-race-else

該文作者之一、前亞利桑那州聯邦參議員Kyrsten Sinema，目前正為該州一個數據中心項目奔走游說，而該項目因用水問題引發(fā)當地民眾強烈反對。該聯盟還轉發(fā)了馬斯利關于人工智能對電價影響的文章，并對其觀點表示認可。馬斯利在其Substack專欄發(fā)布了詳細免責聲明，否認自己因接受行業(yè)資助才發(fā)表相關觀點。

事實上，關于數據中心用水量的諸多討論確實缺乏細致考量。碳排放問題本質上是零和博弈 —— 無論排放源在哪里，我們都必須盡可能減少溫室氣體排放，因為氣候變化的影響將波及全人類。而用水問題則復雜得多，且具有顯著的地域差異。一座足以讓干旱地區(qū)水源枯竭的數據中心，若是建在水源豐沛或高耗水產業(yè)稀缺的地帶，或許就能與當地生態(tài)相安無事。

筆者采訪的專家普遍認同，人們對數據中心的用水方式往往存在認知偏差，在許多地區(qū)，其整體用水量的實際風險遠低于公眾想象。然而，隨著全美數據中心數量持續(xù)增長，加之特朗普政府正放寬環(huán)保限制以推動更多開發(fā)項目，我們極有必要厘清：數據中心究竟把水用在了哪里？那些奪人眼球的估算數據又是如何炮制出來的？更值得深入探討的是，當初，我們?yōu)楹纹x中了水來為數據中心降溫？以及該如何更合理地開展此類冷卻作業(yè)？

?加利福尼亞州一座配備閉環(huán)冷卻系統(tǒng)的33兆瓦數據中心鳥瞰圖。圖源：Mario Tama

你或許見過各類關于單次 ChatGPT 提示詞耗水量的估算數據，甚至有說法稱用人工智能寫一封郵件，就要耗掉整整一瓶水。但專家表示，想要得出如此精確的數值，絕非簡單粗暴地給一次平均對話貼上耗水標簽那么容易。

數據中心的現場用水，絕大部分都用于冷卻作業(yè)。數據中心的處理器運行時會產生大量熱量，讓水循環(huán)流經處理器是維持其正常工作溫度的方式之一；吸收了熱量的水會被輸送至冷卻塔，其中一部分會在塔內蒸發(fā)。由于苦咸水會無情侵蝕精密設備，許多企業(yè)只能直接抽取純凈的市政自來水。亞馬遜、Meta、蘋果等大型科技企業(yè)，如今正越來越多地使用經過處理的市政污水。

數據中心的實際用水量，與其自身運營模式高度相關。增加用水量，能讓數據中心無需開啟電動冷卻系統(tǒng)；反之，增加電力使用雖能減少水足跡，卻會抬高電費，同時帶來更多的溫室氣體排放。目前已有相關技術能通過特殊冷卻液實現水電消耗的雙重降低，但這類技術可能會引入永久性化學物質，這也讓不少科技巨頭不敢對其進行大規(guī)模投資。夏季氣溫升高，設備的冷卻需求會隨之增加，數據中心的用水或用電量也會相應攀升。

康奈爾大學能源系統(tǒng)工程教授尤峰崎（Fengqi You）曾參與一項關于數據中心可持續(xù)選址的分析研究*，他表示：“每個地區(qū)、每個州的情況都不盡相同。實現同等的人工智能算力，所需的用水量取決于當地的氣候條件、所采用的技術，以及能源結構。”

https://www.wired.com/story/heres-where-to-build-data-centers-to-keep-emissions-down/

而讓這一問題變得更為復雜的是，部分關于AI耗水的測算還將間接用水（主要指數據中心消耗的海量電力在發(fā)電環(huán)節(jié)所耗費的水）納入了總水足跡。這類間接用水的數值通常遠高于現場用水，且相關計算結果同樣具有顯著的地域差異。

勞倫斯伯克利國家實驗室近期發(fā)布了一份分析人工智能用水數據的論文*，其合著者、計算機研究者庫米（Jonathan Koomey）指出，核算間接溫室氣體排放時，這種計入上下游消耗的方式是行業(yè)標準，也就是所謂的范圍 2 排放核算，但將該方法應用于用水核算的情況卻相對少見。庫米還表示，他如今愈發(fā)認為，發(fā)電環(huán)節(jié)產生的場外用水不應被計入數據中心的水足跡，原因很簡單：我們在討論其他行業(yè)的用水情況時，并不會統(tǒng)計這部分消耗。

https://eta-publications.lbl.gov/sites/default/files/2024-12/lbnl-2024-united-states-data-center-energy-usage-report_1.pdf

想要查明某一特定數據中心的用水細節(jié)，并非易事：許多企業(yè)會通過保密協(xié)議，向公眾隱瞞項目的哪怕最基礎信息。2022年，俄勒岡州一座城市為避免披露谷歌某數據中心的用水量，與該州報紙《俄勒岡人報》展開了長達數月的法律訴訟，稱相關數據屬于“商業(yè)機密”。訴訟結束后，谷歌開始在其年度可持續(xù)發(fā)展報告中披露旗下數據中心的用水量。

如果說這種復雜性讓測算某一數據中心的用水量變得困難且結果不確定，那么想要將環(huán)境代價精準分攤到單個用戶或單次提示詞上，則幾乎是天方夜譚。

想要了解特定大型語言模型（LLM）的環(huán)境影響，幾乎完全依賴大型科技企業(yè)的可持續(xù)發(fā)展信息披露。盡管部分企業(yè)已變得更加透明，但仍有諸多疑問懸而未決。

去年夏天，OpenAI首席執(zhí)行官山姆·奧特曼在個人博客中提到，一次“平均水平”的ChatGPT查詢大約消耗“十五分之一茶匙”的水。他似乎為公眾提供了一個理解其能源消耗的參考標準，但他卻刻意回避了最致命的細節(jié)：究竟什么是平均查詢？這個微乎其微的數字里，是否包含了訓練那個龐大AI模型時，所蒸發(fā)掉的水與電？

馬斯利在其熱門Substack專欄中提出的核心觀點之一是，當下有太多行業(yè)的耗水量遠超 AI，我們在審視這場“水危機”時，絕不能剝離這一大背景。

此言非虛。生產一個普通漢堡需消耗超過400加侖水（1818升），生產一件不起眼的棉質T恤則需消耗超過700加侖水（3182升）。與此同時，美國1.6萬個高爾夫球場中，每個球場每天的平均用水量可能在10萬至200萬加侖之間（45.5-909萬升）。作為對比，谷歌表示，其愛荷華州用水量最大的數據中心，2024年每天用水量約為270萬加侖（1227萬升），該公司旗下大多數數據中心的用水量都遠低于這一數值。

亞利桑那州是美國數據中心增長最為迅猛的地區(qū)之一，該州擁有超過370個高爾夫球場。當想到幾十年來，海量的水資源被源源不斷地傾注在沙漠腹地，僅僅為了維持高爾夫球場的翠綠供人們休閑娛樂，卻幾乎無人置喙時，我多少能與馬斯利的憤懣產生共鳴。

但專家提醒，不應徹底忽視對數據中心用水問題的擔憂。康奈爾大學教授尤峰崎表示：“短期內，這并非需要擔憂的問題，也不會引發(fā)全國性危機，但關鍵在于地理位置。在本身就存在水資源壓力的地區(qū)，修建這些人工智能數據中心將會成為一個大問題?！?/p>

庫米指出了類似的觀點。他認為，盡管人們總是習慣性地夸大計算機對環(huán)境的破壞，但數據中心的耗水問題“絕不是你隨便擺擺手就能糊弄過去的”。他強調，每一種情況都必須結合具體設施的設計方案來評估，而不能先驗地斷言這永遠不構成問題。

確保數據準確對記者而言至關重要。但同樣明確的是，在水資源稀缺的地區(qū)，數據中心對當地供水的影響絕不可忽視。即便郝珂靈關于智利數據中心的數據可能偏差較大，但一個單一設施申請的水量超過全市居民用水總和，這本身已非同小可。谷歌去年因法院要求重新評估氣候變化對含水層的潛在影響，已暫停并最終取消了郝珂靈在文中提及的項目。而圣地亞哥地區(qū)仍有十余個數據中心已建成或正在規(guī)劃中。智利正面臨連續(xù)第十五年的空前干旱，據報道，鋰礦開采等其他產業(yè)也已危及圣地亞哥周邊供水。

“關鍵在于地理位置。在那些本就因缺水而喘不過氣的地方，強行塞進這些 AI 數據中心，注定會演變成一場災難。”

這些現實正迫使我們面對一個棘手的真相：美國公眾必須認真反思對水資源的認知。受氣候變化加劇，美國西部持續(xù)的干旱正在實時揭示，美國經濟依賴看似無窮無盡水源的發(fā)展模式正迅速變得難以為繼。《紐約時報》2023年的一項調查發(fā)現*，全美各地的地下水蓄水層——不僅限于干旱地區(qū)——正被過度抽取，飲用水供應和經濟活動均面臨威脅。

https://www.nytimes.com/interactive/2023/08/28/climate/groundwater-drying-climate-change.html

庫米指出，人們對人工智能與水資源問題的擔憂，本質上反映了長期存在的問題：當公共資源被私人攫取時，我們究竟該如何為其標價？尤其是在資源稀缺性已隨時間改變的當下。他說：“我們在水資源上看到的，部分原因是相關規(guī)則、規(guī)范和價格是基于過去的現實制定的。最終，這一切都回歸到一個核心問題：所提供服務的價值究竟是什么？”

這或許是對“AI 與水資源”爭議背后驅動力的最精準剖析。那些大口嚼著漢堡、隨手買下新 T 恤連眼皮都不眨一下的人，之所以會對大語言模型的耗水如此憤怒，是因為他們從根本上抗拒一個底層邏輯：AI 的價值，真的配得上它所吞噬的江河嗎？

圍繞數據中心的喧囂，本質上是一場全社會對 AI 的大規(guī)模價值審判。無論這場審判是否絕對公平，它都在實時上演。像馬斯利這樣的人，僅僅因為使用了 AI 就遭受到周圍人強烈的、本能的“環(huán)境負罪感”的凝視，這恐怕并非源于一次ChatGPT 搜索究竟蒸發(fā)了多少毫升的水，而是源于人們對一種強勢文化的抵觸。在這種文化中，AI 被強行且無縫地織入我們的日常生活，而它的環(huán)境代價卻被粗暴地默認為理所應當。

筆者認為，將人工智能與水資源的話題與其他高耗水行業(yè)區(qū)別開來討論，并非全無道理。原因僅在于，當下整個社會對 AI 近乎瘋狂的發(fā)展速度寄予了太高的厚望，而圍繞這項技術所畫下的大餅，又實在太過宏大。

畢竟，高爾夫球場的老板們可沒有和特朗普政府推杯換盞，靠著海量的政策綠燈與經濟饋贈，僅僅為了幾片果嶺就妄圖重塑整個人類社會，他們也沒有四處吹噓這項運動能“包治百病”，同時又讓大批打工人丟掉飯碗。

高爾夫巨頭們可不會天天霸占頭條，宣稱自己正在顛覆整個行業(yè)、引發(fā)集體癔癥、靠續(xù)命燃煤電廠來維持運轉；他們更不會恐嚇世人：如果高爾夫市場崩盤，我們所有人都將面臨經濟末日。

對一項被宣稱為不可避免的技術，對其環(huán)境代價提出質疑是正確的。對于那些為了實現自身野心而肆意重塑經濟格局的巨頭，我們有絕對的理由要求他們交出更透明的環(huán)境賬本。當然，在此過程中反復核實統(tǒng)計數據，同樣必不可少。

https://undark.org/2025/12/16/ai-data-centers-water/

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。歡迎評論區(qū)留言，或后臺留言“社群”即可加入社群與我們互動。您也可以在后臺提問，我們將基于追問知識庫為你做出智能回復哦~

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創(chuàng)建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫(yī)院、上海市精神衛(wèi)生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態(tài)系統(tǒng)，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫(yī)生獎勵計劃、、、科普視頻媒體「大圓鏡」等。