算力之渴

给机房降温的冷却塔，必须用干净的淡水：水太脏，管道会结垢、滋生细菌。所以数据中心喝的常常是自来水，甚至是能直接饮用的水。

光是给机房降温，谷歌 2023 年就取走了290 亿升水，大约相当于两个西湖的水量，其中近八成是饮用水。

而这些机房，偏偏建在缺水的地方：2022 年以来，美国约三分之二新建或规划中的数据中心，落在缺水地区。

中国宁夏中卫也建起六座超大型数据中心、装了约 65 万台服务器，而当地年降水量只有约200 毫米，不到全国平均的三分之一。

取上来的水被泵进机房，等在冷却管里。此刻芯片还凉着，等着有人按下发送。

你按下发送的那一刻，芯片开始烧电运算，热从中心一格一格涌出来。

而你不是一个人在提问。2025 年全球数据中心用掉约448 太瓦时电（联合国估算），放进国家用电排行榜能排到第 11 位，接近法国一年的用电量。

热必须被带走。清洁的淡水被泵上来，在芯片旁受热蒸发，把电转化成的热量从芯片上带走。

这个数字还在快速增长：2025 年全球总用电量只增长约 3%，数据中心用电却增长了17%，其中 AI 专用部分增长50%。

你看到的只是其中一格。全球每天约 25 亿次提问，每一次都在重复这套烧电、耗水的循环。

给芯片降完温，这股水分成两条路。约七到八成在冷却塔里变成水汽，升上天空。

升空的水没有凭空消失，但它随风飘走，最终大多落进海洋或别的流域，很难再回到被抽走的那条河。对当地水系来说，这就是净损失。

剩下约两到三成留在地面，却浓缩了盐分和矿物，还混着杀菌剂、缓蚀剂，有的带着重金属和 PFAS，作为化学废水排出。蒸发的水至少还是干净的，这部分水却已经被污染到无法再利用。

华盛顿州昆西市就吃过这个亏：微软数据中心排出的高盐废水，让市政水处理系统长期超标，这座小城最后不得不单独建一座工业污水处理厂。

AI 欠下的账不只是水。先说空气：为机房供电、备电的常是燃气轮机和柴油发电机，一开机就排出二氧化氮和颗粒物。

xAI 孟菲斯数据中心一度架起 35 台燃气轮机，投运后厂区附近的二氧化氮峰值浓度上升约79%；亚马逊为 Anthropic 建的数据中心，一张许可证上就列着234 台柴油发电机。

按当前趋势，到 2030 年，美国数据中心带来的空气污染每年将造成近200 亿美元公共健康损失，约 1300 人提前死亡。

再说碳。同样发一度电，排出的二氧化碳量差别巨大：以水电为主的挪威约 25 克，以燃煤为主的波兰约716 克，相差近 28 倍。机房建在哪、用什么电，决定了它的碳账单。

而数据中心的用电还在增长：相关二氧化碳排放预计将从 2024 年的约 1.8 亿吨，增至 2030 年的约4 亿吨。

为了保住供电，一些原定退役的燃煤电厂被要求继续待命：2025 年美国能源部下令保留 5 座燃煤电厂、合计 3240 兆瓦。宾州的一座仅以约 0.5% 的负荷运转，待命费用却摊进了当地居民的电费。

再往上游看，制造芯片本身同样耗水：2021 年台湾大旱，当局让约7.4 万公顷农田停灌、把水优先供给工厂，台积电一度靠水罐车运水维持生产。

读到这里，你也许想问：这些数字到底准不准？答案是，没人能保证。业界既没有统一的测量口径，也没有公开的数据库。同样一次提问的耗水，OpenAI 算出0.32 毫升，谷歌算出0.26 毫升，两家算的都只是机房里直接蒸发的水，数字却仍对不上。

而加州大学河滨分校把发电环节的耗水也算了进去，得出约519 毫升，差不多一瓶矿泉水，也就是你在机房画面里见过的那个数字。同一次提问，两种算法相差一千多倍。不是有人撒谎，而是两边计算的范围不同。

电的账同样对不上：同是“全球数据中心年用电量”，国际能源署给出 415 太瓦时（2024 年实测）和约 485 太瓦时（2025 年估算），联合国给出448 太瓦时（2025 年）。连一年用了多少电，世界都没有一个公认的数字。

在企业公开数据、统一口径之前，AI 的环境影响只能靠估算。所以看到任何环境数字，都值得多问一句：谁算的？算了什么？还有什么没算？

现在，把这一路走过的账汇成一张图。左边，蓝色的水从一条水位不断下降的河，流进数据中心，其中多半是可以直接饮用的水。

右边，琥珀色的电从一座冒烟的电厂送进来，一年约448 太瓦时。机房中央，芯片升温，水包裹着它带走热量。

离开芯片时，水分成两股：约七到八成升空成水汽，约两到三成成为化学废水。电厂那头，二氧化碳和二氧化氮持续排入大气。

二氧化碳在大气中长期累积，推高气温，加剧干旱。这是 IPCC 第六次评估报告的结论。

而干旱的地方，正是数据中心扎堆的地方：美国约三分之二新建或规划中的数据中心，落在缺水地区。电厂排放的二氧化碳让这些地方的缺水更加严重，新建机房需要的水也就更难获得。取水、耗电、排放，就这样连成了一个循环。

承载这一切的机房还在增多：全球已有11,591 座数据中心，其中 5,426 座在美国，占近一半。你的每一次提问，都会在其中某一座机房里，完成一次消耗水电、排出污染的循环。这样的循环，每天发生约 25 亿次。

这套循环并非无解。中国的选择，是把机房搬到风能和太阳能充足的地方。

2022 年 2 月，“东数西算”工程启动：8 个国家算力枢纽、10 个数据中心集群，把东部的算力需求引向西部。到 2024 年 6 月，八大枢纽的机架总规模已超过 195 万架。

西部有充足的风和光。内蒙古和林格尔集群的绿电使用占比达86%；甘肃庆阳集群靠“源网荷储一体化”，绿电供电占比超过 90%，一年减碳约 25 万吨。

宁夏中卫，就是开头那个年降水只有 200 毫米、却建起六座超大型数据中心的地方，正在建设全国首个大规模“算电协同”绿电直供项目：一期200 万千瓦风光装机，每年可向机房输送 22.9 亿千瓦时绿电。

机房本身也在变得更省电。衡量省电程度的指标叫 PUE，等于数据中心总用电量除以真正用于计算的用电量，数值越接近 1，浪费在散热上的电就越少。全国平均 PUE 已从 2022 年的 1.54 降到 2024 年的1.46，最先进的机房低至 1.04；政策还要求 2025 年起新建大型数据中心低于 1.3。

但用水还没有对应的标准：衡量机房用水效率的指标 WUE，国家标准至今仍在制定中。

这篇报道并不反对 AI。它正在帮助人类预测气象、研发药物、预警灾害。

只是，每一次向 AI 提问，都会消耗真实的水和电，留下真实的排放。国际能源署预计，到 2030 年，全球数据中心的年用电量将达到约945 太瓦时，相关碳排放约4 亿吨，取水量也会随之增长。

这样的提问，每天约25 亿次。在你读完这篇报道的十几分钟里，它已经发生了约两千万次。