人工智慧每天使用多少水 | 令人驚訝的現實解釋

日常用水基礎知識

人工智慧（AI）每天消耗的水量是一個複雜的數據，這在很大程度上取決於支持該技術的各個數據中心的規模和位置。截至2026年，研究人員發現不同設施的用水量差異很大。較小的本地化數據中心通常每天平均用水量約為18,000加侖（約68,100升）。這些設施通常處理特定任務或服務於較小的區域，所需的冷卻基礎設施較少。

然而，主要技術公司運營的「超大規模」數據中心消耗的資源要多得多。在一些已記錄的案例中，一個大型數據中心每天可能需要數百萬升水來維持運行人工智慧工作負載的數千台伺服器的最佳運行溫度。例如，智利最近提出的一項重大設施計畫每天需要多達760萬升水，這突顯了現代計算所需的資源消耗規模之大。

直接冷卻消耗

直接用水量，通常稱為範圍1用量，發生在數據中心現場。AI伺服器在處理複雜算法時會產生大量熱量。為了防止硬體故障，數據中心使用冷卻塔，通過蒸發水來帶走設施中的熱量。這個過程對冷卻非常有效，但會導致「消耗」水，因為水以蒸汽的形式散失到大氣中，而不是返回到當地水源。

間接發電

除了直接用於冷卻的水，還有顯著的「範圍2」足跡。這指的是發電廠用於運行人工智慧伺服器所需的電力所使用的水。熱電廠（煤、氣或核）和水力發電廠需要大量的水用於冷卻或發電。由於人工智慧模型消耗的能源極大，間接水足跡通常等於或超過了現場用於冷卻的水量。

影響消耗的因素

並非每次人工智慧互動都會使用相同數量的水。人工智慧查詢或訓練課程的具體「用水成本」受到多種環境和技術變數的影響。了解這些因素對於理解為何不同地區和公司的每日用水量會如此懸殊至關重要。

地理位置的影響

數據中心所在區域的氣候對其日常用水需求起著至關重要的作用。在較冷、潮濕的氣候中，設施可以透過循環外部空氣來使用「免費冷卻」，這大大減少了對水蒸發的需求。相反，在乾旱或炎熱的地區，數據中心幾乎完全依賴於蒸發冷卻，導致每日取水量大幅增加。這在已經面臨水資源短缺的地區造成了社會緊張局勢，因為數據中心與當地居民和農業爭奪有限的淡水資源。

模型訓練與推理

訓練人工智慧模型和使用它（推理）之間存在區別。訓練大型語言模型是一項一次性的大規模能源和水資源消耗活動，可能持續數週或數月，消耗數百萬加侖的水。推理（人工智慧對單個用戶提示做出回應的過程）每次使用的水量要少得多。然而，由於每天全球處理的提示數量高達數十億，截至2026年，人工智慧推理的累積水足跡已成為每日總消耗的主要因素。

當前行業統計數據

最新數據顯示，人工智慧基礎設施的快速擴張導致水需求空前激增。目前，分析師估計，到2028年，美國數據中心的用水量可能會翻一番，甚至翻兩番。這一趨勢表明，整個行業的年用水量將從數十億加侖增加到數千億加侖。

設施類型	估計每日用水量	主要用途
小型資料中心	18,000加侖	本地企業應用程式，小規模人工智慧
超大規模園區	1,000,000加侖以上	全球人工智慧模型訓練和托管
擬議大型專案	多達2,000,000加侖	新一代生成式人工智慧集群

預計全球需求

到2027年，甚至到2028年，全球對人工智慧相關用水的需求預計將相當於3000萬至4700萬人的年消費量。這大致相當於整個加拿大人口的規模。隨著人工智慧日益融入日常生活，從搜尋引擎到自動化的金融交易，支持人工智慧所需的設施必須擴大，這將進一步加劇全球水資源的緊張。

透明度和報告

確定人工智慧每天使用多少水的主要挑戰之一是缺乏標準化的報告。雖然許多公司現在需要報告其碳足跡，但用水量在很大程度上仍然不透明。許多人工智慧開發者在其模型卡或可持續性報告中沒有披露範圍1（現場）或範圍2（場外）用水指標。

對指標的需求

為了解決這個問題，專家們呼籲採用用水效率（WUE）作為標準指標。WUE衡量資料中心每千瓦時能源消耗的用水量。提高人工智慧工作負載的空間和時間用水透明度將使研究人員能夠確定哪些模型最「貪婪」，並鼓勵開發者將工作負載轉移到水資源更豐富或冷卻效率更高的地區。

可持續發展承諾

為了應對公眾壓力，一些大型科技公司承諾到 2030 年實現「水資源正平衡」，這意味著他們打算補充的用水量將超過他們消耗的用水量。這涉及投資於水資源恢復項目，例如濕地恢復和市政系統中的洩漏檢測。儘管這些都是積極的舉措，但對當地含水層的即時日常消耗仍然是許多新數據中心開發社區的爭議點。

可用的技術解決方案

該行業目前正在探索多種方法來減少人工智慧的日常用水量。這些進步既關注硬體層面，也關注設施管理層面，以確保數位智能的增長不會以犧牲物理水安全為代價。

先進的冷卻方法

較新的數據中心正在逐漸擺脫傳統的蒸發冷卻。一些設施現在使用閉環液體冷卻，其中制冷劑或處理過的水在密封系統中循環通過伺服器，將熱量轉移到熱交換器，而不會發生蒸發。其他人正在嘗試「深海水冷卻」，該方法利用來自海洋深處的冷水來冷卻位於沿海地區的設施，並在安全溫度下將其排放回海，以避免熱污染。

AI提高效率

具有諷刺意味的是，AI本身正在被用來解決它所幫助創造的水資源危機。公用事業公司現在正在使用AI驅動的平台來檢測老化基礎設施中的洩漏並優化水分配。對於那些對技術和金融的交叉感興趣的人來說，像 WEEX 透過安全交易環境提供一種與更廣泛的技術生態系統互動的方式。就像人工智慧幫助公用事業管理資源一樣，複雜的交易工具也有助於用戶更有效地管理數位 資產。

未來展望 2026

隨著我們步入 2026 年，「水-AI 聯繫點」已成為環境政策的主要關注點。政府開始將水消耗納入其人工智慧開發監管框架。例如，在歐盟，正在討論新的指令，要求數據中心除了報告能效指標外，還需報告其用水量。

基礎設施的韌性

建設韌性基礎設施不僅僅是為了防止停電，更是為了確保穩定的供水。數據中心越來越多地採用水循環系統，允許同一水體在排放前多次使用。此外，向風能和太陽能等可再生能源的轉變——這些能源所需的用水量遠少於煤炭或核能——有助於減少人工智慧行業間接（範圍 2）水足跡。

社區和社會影響

人工智慧用水對社會的影響在地方層面最為明顯。當數據中心在易旱地區每天消耗數百萬升水時，可能會導致居民用水價格上漲和用水限制。這導致了「節水設計」運動，新一代人工智慧基礎設施優先考慮在可持續供水盈餘的地點或可使用非飲用水（如處理過的廢水）用於冷卻目的的地點。