算力狂奔的年代，AI开始跟人类抢水喝？

当你为了赶工作报表，一口气灌下一瓶冰可乐的时候，你可能不知道，远在千里之外的智算中心里，AI也为了帮你完成这件事，“喝”掉了差不多500毫升水。
图丨giphy 很多人以为跟AI聊天，只是费点电、占点网速，轻轻松松。但真相是，你每一次向AI提问，它背后都在消耗真实世界里的电力、芯片和水资源。过去，“云计算”只是个比喻，但在AI时代，它正实实在在地把水变成“云”。

AI脑子越热，喝水越多

AI一思考，脑袋就发烫，这可不是修辞。专为AI设计的算力中心——智算中心，其峰值功耗远超传统数据中心。里面塞满了成千上万颗GPU芯片，单颗芯片的功耗就能突破700瓦，差不多相当于一台微波炉或100部手机同时在满负荷工作。 当这些芯片24小时不停歇地满负荷运行时，一个标准AI机柜的峰值功率能轻松突破140千瓦。芯片局部温度会迅速飙升，短时间内就可能超过85摄氏度的安全工作范围，导致降速、卡顿，甚至直接烧毁。
一个机柜里有很多GPU芯片丨datacenters.economictimes.indiatimes.com 那怎么办？只能降温。目前主流的降温手段有三种： * **风冷**：简单说就是吹走热空气、带来冷空气，安装方便成本低，但散热效率也低，只适合低算力的传统机房。
风冷设备丨参考资料[1] * **浸没式液冷**：直接把设备泡在专门的冷却液里，散热效率极高，但系统成本和特种绝缘冷却液的价格都高得吓人，很难大规模普及。
有人会给自己的电脑机箱做浸没式液冷，但要用在智算中心上就太贵了丨Reddit/pcmasterrace * **板式液冷**：把电子元件和冷却液物理隔开，是目前在效率和成本之间平衡得最好的选择。

AI的水费单有多夸张？

AI最耗资源的阶段其实不是回答问题，而是**训练**。训练一个大模型，需要让数以万亿计的参数反复调整，在海量文本、图片和视频数据上学习，这个过程往往需要数千甚至上万块GPU连续工作数周到数月。 大模型训练期间，冷却系统也必须火力全开。当年训练GPT-4时，其算力集群的耗水量达到了**1.89万吨**，相当于国内5000个居民一个月的用水量。
使用浸没式液冷的智算中心模块丨sphereinfrastructure 前期“大泼水”之后，就是经年累月的细水长流。你现在和AI聊天，调用的是已训练好的模型进行推理，单次用水量很小。假设你和豆包进行5分钟的语音对话，背后的一系列计算，在智算中心总计消耗的冷却水大约为**500毫升**，差不多是一瓶矿泉水的量。 但问题在于，AI应用的用户动辄以千万甚至亿计，一瓶瓶矿泉水加起来就是洪流了。一座稳定运行的大型AI智算中心年耗水量可达数百万吨，而一个中等城市所有家庭每天的用水量大概是几十万吨——一座智算中心相当于给城市额外增加了一个社区的水务负担。 放眼世界，全球AI算力基础设施的年耗水总量，已经接近爱尔兰全国居民的全年用水量。 更要命的是，相当一部分冷却AI的水没法回收。目前主流的智算中心采用两级水冷模式：一级是闭式循环水路，紧贴机柜为芯片散热，水量损耗很少；真正耗水的是二级系统，它负责把一级系统的热量带走，大部分水会在冷却塔里蒸发飘散，再也没法循环利用。
目前应用较广的两级水冷结构示意图丨中兴通讯液冷白皮书
数据中心的冷却塔丨thekuuleffect.com 如果再把视野从冷却系统放大到整个链条，AI“喝”掉的水就更多了。AI的冷却系统本身也要耗电：水泵要送水，风机要送风，制冷设备要调温，这些辅助设备消耗的电能，通常占智算中心总用电量的15%到25%。而电力生产本身，同样离不开水。算力供电配套更是“电老虎”，无论火电、水电还是核电，大规模发电系统都需要与水打交道。江西省最大的水电站万安水电，其一年的发电量也只能满足两座超大型智算中心使用。 除此之外，芯片制造、机房设备清洗、中水预处理、污水净化……全链路综合水耗量还得算进去。AI的虚拟交互，背后是一个实实在在的水资源消耗体系。

AI渴了，去哪儿喝水？

我们离不开AI，AI离不开水，那只能让AI主动去找水。我国的算力中心布局，正上演着一场与水资源之间的博弈。 东部城市企业扎堆，算力需求最旺盛，但土地紧张、电力昂贵、水资源也不算充裕。现在，东部地区已经严禁新建高耗水的开式冷却塔算力项目，并在强制推广中水回用、闭式冷却与浸没液冷技术。南宁、广州等地的智算产业园，一半的冷却用水都来自市政再生中水。 相比之下，西部水电和水源充沛，气候干燥凉爽，自然冷却效率高、成本低。于是，“东数西算”工程应运而生。如果把全国智算中心看作一台巨大的发动机，那么东部负责踩油门，西部负责提供燃料和散热。 贵州贵安、内蒙古和林格尔、甘肃庆阳等西部地区已经建起算力枢纽，执行离线计算和大模型训练等任务。
贵安的腾讯七星洞库式数据中心丨贵阳网
和林格尔的中国移动智算中心丨新华社/陈前
建设中的中国电信庆阳智算产业园丨甘肃·甘肃日报/安志鹏 但西部也有自己的烦恼。冷却水需要纯净度极高的软化水，而西部部分地区水质偏硬，处理成本更高；高原地区蒸发量大，冷却塔的水损耗也比平原高出不少。

能让AI少喝点吗？

换个角度，能不能让AI自己少“喝”点水？让大家都少用AI显然不现实，但我们可以通过低功耗先进制程GPU、分布式轻量化推理模型，从源头削减总散热量，让AI少产热，自然就少喝水。 更省电的芯片、更高效的算法，也在减少AI对水资源的依赖。比如，神经形态芯片模拟人脑神经元的工作方式，功耗只有传统芯片的千分之一；光子计算用光代替电传输信息，几乎不产生热量。当这些技术走向成熟，AI或许真的能实现“只动脑、不流汗”的超级形态。 密闭两相浸没液冷、海水冷却海底数据中心、余热制冷技术，这些低能耗的冷却技术，也是让AI少喝水的方向。
微软曾于2018年~2020年在苏格兰海岸测试海底数据中心（Project Natick），该项目已于2024年终止。丨 Microsoft
正在建设中的我国海底数据中心丨cctv 利用现有的工业结构，我们还可以通过能量梯级循环来减少消耗。比如，火电机组为算力中心提供电能，其发电余热可以驱动制冷机；算力中心周边的钢铁、化工企业产生的余热也能用上；更进一步，还可以让工业余热先发电，再把剩余热量用于数据中心制冷、建筑供暖和温室供热，尽可能把能源“吃干抹净”。欧洲已经有多个算力中心实现了余热接入城市热网。 AI不会真的把地球的水喝光，和工业、农业相比，它目前仍然只是全球用水体系中的一部分。但这则提醒我们，数字世界从来不是脱离现实存在的。我们期待模型越来越大、算力越来越强，也期待它用每一滴水、每一度电换来更多的价值。 **参考文献** [1] 王馨翊, 王露, 陈晓轩, 等. 数据中心高密度机柜的风冷系统及其散热能力分析[J]. 制冷学报, 2026, 47(1): 51-58.