问AI一个问题要喝多少水达沃斯数据拆给你看2026年夏季达沃斯论坛上世界经济论坛抛出一组数字AI全产业链一年消耗230亿立方米淡水相当于1150个西湖。7月4日《华尔街日报》跟进调查直接点名微软、谷歌、Meta——它们只报了直接耗水把发电端的隐形水账藏了起来。你每次问AI一个问题背后有多少水在蒸发答案取决于算不算发电。第一笔账仅算数据中心冷却——几滴到几毫升Google在2025年8月公布了一组迄今最详细的生产数据向Gemini发送一条中等长度的文本提示消耗0.24瓦时电力、0.26毫升水。0.26毫升大约5滴。这个数据不是挑选的最优值。Google的算法包含了冷却、空闲储备、服务器非GPU功耗在内的全部数据中心开销。Epoch AI对GPT-4o的独立估算也落在相近区间单次中等回复约1.5-4毫升。OpenAI CEO Sam Altman给出的平均值是0.34瓦时折合约0.32毫升。但这些数字有个前提只算了数据中心围墙以内的水。模型单次提问能耗单次提问耗水统计口径来源Google Gemini中位值0.24 Wh~0.26 mL冷却数据中心全口径Google 2025.8ChatGPT GPT-4o中等回复~0.3 Wh~1.5-4 mL数据中心冷却Epoch AI 2025ChatGPTAltman均值0.34 Wh~0.32 mL未明确OpenAI 2025Mistral Le Chat400 token回复-~45 mL训练推理硬件全周期Mistral/Carbone4 2025.7DeepSeek-R1推理型回复~24-34 Wh150 mL第三方估算Jegham et al. 2025一个值得注意的发现推理型模型如DeepSeek-R1、o3的能耗是轻量模型的70倍以上。同样问一个问题用推理模型比用nano模型多消耗的不只是电还有水。第二笔账算上发电——数字翻了500倍UC Riverside教授Shaolei Ren在2023年的研究给出了另一个数字每10-50次提问消耗500毫升水。一瓶矿泉水。这和Google的0.26毫升差了近2000倍。谁在说谎都没说谎只是统计口径完全不同。Ren的500毫升包含了三笔水账1. 数据中心直接冷却用水冷却塔靠水蒸发带走热量这部分水直接散失到空气中不可回收。2. 发电厂间接耗水火电、核电的蒸汽涡轮冷却系统需要大量淡水。每发一度电的背后都对应着水资源的消耗。这部分占AI总耗水的60%以上。3. 芯片制造用水台积电单座工厂日用水超15万吨生产一枚2克芯片平均消耗32公斤超纯水。荷兰研究员Alex de Vries测算Google的间接耗水大约是直接耗水的3倍。Meta更夸张——2024年间接耗水190亿加仑是公开数字的20倍以上。这就是科技巨头ESG报告里没有写的那部分。230亿方水去了哪里三层拆解世界经济论坛的230亿立方米覆盖了AI全产业链的三个环节散热冷却直接用水AI服务器集群24小时运转产生巨量热量传统蒸发冷却靠水分汽化带走热量80%-85%的水直接蒸发、不可回收。毕马威中国副主席吴旭初给出的直观换算是与AI对话5分钟约消耗500毫升散热用水。发电配套间接用水占大头AI是电老虎而当前全球电力仍主要依赖火电和核电。发电端的间接耗水量是数据中心直接冷却的数倍乃至数十倍。芯片制造上游用水半导体制造全流程——硅片清洗、光刻、蚀刻——都离不开超纯水。AI芯片需求暴涨直接拉动了制造端的取水总量。一个大型AI数据中心的日耗水量可达500万加仑相当于一座5万人口城镇的居民全日用水。而全球约四成数据中心和近三分之一的芯片工厂建在缺水地区。水账背后冷却技术决定了耗水量级回到液冷采购最关心的问题同样的算力用水量能差多少答案取决于冷却架构。传统蒸发冷却塔是最费水的方案——水变成蒸汽飘走热量带走了水也没了。风冷节水但制冷能力不够已经带不走B200以上芯片的热量。液冷方案之间的差距同样巨大冷却方案节水效果散热能力适用场景蒸发冷却塔传统基准线最费水中低密度机柜开环水冷节水~30%高中高密度闭环冷板液冷节水75%极高高密度AI服务器两相冷板液冷节水91%极高超高密度极端PUE要求浸没式液冷节水95%极高特定场景成本高、运维复杂闭环系统的核心逻辑是冷却液在管道中密闭循环吸收热量通过外部换热器散热水不蒸发、不消耗。以冷泉能控在国家级智算中心的规模化验证经验为例两相冷板闭环方案在几乎消除蒸发损耗的同时把PUE压到1.2以内。英伟达新一代Rubin架构支持45℃高温冷却液入口进一步降低了冷却系统的水电消耗。在极端场景下液冷方案接近无水运行。算清你的水账一张表如果你是数据中心运维或采购下面这张表可以帮你快速估算场景传统水冷年耗水闭环液冷年耗水年节水100柜中等密度~1.2万吨~3000吨~75%500柜高密度AI训练~8万吨~2万吨~75%1000柜超高密度万卡集群~20万吨~1.8万吨~91%注行业经验估算具体数值因项目规模、地域气候、冷却架构而异水不像电可以远距离输送。数据中心选址时电价和土地成本往往是硬指标水源够不够排在后面。但当你的项目落在缺水地区周围农民在抗议你的云正在晒干我的河水就不再是一个可以忽略的成本项。结论问AI一个问题消耗多少水几滴到几百毫升取决于你算到哪一层。但真正的分水岭不在模型选择而在冷却架构——蒸发冷却和闭环液冷之间的用水量差了一个数量级。液冷不只是散热方案。在水资源越来越贵的今天它是节水方案。你所在的数据中心冷却架构是哪种欢迎留言聊聊。觉得有用点个「在看」让更多同行看到。FAQAI耗水常见疑问Q1为什么说Google的0.26毫升和毕马威的500毫升都对因为统计口径不同。Google的0.26毫升只算了数据中心围墙内的冷却用水毕马威的500毫升5分钟对话包含了发电厂冷却和芯片制造的全链条水耗。两种数据都是真实的区别在于是否计入间接耗水。对液冷采购来说冷却架构的选择直接决定了直接耗水量级这才是你能控制的部分。Q2推理模型如DeepSeek-R1比轻量模型耗水多70倍为什么推理型模型在回答前会进行多轮思维链计算消耗的计算量远大于简单问答。同样的问题用GPT-4.1 nano可能只耗0.1瓦时但用DeepSeek-R1可能耗30瓦时以上。能耗差70倍对应的冷却用水和发电耗水也同比例放大。选择合适复杂度的模型本身就是一种节水策略。Q3液冷真的能节水91%以上原理是什么传统蒸发冷却塔靠水分蒸发带走热量80%-85%的水直接散失到大气中不可回收。液冷方案用冷却液在密闭管道中循环吸热通过外部换热器把热量传导出去水不蒸发、不消耗。两相冷板液冷利用冷却液相变液→气→液在密闭系统中循环几乎消除了蒸发损耗。冷泉能控的常压两相方案在国家级智算中心实测PUE低至1.2以内同时大幅削减用水量。Q4数据中心建在缺水地区用水问题怎么解决三个方向一是技术端从蒸发冷却升级到闭环液冷节水75%-91%二是水源端利用非常规水源海水冷却、再生水循环利用上海已有海上风电基座配套算力中心的案例三是选址端东数西算将算力枢纽布局在气候凉爽、水资源相对充足的西部区域。对采购来说选址时把水资源承载力纳入评估已经是必须做的事。#AI算力 #液冷技术 #数据中心 #PUE优化 #AI与液冷