【AI 数据中心耗水的真相】

快速阅读：关于 AI 数据中心耗水引发恐慌的讨论，往往忽略了量级的真实对比。相比于大规模农业灌溉和高尔夫球场，AI 的耗水量在宏观尺度上更像是一个“舍入误差”，真正的矛盾在于水资源定价机制的缺失与局部供应的压力。

关于 AI 耗水的争论，听起来像是一场关于“谁在偷喝水”的道德审判。

很多人在担心数据中心会吸干社区的供水，但如果把视角从局部的焦虑拉回到整个水循环的层级，你会发现这更像是一个认知偏差。在加州，数据中心的耗水量大约只占人类总用水量的 0.05% 到 0.7%。比起那些为了出口或娱乐而大规模消耗地下水的农业灌溉和高尔夫球场，AI 的需求量小得惊人。

有观点认为，这种讨论本质上是情绪驱动的，而非数据驱动。人们习惯于把“非生存必需品”——比如 AI 算力——与“生存必需品”——比如农业——放在天平两端。这种对比本身就带着一种逻辑上的不诚实。

但这里有个更有意思的摩擦点：水资源的分配问题。

数据中心通常需要高质量的、经过处理的饮用水来维持冷却循环，而这与农业使用的未经处理的水完全是两个层级。当数据中心进入一个原本就缺水的社区时，它带来的不是总量上的枯竭，而是对现有分配结构的冲击。

更有趣的是，当前的定价机制往往是失效的。在很多地方，大规模工业用水的成本被压得极低，这导致了“用多不罚”的现象。如果水价能像电力一样，根据使用量阶梯式上涨，那么数据中心自然会转向更昂贵的闭环冷却系统，而不是简单地通过蒸发来“白嫖”廉价水资源。

与其盯着 AI 消耗的那几滴水，不如去问问那些在沙漠里种杏仁、把水运往海外的农业补贴逻辑。

真正的资源危机，往往不是因为新技术出现了，而是因为旧有的分配系统在面对新变量时，表现得过于笨拙且缺乏透明度。

californiawaterblog.com/2026/04/26/ai-water-use-distractions-and-lessons-for-california