很多人聊AI的时候，目光大多放在耗电、碳排放上，很少有人留意一件事：AI不只是“电老虎”，它还是一头巨大的“吞水巨兽”。

我们平时在手机、电脑上和大模型对话，一条提示词看着轻飘飘，背后成千上万的GPU芯片在高速运转，短时间内产生海量热量。芯片怕热，一旦温度超标，就会降速、报错甚至烧毁，散热就成了AI算力中心绕不开的刚需。传统数据中心最主流的方案，就是冷却塔蒸发冷却：大量淡水被喷淋，通过蒸发带走热量，水变成水蒸气散到空气里，直接消耗掉，没法回收。

除了机房直接蒸发消耗的淡水，还有两层隐藏的水成本，常常被大家忽略。第一层是发电耗水。火电、核电在发电过程中同样需要冷却水，AI每消耗一度电，背后就附带相应的水足迹。第二层是芯片制造用水，高端芯片生产清洗需要超纯水，一片先进芯片出厂，就要消耗数吨纯水。三层叠加在一起，AI的耗水规模，远比很多人想象的可怕。

国外不少研究机构早就给出了预警。有研究测算，到2027年，全球AI算力相关取水量可能达到42亿到66亿立方米，相当于好几个国家一年的全部用水量。谷歌、微软这些海外科技巨头的数据中心用水年报，每年都在持续上涨。谷歌一年数据中心用水二十多亿升，能填满几千个标准泳池。更棘手的矛盾是，很多海外大型算力集群，偏偏选址在干旱缺水区域。电价便宜的地方，往往水资源紧张。算力扩张和当地居民、农业抢淡水的冲突，已经在美国西部、欧洲南部干旱地区陆续出现。

这里有一个很关键的常识：电可以跨区域远距离输送，但淡水很难长距离大规模调运。用水是本地化问题。同一个AI机房，建在雨水充沛的地方和建在干旱河谷，对水资源的压力天差地别。海外很多项目的思路很简单：优先找电价洼地，然后就近抽取地下水、地表水，不够就想办法打更深的井。这种模式短期成本低，长期隐患很大，地下水超采、河湖水位下降、本地生态受损，代价最后留给当地社区承担。

算力需求还在加速上涨。现在AI算力差不多每一百多天就翻一番，未来几年算力规模会持续暴涨。如果一直沿用传统蒸发水冷方案，全球淡水压力只会越来越大。一边是各国都要抢着布局AI产业，另一边是淡水资源总量有限，干旱频发。全世界都在头疼一个共同难题：怎么让AI既能跑起来，又不疯狂消耗珍贵淡水？

很多人会觉得，这是一个二选一的选择题：要么牺牲水资源换算力，要么限制算力保护水源。但国内在近几年的实践里，慢慢走出了一条不一样的路线，不单纯靠压缩算力、也不是硬拼地下水，而是从选址、冷却方式、能源供给、水循环利用一整套体系入手，尝试做到节水、省电两不误。

首先要讲的，就是现在国内正在快速普及的液冷技术，它和传统风冷、蒸发水冷完全不是一个逻辑。

传统风冷靠风扇吹空气散热，空气导热效率很低，芯片功率上去之后，风扇要疯狂转，耗电巨大；蒸发水冷靠水蒸发散热，水持续损耗。而液冷是用专门的绝缘冷却液，直接贴着芯片或者把服务器浸没在液体里面导热。液体的导热效率，比空气高上千倍，同样的算力，散热需要的动力小很多，能省下大量冷却用电。

液冷分冷板式液冷、浸没式液冷两种主流路线。冷板式就是冷却液在紧贴GPU的冷板管道里闭环循环；浸没式更直接，把整台服务器泡在绝缘冷却液里，热量被液体带走。这套系统做好闭环设计之后，冷却液反复循环使用，几乎不蒸发，不需要持续补充大量淡水。行业数据显示，相比传统蒸发冷却塔方案，成熟液冷系统最高可以节约九成以上的冷却水，同时PUE大幅下降。PUE就是衡量数据中心能效的核心指标，数值越靠近1，说明真正用来算题的电占比越高，浪费在冷却、配套设施上的电越少。传统大型机房PUE普遍在1.4到1.6，很多液冷智算中心可以稳定做到1.1甚至更低。

但液冷也不是万能的。就算是液冷，热量最后还是要排到外界。如果配套散热还是靠干式冷却塔+少量补水，在极端高温天气，依然会有少量用水需求。所以国内没有把液冷当成唯一解药，而是搭配了一整套“因地制宜”的方案，不同地方用不同办法。

在西部“东数西算”枢纽，比如乌兰察布、和林格尔这些地方，有天然优势：全年气温偏低，风多，自然冷源充足。很多智算中心采用自然冷却+液冷结合，冷季直接用室外冷风换热，不用开制冷机组。同时配套风电、光伏储能，也就是风光绿电直供。西部风光资源丰富，把东部的算力需求疏导到西部，用当地丰富的绿电供电，依靠低温环境天然散热，既避开东部土地紧张、夏季高温制冷耗电高的问题，又不挤占东部城市的淡水资源。这就是东数西算布局里面，藏着的水、电、算力协同逻辑，不是单纯把机房搬到西边，而是匹配资源禀赋。

不过西部也有短板：不少枢纽同样属于缺水区域。所以在这些地方，政策明确鼓励不用自来水、地下水做冷却补水，优先使用中水，也就是城市生活污水、工业废水经过深度处理之后的再生水。中水达不到饮用水标准，但用来做冷却换热完全够用。工信部、水利部的节水装备方案里面，专门明确支持算力机房加湿、冷却补水优先使用再生水，把水资源梯级利用起来。原本要直接排放的处理后废水，变成算力中心的冷却水源，不再消耗干净淡水，一举两得。

如果说液冷、中水、西部绿算力是陆上方案，那海底数据中心，就是国内一个非常大胆、很有代表性的创新尝试。

全球首个商用的海风直连海底数据中心，就在国内落地。它的思路一句话就能讲明白：把服务器舱放到海底，直接用常年稳定低温的海水当天然散热器，再配上旁边海上风电发出来的绿电直供。海水换热是隔离式循环，不会把海水灌进服务器里面，只是利用海水稳定的低温带走热量。这座2.3兆瓦规模的海底算力舱，如果放在陆地上用传统淡水冷却塔，一年要消耗4万吨淡水，差不多是一个普通家庭一百年的用水量；放到海里之后，直接实现淡水零消耗。同时海上风电就近送电，绿电供给率超过95%，输电损耗很小，PUE控制在1.15以内。

它同时解决了三件头疼事：第一，不用淡水冷却，不碰陆地淡水资源；第二，海上风电直接供电，低碳省电；第三，放在海底，节省大量沿海稀缺土地。当然海底方案有它的适用边界，适合沿海地区，建设、运维、防腐、检修成本更高，没法全国普及，但它给行业打开了新思路：算力冷却，不一定非要盯着淡水。大自然里面，海水、深层湖水、地下恒温层，都可以变成冷源。

除了硬件冷却方式的升级，还有一层看不见的能力：用AI管AI，靠智能系统精细控水电。
很多新一代智算中心，都部署了完整的智慧运维平台，密密麻麻的传感器实时采集芯片温度、冷却液温度、室外温湿度、冷却塔损耗、管网流量。AI算法根据实时算力负载、天气变化自动调节冷却策略：凉快的夜晚，直接切自然冷却；正午高温，再启动辅助换热；湿度高的时候减少喷淋蒸发，优先干式散热。不是固定一套模式全天满负荷跑，动态调整之后，又能再省下一部分水和电。

还有余热回收这个容易被忽略的加分项。算力芯片产生的热量不是“废物”，液冷出来的回水温度稳定、热量集中，可以收集起来，给周边小区供暖、给农业大棚加温、给工业生产供热。相当于算力中心不再只是单纯耗电耗水的消耗单元，变成一个稳定的热源站，能源梯级利用，进一步拉高整体资源利用效率。在北方一些液冷算力园区，已经在尝试把算力余热接入市政供暖管网。

看到这里，很多人会有疑问：这些方案听起来很好，为什么国外没有大规模铺开？

原因其实是多方面的。第一，海外算力企业大多是商业优先，选址优先看电价、土地成本，水资源约束很多时候是后置问题，当地监管力度参差不齐；第二，像海底数据中心这种重资产项目，前期投入巨大，周期长，短期回报慢，资本意愿不强；第三，不同地区的水资源、气候、能源条件差异太大，没有通用模板。而国内的优势，在于顶层布局和产业配套同步推进。东数西算八大算力枢纽是一盘统筹规划，同时配套绿电政策、数据中心PUE管控、算力节水规范，从项目准入阶段就把能效、水耗指标卡在前头，不是等建好之后再补救。

但我们也必须客观理性，不能把这些方案神话。
液冷成本比传统水冷高，浸没式液冷的运维门槛、冷却液成本都更高；中水回用要配套污水处理、膜过滤系统，管线和水质维护有成本；海底数据中心技术成熟度还在持续迭代，规模很难短时间爆发；西部风光电有间歇性，离不开储能配套，不是无限稳定供电。

这套方案，不是让AI“零消耗”，而是把消耗从珍贵的饮用水、地下水，转移到再生水、海水这类非传统水源；把能源从火电，逐步切换到风光绿电；同时靠换热技术、闭环循环，从根源减少水的蒸发损耗。它不是一个单点黑科技，而是一套组合打法：不同地域匹配不同冷源，不同冷却技术互相补充，能源、水资源、算力统筹规划。

放眼全球，现在绿色算力已经是竞争的新赛道。未来评判一个算力中心好不好，不再只看算力有多大、延迟有多低，还要看它每千卡算力，消耗多少淡水、多少清洁电力。过去大家拼芯片、拼服务器，接下来会越来越拼冷却技术、水源方案、绿电配套。

国内现在的路线，给出了一个不一样的样本：AI发展和水资源保护，不一定是对立关系。技术本身没有善恶，算力本身不是天然的淡水掠夺者，怎么设计、在哪里建、用什么方式散热、用什么电，才决定了它对环境的影响。

AI还会继续高速发展，我们每个人以后用到的AI工具会越来越多。在享受智能便利的同时，资源约束是绕不开的长期考题。

你觉得未来AI算力，更应该优先推广液冷改造，还是多开发海底、湖底这类天然冷源算力中心？你所在的城市有没有在建大型智算中心？欢迎在评论区说说你的看法。

#AI算力 #绿色数据中心 #液冷技术 #东数西算

免责声明：本文仅为科普分析，相关数据来自公开行业研究、官方媒体报道，不构成行业投资、项目建设建议，不同算力项目水耗、能效受选址、设备、运维方式影响存在差异。