AI 数据中心用水
一、一句话回答
谈到 AI 数据中心的资源消耗，公众焦点几乎都在电，但水同样是一笔大账，而且在干旱地区可能成为比电更尖锐的矛盾。数据中心用水大部分用于冷却：服务器把电转化为大量热，要把热带走，最经济高效的方式之一是蒸发冷却——水在蒸发时吸收大量热，冷却塔因此需要持续补水（蒸发、排污和飞溅都会损失水）；此外还有湿度调节用水，以及如果电力来自火电、核电，发电环节本身也耗水。AI 让这笔账急剧变大：过去单机柜可能几千瓦，AI 机柜可达几十甚至上百千瓦，总排热量成倍上升，为维持温度所需的冷却和蒸发补水随之增加。行业用 WUE（Water Usage Effectiveness，水利用效率，年耗水量/IT 设备能耗）来衡量，数值越低越省水。冷却技术对水账影响很大：传统风冷加开式冷却塔蒸发多；冷板式液冷把大部分热量用循环液体带走、可减少对蒸发冷却的依赖；浸没式液冷和闭式（非蒸发）回路更省水，但后者在高温地区制冷能耗可能上升，存在「省水」和「费电」之间的权衡。正因为如此，在缺水地区建超大数据中心会引发与居民、农业争水的争议，水资源已开始反向约束选址。应对手段包括使用再生水（中水）而非饮用水、采用闭式/干式冷却、提高回水温度、就地收集雨水、以及把高蒸发需求的设施尽量放在水资源宽裕或气候温和的地区。
为什么水不能被忽视。冷却的本质是散热，而蒸发散热几乎必然耗水；当 AI 把功率密度推高，节水承诺与扩张速度之间的张力会越来越显性。
二、功率密度上升如何推高耗水
AI 机柜功率密度的跃升是耗水增长的根本驱动。芯片耗电几乎全部变成热，蒸发冷却利用水的汽化潜热带走热量，能效好但耗水是刚性的。气候也很关键：干热环境适合用「干冷器」少耗水但费电，湿热环境蒸发冷却更有效，节水与节能往往需要按当地水价、电价和气候做优化。
| 冷却方式 | 用水 | 特点 |
|---|---|---|
| 风冷+开式塔 | 高 | 成本低、蒸发多 |
| 冷板液冷 | 中低 | 循环液带走主热、减少蒸发 |
| 浸没液冷 | 低 | 密度高、工质与维护特殊 |
| 闭式/干式 | 很低 | 省水但高温时更费电 |
三、替代水源、选址与社区关系
降低对饮用水的争夺，是缓解矛盾的关键。使用城市再生水、工业回用水做冷却补水，可避免挤占生活用水；在极度干旱地区，则更倾向干式冷却或干脆调整选址。水资源已和电力、土地、网络一起，成为大型数据中心选址的硬约束，并直接影响当地社区和舆论对项目的接受度。
- 指标口径：WUE 要看全年和当地气候，单看某一时点会失真。
- 零碳与节水张力：某些低碳冷却方案可能更耗水，反之亦然，需要综合 PUE 与 WUE。
- 趋势：液冷普及和闭式系统有助于降低单位算力耗水，但总规模快速扩张会抵消一部分效率收益。
节点速览：技术 / 玩家 / 成熟度 / 预期
数据截止 2026-09。标尺说明见 AI 产业链总览。
| 象限 | 要点 |
|---|---|
| 关键技术 | ① 冷板/浸没液冷节水（TRL-3~4）② 再生水利用（TRL-3）③ 闭式干式冷却（TRL-4） |
| 主要玩家 | 数据中心运营/云厂、冷却设备与液冷方案商、公用水务 |
| 做到什么程度 | WUE 被纳入考核；干旱地区争水争议显现，替代水源推进 |
| 后续预期 | 6 个月：水成为选址审查常规项（高）；18 个月：再生水/闭式方案增多（中）；36 个月：单位算力用水下降但总量仍升（中） |
常见误区
- 只算电不算水：蒸发冷却是刚需，干旱区水可能比电更紧。
- 把液冷等同于完全不耗水：液冷减少蒸发，但很多系统仍有补水环节。
- 以为省水和节能总能兼得：不同方案在水、电之间存在权衡。
- 忽视发电侧用水：电源结构也会改变 AI 的整体水足迹。
总结
AI 数据中心的水主要消耗于把巨大排热带走的蒸发冷却，机柜功率密度随 AI 成倍上升使耗水显著增加，行业用 WUE 衡量；冷板/浸没液冷和闭式干式冷却能降低用水但伴随省水与费电的权衡，干旱地区建大厂会与居民、农业争水，再生水和更合理的选址是主要缓解——它说明算力扩张的资源代价不止于电，散热所需的水，同样在重新约束数据中心能建在哪里、建多大。