夜雨聆风深夜，你对着 AI 抛出一个问题：「帮我总结一下这份文件。」几十秒后，答案浮现，你觉得它干得不错。
就这么一个操作，背后发生了一件你完全不知道的事——为了给处理你请求的那排服务器降温，几瓶矿泉水当量的淡水，在不远处的冷却塔里化成了水蒸气，飘走了。
这不是危言耸听。加州大学河滨分校的一项研究显示，用户每和 ChatGPT 进行 5 到 50 次对话，背后就要消耗掉约 500 毫升的淡水。如果是 GPT-4 帮你撰写一封 100 字的邮件，最高耗水量可达 1.4 升——大约三瓶矿泉水的量。
你每按一次回车，都有一小杯水蒸发到了天上。
这个隐形的消耗，就叫算力水印。
你以为是轻盈的「云」，往下一看，全链条都在喝水。从你按下回车的那一刻开始，电流从电厂出发，沿着输电线路跑进服务器机柜，驱动 GPU 高速运算——这个过程中，电厂需要用大量的水来冷却蒸汽、驱动涡轮。而在数据中心这一端，服务器散发的热量必须被带走，目前主流的办法就是让水在冷却塔里蒸发吸热。
这就形成了一条「水链」：约 60%的耗水用于数据中心内部冷却，其余 40%发生在发电环节。
01 算力越强，水印越深。
GPT-3 的一次完整训练，直接蒸发了 70 万升淡水，足够满足 2 万人一整天的单日用水。微软 2022 年的全球用水量同比飙升 34%，达到约 17 亿加仑，相当于 2560 个奥运会标准泳池的蓄水量。公司自己承认，大部分增长来自 AI 领域的投资——包括与 OpenAI 的合作。
要注意，这些还不是工厂直饮水级别的消耗——而是「能直接喝的淡水」。研究者特别指出，微软训练 GPT-4 的艾奥瓦州数据中心，冷却用水直接从当地河流和流域抽取，在训练完成前的一个月里，消耗了该地区 6%的水资源。
换个角度看：如果你每天用 AI 处理几十次复杂推理任务，一年下来，你个人的「算力水印」足够灌满一个浴缸。
02 为什么 AI 数据中心这么能「喝」？
核心原因很简单：芯片怕热。
一颗高端 GPU 满负荷运行时，表面温度可以飙到 80 到 100℃。几千上万颗 GPU 挤在一个机房里，如果没有冷却，房间里的空气能在几分钟内变成一口蒸锅。
目前主流的散热方式有两种：风冷和水冷/蒸发冷却。风冷相对省水，但散热效率低，面对 AI 这种高密度算力场景已经力不从心。于是水冷成了主流——让水流过管道带走热量，再在冷却塔里把热量「呼」出去。水从液态变成气态，带走了热量，但水本身也就这么没了。
利害对照——数据中心的冷却选择：
你可能已经注意到了关键问题：越散热效率高的技术，前期成本越高。而目前在运营的大多数 AI 数据中心，用的还是中间的蒸发冷却方案——也就是说，水仍然在大量消耗。
03 算力水印已经画到了谁的地盘上？
2026 年 5 月，美国佛罗里达州州长德桑蒂斯签署了一项新法案：超大型 AI 数据中心必须申请用水许可证，才能使用本州的水资源。这是全美首个专门针对 AI 数据中心耗水的监管法案。德桑蒂斯说得很直接：「最富有的公司来建设超大规模数据中心，不让普通居民多付一分钱水费。」
而在佐治亚州，当地电力公司 Georgia Power 正计划为 AI 数据中心修建一条长达 35 英里的 500 千伏高压输电线，涉及 330 多处私人财产。部分房主被要求搬走。一位名叫 Ansley Brown 的居民公开喊话：我们不想住在这种高压线下面。
印第安纳州的情况更直观。亚马逊在当地建了数据中心后，附近居民开始抱怨饮用水不够用了。一条社交媒体上的帖子直接点题：「你 AI 在云端算得欢，我在家里水龙头都快接不出水了。」
这场争水运动不仅仅发生在美国。西班牙阿拉贡地区的农民发起了一场名为「你的云正在晒干我的河」的抗议活动。2026 年 3 月，西班牙一家数据中心被起诉，诉讼核心直指它「劫掠水资源」。
世界范围内，反对情绪在扩散。盖洛普最新民调显示，约 70%的美国人反对在本地社区修建数据中心。
但另一边，也有数据指出：即便到 2030 年美国数据中心总用水量增至三倍，其耗水量也仅相当于全美高尔夫球场的 8%。农业用水更是数据中心的 80 倍以上。问题不在于「数据中心耗水量大不大」，而在于——它们把别人的饮用水拿来冷却了。
04 中国的「算力水印」在哪儿？
中国的 AI 数据中心布局，起步阶段就考虑到了资源承载力的问题。
最典型的案例是乌兰察布。这个内蒙古五线城市，因为气候凉爽、电价便宜、土地辽阔，吸引了华为、字节跳动、阿里、快手等巨头入驻。截至 2026 年 3 月，乌兰察布累计引进数据中心项目 84 个，其中 81 个为智算中心。就连 DeepSeek 都在那里公开招聘数据中心交付经理。
但乌兰察布地处干旱区，年降水量不到 400 毫米。到了冬季，空气极度干燥，数据中心除了冷却还要增湿——这需要额外的水。有媒体报道形容，「裸露的地表尘土飞扬，挖土机、水泥车和吊车交替出现」，数据中心和周围环境之间，构成了某种不协调的画面。
2026 年 5 月，中国国家能源局、发改委、工信部、国家数据局四部门联合印发了《关于促进人工智能与能源双向赋能的行动方案》。文件中特别提到——「结合地区能源、水资源等承载力」——这句话被业内人士解读为：对部分西部干旱地区盲目上马超大型数据中心、而后面临缺水和断电窘境的隐性纠偏。
换句话说，中国的算力水印从一开始就被考虑进去了——但具体到执行层面，能不能真把水资源承载力卡住，还得看地方审批这张网够不够密。
05 科技公司不是不管，但管起来也不容易。
微软 CEO 萨提亚·纳德拉在 2026 年 Build 大会上给自己打气。他提到建在威斯康星州的 Fairwater 数据中心：全年耗水量大约只相当于一家社区餐厅——冷却循环只需要初次注水，之后在接近零耗水的状态下运行。
听起来很美好。但问题是，这只是最新的一个设施。全球数以千计正在运行的数据中心，全是按旧标准建的。改造一座老数据中心的冷却系统，成本几乎等于重建。而各路云厂商现在正忙着抢算力、铺基建——在如火如荼的军备竞赛阶段，你指望企业停下来说「我先改个冷却系统」，不现实。
技术方向也确实在进步：液冷技术可以节水高达 91%，闭环冷却系统能减少 75%的用水量，直达芯片冷却技术可在缺水地区实现 20%到 90%的节水效益。但这些方案普遍面临「改造成本高、短期见效慢」的尴尬——当 AI 算力每 18 个月翻一番，光是跟上产能就已经让人喘不过气来。
经合组织 OECD 预测，到 2027 年全球 AI 产业耗水量将达到 66 亿立方米。这不是一个遥远的数字——就在两三年后。
06 算力水印的本质：科技的外部性成本。
经济学家会说，这是个典型的「外部性」问题：企业从 AI 算力中赚到了钱，但冷却用水的物理成本——淡水被蒸发、本地水源被挤占——整个社会在承担。
你让 AI 帮你写了一封邮件，觉得很方便。但你不知道，在你点下「发送」的那一刻，水就在蒸发。
这不是在否定 AI。AI 确实带来了巨大的生产力提升。但我们需要承认一个事实：很多看似「清洁」「轻盈」的数字服务，底层都有实体的资源代价。「云」不是云，是输电线、是芯片、是冷却塔、是管道里的水。
你每看一次 AI 生成的图片，背后都有一滴水。
这件事，你觉得是「科技发展的必要代价」，还是「被忽视的隐形账单」？
