夜雨聆风今年微软 Build 大会上，萨提亚·纳德拉谈到 AI 基础设施时，说了一句颇有记忆点的话。
他说，新一代数据中心采用闭环冷却系统，整个数据中心一年的用水量，“大致相当于一家社区餐厅（neighborhood restaurant）一年的用水量”。
这句话迅速点燃了舆论对 “AI 费水”议题的关注热度。
事实上，在他演讲同时，AI 数据中心正在全球范围内遭遇越来越多的环保争议。
今年4月，路透社报道称，亚马逊、微软和谷歌都因为当地社区反对，而放弃或调整了部分大型数据中心项目。
越来越多投资机构也开始向这些科技公司施压，要求披露数据中心究竟消耗多少水、这些水来自哪里，以及如何补偿当地社区可能承担的资源压力。
投资者认为，随着 AI 算力扩张，水资源已经成为与能源一样重要的风险指标。
纳德拉的“餐厅论”，某种程度上正是在回应这场争议。
他的核心观点是，不应该用上一代数据中心的标准衡量下一代 AI 基础设施。
微软最新的 Fairwater 数据中心采用垂直架构和闭环液冷设计，水在系统内部循环使用，而不是持续消耗，因此能够显著降低补水需求。
纳德拉同时强调，微软需要向社区证明，数据中心不会推高当地电价，也不会对当地水资源造成额外负担。
但问题在于，即便单个数据中心越来越节水，AI 的总体扩张速度仍然快得惊人。
就在纳德拉演讲后不久，联合国大学水、环境与健康研究所（UNU-INWEH）发布了一份引发广泛关注的研究报告，名为《人工智能能耗的环境成本：碳、水和土地足迹》。
报告给出了一组令人震惊的数据。
联合国大学预计，到2030年，全球数据中心用电量将增至945太瓦时左右，用水量将增长至约9.3万亿升，较目前大致翻倍。
报告作者卡维·马达尼（Kaveh Madani）特别指出，公众经常把 AI 理解成一种软件，但实际上它首先是一套物理基础设施。
它意味着数据中心、发电设施、冷却系统、输电网络、芯片制造、矿产资源、土地占用以及水资源消耗。
换句话说，每一次向 AI 提问的背后，都对应着真实世界中的能源和资源流动。
对此，圈内最具传播性的一个说法是，加州大学河滨分校教授 Shaolei Ren 在三年前的研究成果，“ChatGPT 写一封邮件可能消耗一瓶水”。
不过，围绕数据中心用水的争论，远没有表面看起来那么简单。
首先是“到底在算什么水”。
目前很多研究会同时统计两类数据。一类是数据中心自身冷却系统直接消耗的水。另一类则是发电过程中间接消耗的水。
对于后者，业内一直存在分歧。
科技公司认为，如果把发电环节全部计算进去，那么钢铁厂、汽车厂、化工厂乃至几乎所有工业活动都会呈现出巨大的“水足迹”，因此不能简单把这些数字全部归因于 AI。
环保组织则认为，电力需求本来就是 AI 产业链的一部分，间接耗水同样应该被纳入评估范围。
其次是“水到底去了哪里”。
许多人看到数据中心每年消耗数十亿升甚至数百亿升水时，会下意识认为这些水被“喝掉”了。
而实际情况并非如此。
不同数据中心采用的冷却方案差异很大。传统蒸发式冷却系统确实会通过蒸发损失大量水资源，而越来越多的新一代 AI 数据中心则开始采用闭环液冷技术，水在系统内部循环使用，补水量大幅下降。
这也是纳德拉反复强调 Fairwater 采用闭环冷却架构的原因。
第三个争议点，则是透明度。
事实上，现在很多投资者已经不满足于企业发布年度 ESG 报告。他们要求看到更具体的数据。
比如每座数据中心究竟位于哪里，从哪个水源取水，是否位于缺水地区，多少比例来自循环利用等。
路透社今年4月的调查显示，十多家机构投资者已经正式向亚马逊、微软和谷歌提出相关要求，希望获得更细颗粒度的数据披露。
因为在他们看来，真正的风险往往不是全球平均值，而是某个具体地区的水资源压力。
卡维·马达尼（Kaveh Madani）说，“人工智能并不会在全球范围内简单地‘耗尽’水资源或电力。但在某些特定地区，如果数据中心扩张缺乏合理规划，就可能与当地原本已经存在的资源压力发生冲突。”
这种趋势甚至已经开始影响监管层。本周，欧盟宣布正在推进针对数据中心的能源效率标准和可持续性标签体系。其中一个核心方向，就是要求大型数据中心披露包括水资源消耗、清洁能源占比等在内的环境指标。
与此同时，科技公司也在想办法。
除了微软提到的闭环冷却系统，谷歌近几年反复提到一个概念是 Water Positive（水资源净增益）。
所谓 Water Positive，并不是完全不使用水，而是在消耗水资源的同时，通过流域修复、地下水补给、湿地恢复以及社区供水项目等方式，向当地补充更多水资源。
按照谷歌的目标，到2030年，公司希望在其运营和数据中心所在流域，实现补充水量超过实际消耗水量。谷歌认为，未来衡量数据中心的标准不应只是“用了多少水”，而应该同时考虑是否对当地水生态系统产生净正面影响。
把视线转向中国，会发现另一条正在快速推进的技术路线，液冷。
过去几年，中国数据中心建设经历了从风冷向液冷的快速转型。2024年以来，液冷已经成为国内新建智算中心的主流方向之一。
因为相比传统蒸发冷却方案，液冷不仅能够降低服务器能耗，还能够显著减少冷却过程中的水资源损耗。
可见，全球AI 基础设施建设者们都在想办法去解决 AI 增长与资源消耗的矛盾问题。
有意思的是，AI 产业的发展史似乎总是在不断发现新的成本。
最初，人们关注的是训练一个模型需要多少张 GPU。后来，人们开始计算需要多少电。再后来，人们发现存储成本、网络传输成本同样惊人。
而到了今天，讨论已经延伸到了水资源、土地资源、电子垃圾以及整个供应链的环境影响。
这说明社会各层面开始从对 AI 的无脑狂热中逐渐冷静下来，认识到其不仅是一种新的软件技术，而是新科技革命后的基础设施，开始去全面审视和评估这场技术革命的投入与产出，去论证其可持续性。
这场讨论，或许才刚刚开始。
