你可能听说过那个广为流传的说法：每一次 ChatGPT 查询都要消耗半瓶水。如果你正在运行或规划 AI 工作负载的基础设施，真正的问题不在于这种担忧是否合理，而在于你的 AI 数据中心 实际消耗了多少水，这个数字从何而来，以及你能对此做些什么。
根据联合国大学2026年6月发布的一份报告，到2030年，支撑全球人工智能工作负载的人工智能数据中心预计每年将消耗相当于13亿人基本生活用水量的水资源。这并非按每次查询计算的统计数据，而是整体情况，因此有必要深入了解这些水资源的去向。.
为什么人工智能数据中心需要消耗如此多的水
人工智能数据中心耗水主要有两个原因：一是为服务器散热，二是为服务器供电。每个运行大型语言模型的GPU集群都会产生巨大的热量。大多数数据中心依赖蒸发冷却系统，该系统将水喷入热气流中——水蒸发到大气中，永远不会回到当地的水系中。.
第二种水源通常规模更大，且位于厂区之外。为人工智能数据中心供电的热电厂需要用水来产生蒸汽和进行冷却。 根据加州大学河滨分校那篇广受引用的2023年研究报告《让AI少“渴”一点》，发电厂的用水量在单次AI查询产生的总水足迹中占比最高可达75%。 当将直接冷却用水与间接电力用水加总后，AI数据中心用水量的全貌便更加清晰——且这一数值远高于仅计算现场用水量的多数估算值。.
除了散热和供电之外，芯片制造还增加了另一层上游环节。经合组织（OECD）估计，生产一颗人工智能级芯片大约需要2,200加仑的超纯水。虽然这只是每颗芯片的一次性成本，但鉴于目前部署在人工智能数据中心中的GPU数量庞大，这在生命周期成本中占据了相当可观的比重。.
每条查询的水费明细
每次提示所消耗的水量确实很少——但根据询问对象的不同，数据差异极大。 加州大学河滨分校的研究人员估算，如果将数据中心的冷却用水和地区发电厂的用水都计算在内，一次包含10到50个问题的简短ChatGPT对话大约会消耗500毫升水，相当于一瓶标准容量的水。换算下来，每条查询大约消耗10到50毫升水。.
OpenAI首席执行官萨姆·阿尔特曼随后提出了一个低得多的数字：每次查询约0.32毫升，大约相当于一茶匙的十五分之一。 此后，独立分析师指出，许多广为流传的估算值将实际数字夸大了50至250倍，而在高效的冷却条件下，每次提示词产生的直接现场耗水量甚至可能低至0.5毫升。 中国经济网2026年的一份分析援引最新研究数据计算得出，向GPT-4.5或DeepSeek R1等模型发送的复杂长提示词查询可能消耗超过100毫升的水，而向GPT-4.1 Nano等较小模型的简单查询，耗水量则远低于1毫升。.
你从中得到的启示很简单：每条查询的处理次数，与其说取决于你使用的是哪个AI品牌，不如说更多地取决于模型规模、查询复杂度以及数据中心的位置。单条消息本身并不是问题——问题在于数十亿条消息的总和。.
大规模人工智能数据中心的用水情况
在设施层面，用水量从茶匙级跃升至数百万加仑。布鲁金斯学会在2026年6月发布的一份报告中指出，一个典型的人工智能数据中心每天约消耗30万加仑水， 而超大规模设施每天的耗水量甚至可达500万加仑——这相当于一个拥有1万至5万人口的小镇的用水量。.
各公司的年度披露数据呈现出一幅引人注目的画面。亚马逊披露，其AWS人工智能数据中心在2025年全球用水量约为25亿加仑。谷歌报告称2024年用水量超过61亿加仑，微软约为27.5亿加仑，Meta则约为14亿加仑。 这四家企业仅在一年内的用水总量就超过127亿加仑——且这一趋势呈陡峭上升态势。在生成式人工智能主流化的这一年，微软的用水量激增34%，谷歌的用水量则上升了20%。.
世界资源研究所预测，到2030年，与人工智能相关的数据中心基础设施每年可能消耗1.1万亿至1.7万亿加仑的淡水。 作为参考，美国所有行业每年总用水量约为117万万亿加仑。人工智能数据中心虽然不会耗尽海洋的水资源，但其在特定地区集中产生的水需求确实令人担忧。.
训练与推理：水的去向
你可能会认为训练阶段是最耗水的。据估计，训练GPT-3消耗了70万升淡水，而联合国大学的一份报告预测，训练GPT-5将需要约10亿升水和100吉瓦时的电力。这些一次性消耗往往成为头条新闻。.
然而，推理——即持续响应用户提示的过程——占模型整个生命周期内人工智能总能耗和总水耗的80%至90%。 根据联合国大学的一份报告，ChatGPT目前每天处理约25亿条用户提示，由此产生的年用电量估计为383吉瓦时。相应的水足迹相当于撒哈拉以南非洲约50万人最基本的家庭用水需求。.
如果您要大规模部署人工智能推理，这个数字对您的运营规划至关重要。一次训练就能上头条，而持续的推理则会让账单不断增加——水表也不停转动。.
哪些人工智能数据中心耗水量最大
没有一家人工智能公司会公布每条查询的用水数据，因此直接比较需要依靠估算。可以衡量的则是“用水效率”指标。AWS报告称，其每千瓦时耗水量约为0.25升，在主要云服务提供商中最低。 根据各公司2022年的报告，谷歌的全球平均值约为每千瓦时1.1升，Meta为1.26升，微软则约为1.8升。此后，微软宣布了到2030年实现零用水量的目标。.
这些差异固然重要，但地理因素更为关键。 位于亚利桑那州的一座数据中心，在40°C的高温下采用蒸发冷却技术，其耗水量远高于位于芬兰、采用自然风冷技术的同类设施。根据2025年工业委员会的一份报告，全球计划建设的人工智能数据中心中，有超过40%位于被归类为水资源压力高或极高的地区。.
数据中心选址的重要性
地理位置不仅仅是一个水利用效率（WUE）变量——它还决定了你的AI数据中心是否会成为社区的争议焦点。Meta位于佐治亚州牛顿县的数据中心，目前消耗了该县总供水量中的约10%。 弗吉尼亚州劳登县——全球数据中心密度最高的地区——目前数据中心已消耗约8%的市政用水，预计到2050年这一数字将达到29%。.
得克萨斯州的情况最为严峻：预计该州的数据中心在2024年的用水量将在250亿至490亿加仑之间，分析师预测这一数字到2030年可能飙升至3990亿加仑。 在易受干旱影响的地区，单一行业对水资源需求的这种集中，带来了不容忽视的政治风险。爱尔兰的数据中心在2023年消耗了21%的计量用电量，超过了所有城市家庭的总和，而用水量也随之同步攀升。.
如果您正在评估用于人工智能推理工作负载的机房托管或云区域，当地的水资源压力指数应在您的决策矩阵中与延迟和成本并列为重要考量因素。.
如何减少人工智能数据中心的“水足迹”
您有几种切实可行的手段可以采取。首先是冷却技术。闭环液冷和浸没式冷却通过循环利用水而非使其蒸发，大幅降低了现场用水量。谷歌最新的TPU v5人工智能数据中心通过采用这些方法，每计算单元的用水量比前几代产品显著降低。.
第二点是工作负载调度。加州大学河滨分校的研究表明，在气温较低的夜间或凉爽的季节运行耗水量大的AI工作负载，可以显著减少蒸发损失。如果您的编排层支持基于时间和位置的调度，您无需更换硬件即可减少用水量。.
第三点是透明度与监控。大多数设施缺乏精细化的用水计量，这意味着无法衡量就无法优化。部署实时用水监控工具——可为您提供按机架、按工作负载的可见性，从而将模糊的可持续发展目标转化为可追踪的运营指标。.
除了技术之外，水资源补充计划正逐渐成为基本要求。亚马逊已承诺开展50个水资源恢复项目，预计每年可向当地流域补充58亿加仑的水。 谷歌已启动165个水资源管理项目，目标是在2030年前实现每年190亿加仑的水资源补充。这些并非解决水资源消耗问题的方案——它们只是补偿措施——但它们预示着监管机构和社区的期望正朝着哪个方向发展。.
归根结底，AI数据中心的用水量既比头条新闻所暗示的要少，也要多。您单次查询的耗水量仅为一小茶匙的零头。但在水资源紧张地区，运行数十亿次查询的整体基础设施，情况则大不相同。 那些现在就对用水量进行测量、披露并积极管理的水资源运营商，将能够避免从佐治亚州到爱尔兰等地已经开始出现的许可审批之争、社区反对以及运营中断等问题。AI数据中心将继续增长。它们能否以负责任的方式发展，取决于您每次在选择区域、冷却架构和监控系统时所做出的决定。.
