7.2
深览指数
热点智搜··AI 生成
AI算力扩张加速全球水资源消耗
联合国大学报告预测，到2030年全球AI相关耗水量将相当于13亿人一年基本生活用水，引发广泛关注。文章系统拆解了AI耗水的真实路径，从数据中心冷却、发电耗水到芯片制造，并揭示了科技厂商与学术机构在统计口径上的巨大分歧。核心判断是：AI耗水总量仍远低于传统农业和工业，但已成为局部地区水资源分配和生态承载力的结构性压力，技术迭代与科学调度是破局关键。适合关注AI产业资源影响、科技伦理或基础设施政策的高知识读者阅读。
核心观点
- ▍AI耗水总量虽远低于传统农业和工业，但已成为局部地区水资源分配和生态承载力的结构性压力，而非全球水资源短缺的核心元凶。
- 01联合国大学报告预测，到2030年全球数据中心相关用水量将等同于13亿人一年的基本生活用水需求，土地占用面积将超过1.45万平方公里。
- 02生成一张AI图像的能耗是基础文本分类任务的1450倍，生成短视频的能耗相当于处理20万次垃圾邮件。
- 03模型部署后的“推理”环节占据AI总能耗的80%至90%，仅ChatGPT一天处理约25亿次请求，年耗电量达3.83亿度。
- 04数据中心直接冷却用水中，循环水受热后约80%会蒸发散失，需持续补充淡水；发电过程每度电冷却耗水约3升，叠加机房冷却，AI每度电综合耗水近4升。
- 05每制造一块AI芯片平均需消耗超830升高纯度超纯水。
- 06科技厂商仅统计服务器直接补水（单次问答约0.2-0.3毫升），而学术机构采用“全水足迹”统计后，单次百字内容生成耗水达0.5-1.4升，两者存在数量级反差。
- 07部分海外数据中心选址于干旱或农业区，冷却塔日耗水量等同整座城镇用量，已引发西班牙、智利等地农业用水短缺与水体热污染争议。
反方 / 局限
- — 文章数据依赖联合国大学模型预测，实际用水量受冷却技术迭代、政策收紧和替代水源普及速度影响，存在较大不确定性，到2030年的实际数值可能低于高估情景。
联合国大学水、环境与健康研究所ChatGPT东数西算GPU集群浸没式液冷