AI产业的狂飙突进正在制造一个被严重低估的"灰犀牛"危机。2026年7月初，钛媒体在一篇深度调查报道中披露了一组令人震惊的数据——当全球科技巨头在2026年的资本支出纷纷突破新高（全行业突破8000亿美元）时，AI基础设施对水资源的消耗正在以远超预期的速度攀升。数据中心——尤其是承载AI训练和推理任务的超大规模GPU集群——不仅是"电老虎"，更是名副其实的"水老虎"。根据钛媒体披露的调研数据，2026年数据中心直接用水量约为每年1.2亿立方米，而间接用水量（包括发电过程中消耗的水、冷却设备制造环节的水、以及芯片制造环节的水）高达14.9亿立方米——间接耗水量是直接耗水的12.4倍。所有先进算力的背后都离不开水，而且随着芯片功率密度和算力密度的持续攀升，这个"水足迹"还在加速增长。一个典型的8kW机架式服务器的峰值功耗约为8000W——这相当于同时运行80个100瓦的白炽灯泡。这些电能最终会转化为热能，需要大量的水来带走。以当前主流的液冷散热方案计算，一个中等规模的1MW数据中心单日耗水量约为11万升——相当于一个标准奥运会游泳池的约三分之一。而在算力需求每翻一倍的大趋势下，制冷需求带来的耗水量增长不是线性的而是超线性的。
AI硬件的高速迭代正在把"热密度"推向越来越难控制的极限。当前主流的AI训练芯片——英伟达H100的功耗约为700W，等效发热量与一台家用微波炉相当。而其下一代B200芯片的功耗预计将突破1000W，B300更可能达到1500W以上。当数十万张功耗超高的GPU被密集部署在一个数据中心内时，产生的热量密度将达到一个恐怖的水平。传统风冷方案的散热能力极限大约为单机柜5到8kW——超过这个数值后，风冷就完全不够用了。因此液冷散热已经成为超大规模AI数据中心的必然选择。液冷方案按照冷却方式的不同分为直接液体冷却和浸没式液冷两种。直接液体冷却将冷却液通过管道输送到服务器内部直接带走芯片热量，效率较高但系统复杂；浸没式液冷则将整个服务器浸泡在绝缘的冷却液中，散热效率更高但对维护要求也极高。两种方案都需要消耗大量的水。在液冷系统中，热量从芯片传递到冷却液、从冷却液传递到外部循环水系统、然后从外部循环水系统通过冷却塔散发到大气中——这个过程中大量的水分通过冷却塔蒸发到空气中。据估算一座100MW的液冷AI数据中心在亚利桑那州凤凰城的夏季气候条件下，每月的蒸发耗水量约为120万立方米——足够满足约3000个美国家庭的月度生活用水需求。令人担忧的是，大部分超大规模AI数据中心都选址在气候干燥、水资源并不充沛的地区——比如亚利桑那州的凤凰城。凤凰城数据中心到2031年将消耗该市20%以上的供水资源。
2026年全行业科技巨头8000亿美元的资本支出中，约70%直接与AI基础设施相关。这笔史无前例的投资正在以前所未有的速度将AI的算力边界向前推进，但其环境代价也在同步加速积累。微软、Google、Amazon和Meta四大科技巨头在2026年的总用水量预计将突破300亿立方米，是2023年的4.3倍。AI的水足迹正在从"可以忽略"变为"必须正视"。微软在亚利桑那州古德伊尔的AI数据中心遭遇了当地居民和环保组织的联合抗议，附近居民反映数据中心的冷却塔产生的巨大噪音和蒸汽排放严重影响了生活质量。在威斯康星州投资73亿美元的AI数据中心同样遭遇了噪声和光污染诉讼——威斯康星州居民已于2026年7月正式提起集体诉讼。Google在南卡罗来纳州的数据中心同样面临用水争议，当地环保组织指出Google数据中心消耗的水量相当于一个数万人口小镇的年用水量。这些环境冲突正在以前所未有的速度激增。2026年上半年，全球范围内因数据中心水资源消耗引发的诉讼和抗议事件已经超过了30起，是2025年同期的三倍以上。面对日益增长的环保压力和社会舆论关注，科技巨头们正在做出应对。Google承诺到2030年实现"水正效益"——即通过水资源补充计划使其总用水量与补充量达到平衡。Microsoft则宣布了到2030年"碳负排放+水正效益"的双重环境承诺。但诸多质疑针对这些承诺的可行性——对于一个年用水量以数亿立方米计的企业来说，实现"水正效益"的难度不亚于实现碳中和。
面对日益紧迫的"水危机"，AI基础设施行业正在技术层面积极探索可持续算力的解决方案。目前最被看好的两条技术路线之一是无水冷却技术的商业化推广。传统的冷却塔采用"蒸发冷却"原理——通过水分蒸发带走热量，而这个蒸发过程也正是数据中心最主要的直接耗水来源。无水冷却技术则采用完全封闭的制冷循环系统，使用制冷剂而非水作为热量传递介质，理论上可以将数据中心的直接用水量降至接近零的水平。Google已经在其中部分数据中心部署了无水冷却系统，据其公布的数据，这些设施的年度耗水量降低了约90%。另一种路线来自中国科技企业的贡献——液冷技术的能效水平正在快速提升。海兰信和曙光等中国液冷技术供应商不断优化其间接液冷方案的效率——每个消耗单位电能可以带走的热量正在以每年约15%的速度提升。如果这一趋势持续下去，预计到2030年液冷系统的能效将比2026年提升超过一倍，这意味着在同样的制冷需求下水资源的消耗将大幅降低。从更长远的视角来看，AI产业的真正"绿色转型"需要从构建算法到硬件再到基础设施的全链路系统性的能效提升。在算法层面，稀疏化计算、量化推理和模型蒸馏等技术可以大幅降低单次推理的计算消耗；在硬件层面，更多针对推理场景优化的低功耗AI芯片正在入市；在基础设施层面，碳捕获技术、核能供电和氢能等非化石能源解决方案也在紧锣密鼓地探索中。但对于快速增长的AI产业来说，什么时候这些绿色替代方案能够像今天的化石能源和水冷方案一样成熟和廉价，将直接决定AI产业的扩张速度。