为了打起精神用豆包手搓一份工作报表，你喝掉了一瓶冰可乐。
与此同时，远在数千公里外的智算中心里，豆包为了帮你完成这份报表，也“喝”掉了大约500毫升水。
图丨giphy
我们以为跟AI聊天只是用一点电、占一点网，实际上每一次生成答案，都要消耗真实世界里的电力、芯片和水资源。
在过去，“云计算”只是个形象的比喻，而AI时代的云计算，会真的把水变成“云”。
AI脑子越热，喝水越多AI一思考，脑袋就发烫。
给AI用的算力中心叫智算中心，它的峰值功耗比传统的算力中心要高得多。智算中心里有成千上万颗GPU芯片，每颗芯片的功耗能突破700瓦，差不多相当于1台微波炉或100部手机持续工作。
当这些芯片一起昼夜不停、满负荷运行时，一个标准AI机柜的峰值功率能突破140千瓦，芯片局部温度会迅速升高，短时间内就可能超过85摄氏度的安全工作范围，造成降速、卡顿，甚至烧毁。
一个机柜里有很多GPU芯片丨datacenters.economictimes.indiatimes.com
愣着干嘛？降温啊！现在主流的降温手段有三种：
风冷，简单来说就是吹走热空气、带来冷空气，安装方便成本低廉，但散热效率非常低，只适合低算力的传统机房；
风冷设备丨参考资料[1]
浸没式液冷，是把设备直接浸泡在专门的冷却液中，散热效率很高，但散热系统、特种绝缘冷却液成本高昂，很难普及；
有人会给自己的电脑机箱做浸没式液冷，但要用在智算中心上就太贵了丨Reddit/pcmasterrace
把电子元件和冷却液分开的板式液冷，则是目前能平衡效率和成本的最佳选择。AI的水费单有多夸张？AI最耗资源的阶段其实不是回答问题，而是训练。训练大模型时，需要让数以万亿计的参数反复调整，并在海量文本、图片和视频数据上进行学习。这个过程往往需要数千甚至上万块GPU连续工作数周到数月。
大模型训练期间，冷却系统也必须火力全开。当年训练GPT-4的算力集群，耗水量达到了1.89万吨，相当于国内5000个居民一个月的用水量。
使用浸没式液冷的智算中心模块丨sphereinfrastructure
前期的一次性“大泼水”之后，就是经年累月的细水长流。你现在和豆包聊天，调用的是已训练好的模型的一次推理，用水量很小。假设你和豆包进行5分钟的语音对话，背后的语音识别、语义理解、大模型生成等一系列计算，在智算中心总计消耗的冷却水大约为500毫升，差不多是一瓶矿泉水的量。
但AI应用的用户动辄以千万甚至亿计，一瓶瓶矿泉水加起来也是洪流了。
一座稳定运行的大型AI智算中心年耗水量可达数百万吨，而一个中等城市所有家庭每天的用水量大概是几十万吨——智算中心相当于为这个城市额外增加了一个社区的水务负担。
放眼世界，全球AI算力基础设施的年耗水总量，已经接近爱尔兰全国居民的全年用水量。
更要命的是，相当一部分冷却AI的水没法回收。现在主流的智算中心采用两级水冷模式：一级是闭式循环水路，紧贴机柜为芯片散热，水量损耗很少；真正耗水的是二级系统，它负责把一级系统的热量带走，做最终的散热处理，绝大部分水会在冷却塔里蒸发飘散，没法循环利用。
目前应用较广的两级水冷结构示意图丨中兴通讯液冷白皮书
数据中心的冷却塔丨thekuuleffect.com
要是把视野从冷却系统放大到整个链条，AI“喝”掉的水更多。AI的冷却系统本身也要耗电：水泵要把冷却水送入管道，风机要制造气流，制冷设备还要不断调节温度。这些辅助设备消耗的电能，通常占智算中心总用电量的15%到25%。而电力生产本身，同样离不开水。
算力供电配套更是“电老虎”。无论火电、水电还是核电，大规模发电系统都需要与水发生联系，因此电力消耗最终也会转化为一定的水资源消耗。江西省最大的水电站万安水电，其一年的发电量也只能满足两座超大型智算中心使用。
除此之外，芯片制造、机房设备清洗、中水预处理、污水净化……全链路综合水耗量还得算进去。
AI的虚拟交互，背后是实实在在的水资源消耗体系。
AI渴了，去哪儿喝水？我们离不开AI，AI离不开水，那就让AI去找水。我国的算力中心布局，正上演着一场与水资源的博弈。我国东部城市密集，企业扎堆，是算力需求最旺盛的地区，但土地紧张、电力昂贵、水资源不算充裕，现在已经严禁新建高耗水开式冷却塔算力项目，且在强制推广中水回用、闭式冷却与浸没液冷技术。南宁、广州等智算产业园，一半的冷却用水也来自市政再生中水。
相比之下，西部地区水电和水源充沛，气候干燥凉爽，自然冷却效率高、成本还低。
“东数西算”工程应运而生。如果把全国智算中心看作一台巨大的发动机，那么东部负责踩油门，西部负责提供燃料和散热。贵州贵安、内蒙古和林格尔、甘肃庆阳等西部地区已经建起算力枢纽，执行离线计算和大模型训练等任务。
贵安的腾讯七星洞库式数据中心丨贵阳网
和林格尔的中国移动智算中心丨新华社/陈前
建设中的中国电信庆阳智算产业园丨甘肃·甘肃日报/安志鹏
但西部并非没有烦恼，冷却水需要纯净度极高的软化水，而西部部分地区水质偏硬，处理成本更高；高原地区蒸发量大，冷却塔的水损耗比平原高出不少。
能让AI少喝点吗？换个角度来想，能不能让AI少“喝”水？
让大家少用AI显然是舍本逐末了，我们可以通过低功耗先进制程GPU、分布式轻量化推理模型，从源头削减总散热量，让AI少产热少喝水。
更省电的芯片、更高效的算法，也在减少AI对水资源的依赖。比如神经形态芯片模拟人脑神经元的工作方式，功耗就只有传统芯片的千分之一，光子计算用光代替电传输信息，也几乎不产生热量。当这些技术走向成熟，AI或许真的能实现“只动脑、不流汗”的超级形态。密闭两相浸没液冷、海水冷却海底数据中心、余热制冷技术，这些低能耗的冷却技术，也是让AI少喝水的方向。
微软曾于2018年~2020年在苏格兰海岸测试海底数据中心（Project Natick），该项目已于2024年终止。丨 Microsoft
正在建设中的我国海底数据中心丨cctv
利用现有的工业结构，我们还可以通过能量梯级循环减少消耗。比如火电机组为算力中心提供电能，其发电余热能用来驱动制冷机；算力中心周边的钢铁、化工企业产生的余热也能用上；更进一步，还可以让工业余热先发电，再把剩余热量用于数据中心制冷、建筑供暖和温室供热，尽可能把能源“吃干抹净”，欧洲已有多个算力中心实现了余热接入城市热网。Guokr
AI不会真的把地球的水喝光，和工业、农业相比，它目前仍然只是全球用水体系中的一部分，但也提醒我们，数字世界从来不是脱离现实存在的。
我们期待模型越来越大、算力越来越强，也期待它用每一滴水、每一度电换来更多的价值。
参考文献
[1]王馨翊, 王露, 陈晓轩, 等. 数据中心高密度机柜的风冷系统及其散热能力分析[J]. 制冷学报, 2026, 47(1): 51-58.
作者：蓝巾
编辑：李小葵
点个“小爱心”吧