Ceres 數據中心用水發現令 AI 的發電廠受關注

Ceres 將 AI 的用水爭議帶到伺服器冷卻以外，挑戰了「節水數據中心必然有較小用水足跡」的看法。Ceres 的數據中心用水發現將焦點放在發電環節；即使設施減少自身耗水，該環節的用水需求仍可能相當可觀。

衝突點在於場址層面的效率主張，與提供運算所需的更廣泛基建之間的落差。Microsoft 的冷卻改動及 Google 因地制宜的冷卻策略，均回應了實際的營運問題。然而，單獨考慮任何一種做法，都無法說明支援電力系統需要多少用水。

對雲端營運商、公用事業機構及企業買家而言，這個區別改變了值得提出的問題。冷卻公告只描述系統的一部分。評估 AI 基建時，也必須檢視電力供應、受影響流域，以及現有證據的局限。

Ceres 數據中心用水發現將界線延伸至冷卻以外

Ceres 於 2026 年 8 月 25 日發表 Water Behind the Watts: The Hidden Risk of Powering Data Centers。其發電用水分析涵蓋 Virginia、Texas、California、Illinois、Georgia、Ohio 及 Arizona。

根據 Ceres，這些州合共容納約一半的美國數據中心。報告認為，在評估數據中心的用水風險時，應更重視採購電力的方式。

核心改變在於問責範圍：用水風險延伸至伺服器運作場地以外。

這個界線對評估 AI 基建主張十分重要。一個設施可減少圍牆內的用水需求，同時仍依賴其他地方的水資源。其本地冷卻表現無法回答上游的問題。

以此方式解讀 Ceres 用水報告，提出的是對披露做法的挑戰，而非對某項特定冷卻技術作出判決。營運商需要說明其用水主張涵蓋甚麼。

公司討論冷卻用水時，應明確界定該範圍。公司若討論其整體營運用水足跡，則需要說明如何處理購買的電力。

讀者亦應區分這份最新報告與背後既有的物理關係。現時 AI 擴張之前，發電已經需要用水。Ceres 是將這種既有依賴帶入基建投資的討論。

這個區別可避免對改變了甚麼作出誤導性的描述。該報告並非發現電力與水存在互動，而是加強審視數據中心規劃是否充分考慮這種互動。

同樣的嚴謹態度亦適用於「AI」一詞。數據中心支援多種工作負載，包括儲存、傳統雲端軟件及商業應用程式。有關整個行業的證據，不能自動轉化為只屬 AI 的總量。

因此，本文將這些發現視為基建警號。它們提供檢視上游風險的理由，但個別設施及工作負載仍須接受進一步調查。

試想一個擬建園區宣稱其冷卻用水量極低。該說法可協助市政機關評估對飲用水系統的需求，但不能獨立證明供應電力所帶來的用水影響。

實際問題便是，項目評估是否將這兩個系統連結起來。分開審視冷卻與電力，可能令兩者之間的重要依賴關係未獲充分檢視。

這正是 Ceres 數據中心用水發現帶來的實用啟示。相關基建不僅包括運算發生的地方，也包括電力來源所在之處。

對讀者而言，最有力的解讀仍應保持具體。節水冷卻是有關設施的相關證據；若將其當作整個依賴電力的營運之證據，便會成為不完整的答案。

這個框架亦令改善空間保持開放。營運商可透過更佳披露及基建選擇處理上游風險，而非以同一項冷卻統計數字為每個項目辯護。

全國估算顯示為何電力值得關注

Berkeley Lab 於 2024 年 12 月發表的數據中心能源研究，提供了另一項全國層面的參考。研究估計，美國數據中心於 2023 年直接消耗約 660 億公升水。

研究估計，與其用電相關的間接用水量接近 8,000 億公升。這些估算涵蓋一般的美國數據中心，而非只涵蓋 AI。

這項全國比較支持檢視與電力相關的用水量，但並不能確定個別 AI 服務的用水足跡。

Berkeley Lab 採用區域電力組合估算間接影響。其方法沒有納入個別設施的購電協議，或位於其電錶後方的發電設施。

評估特定營運商時，這些限制相當重要。區域估算可提供背景，卻不能取代有關該營運商實際供電安排的證據。

不過，這項比較揭示了一個披露問題。若只關注直接冷卻用水，便可能排除一大類營運用水需求。

回應方法應是改善量度，而非作出更戲劇化的推演。全國估算應引導對本地情況、電力來源及設施營運的調查。

對企業買家而言，這構成盡職審查問題。供應商或會提供精確的冷卻指標，卻甚少交代其環境主張背後的上游假設。

這種資訊可見度的差異，會影響採購決策。比較供應商的買家需要足夠背景，以理解表面相近的數字是否衡量相同活動。

公用事業機構亦面對相關的分析挑戰。擬議的運算負載伴隨電力需求，但評估這項需求時，也涉及供應該電力所需的資源。

完整評估會將預測需求與相關發電假設連結，然後識別哪些用水問題應納入審查，以及哪些問題仍未有答案。

地方政府面對的是另一條界線。其直接管轄範圍可能集中於園區的供水接駁，儘管項目的電力依賴延伸至該地點以外。

其含意是協調。場址審查與電力系統審查回答的是相關問題，兩者均不應暗示另一方已解決所有疑慮。

這對 AI 用戶很重要，但不代表他們必須計算每次互動的用水量。支援其服務的基建，仍是供應商的責任。

大規模採用 AI 的企業可要求與採購決策相符的證據。有用的答案會說明服務區域、量度期間、報告範圍及重要排除項目。

對小型團隊而言，逐一要求這些資料或成效有限。較大型買家及業界採購團體，則更有理由尋求跨供應商可比較的披露。

因此，壓力落在作出基建主張的機構身上。它們應說明其證據能證明甚麼，以及估算在何處不再具參考價值。

當數字的局限清晰可見時，精確數字便更有用。缺乏這些限制，即使統計數字準確，也可能支持其從未設計用來證明的結論。

零用水冷卻仍未回答電力問題

Microsoft 於 2024 年 12 月公布其新一代冷卻設計，表示該做法消除了冷卻過程中的水分蒸發。其閉環冷卻設計讓水在伺服器與冷卻設備之間循環。

該公司亦承認，以機械冷卻取代蒸發冷卻時存在能源取捨。蒸發冷卻透過讓水蒸發來帶走熱力。

單是減少冷卻用水，並不能證明與總用電相關的用水量亦有所減少。

這是最狹義的 Microsoft 冷卻用水取捨。上游結果取決於所需電力，以及供應該電力的用水影響。

同樣地，假設這項取捨總會抵銷好處亦屬誤導。Microsoft 的聲明並未證明這個結論，而不同的電力供應需要分開評估。

可辯護的解讀應保留兩項事實。減少場內蒸發確實處理了一項實在的需求來源；評估更廣泛結果則需要冷卻系統以外的資料。

Google 在其氣候意識冷卻方法中描述了另一套決策框架。該公司表示，會連同能源及排放因素一併考慮本地水資源狀況。

這項比較說明，營運商可作出不同的冷卻決定，而未必彼此矛盾。相關限制因地點而異，企業描述亦不能證明結果相等。

任何一家公司所述的方法都不應被視為通用排名。比較結果時，必須對照報告範圍、營運條件，以及每項評估背後的電力假設。

工程術語可能掩蓋這個區別。液冷透過液體轉移熱力，但該詞本身並沒有說明熱力最終如何離開設施。

同樣地，閉環描述的是系統內的循環使用，並不能獨立說明營運中其他地方的所有用水需求。

遇到這些術語的買家，應將其視為設計資訊。只有當它們與量度表現及清晰界定的範圍連結時，才會成為環境證據。

試比較設計公告與營運結果。公告說明預期行為；結果則展示實際條件下發生了甚麼。

比較擬建設施與既有設施群時，這個區別尤其重要。未來規格不能證明採用不同系統的現有設施目前表現。

Microsoft 冷卻用水取捨亦展示，標題式指標為何可能鼓勵不完整的比較。改善最顯眼的衡量指標，並不能解決所有相連的資源問題。

有效的評估會將這些指標一併保留，而不把它們壓縮成一句口號。本地用水量、電力需求及上游風險，各自描述了具重要影響的事項。

對社區而言，這種做法保留了減少直接需求的價值，也避免將冷卻改善變成對供電系統的籠統保證。

對營運商而言，溝通工作很直接：準確說明效益、披露界限，並解釋任何較廣泛主張有何證據支持。

因此，最有力的冷卻公告應保留供審視的空間。它應說明工程如何提升效能，並指出仍需營運數據解答的問題。

取水、耗水與 AI 歸因改變了討論方向

取水是指從水源抽取用水。耗水則指未能即時回流至該水源的部分，包括因蒸發而流失的水。

這些指標回答的是不同問題。即使準確引用了原始數字，將兩者視為可互換仍可能導致比較失實。

水資源主張必須界定指標、地點、期間及工作負載邊界，讀者才可理解其意義。

取水可能重要，因為基建必須取得及處理相關用水。耗水則重要，因為部分水資源會無法再供即時系統使用。

兩種指標都不會自動反映完整的本地影響。評估亦須考慮水源來自何處，以及當地適用的條件。

相同的數值容量，在不同流域可帶來不同含義。因此，全國層面的比較無法單獨決定本地許可的取捨。

廣泛的 AI 主張亦正是在這裏變得脆弱。數據中心行業包含了即使沒有生成式 AI 仍會持續進行的活動。

將整個行業的足跡全數歸因於 AI，會誇大證據所能證實的內容。忽略 AI 對新增需求的貢獻，則會造成另一種分析失誤。

恰當的報道工作是進行分配，並披露所採用的方法。若相關分配仍未可得，文章應保留不確定性，而非虛構精確比例。

Eric Masanet 於 2026 年 10 月發表的水資源估算回顧，及時提出方法論警示。這篇預印本探討研究設計如何影響估算結果，並指出可加強研究實務的機會。

它在此的意義在於程序。結果應透過其假設及範圍評估，而非因其標題數字是否方便而被接受或否定。

例如，基於平均電力組合的估算，回答的問題與評估額外發電並不相同。前者分配現有系統的影響；後者則檢視一項改變。

只要目的清晰，兩種方法都可以有用。當一種方法所得的結果被當作另一條問題的確定答案時，混亂便會出現。

這個區別亦影響對電力合約的主張。在任何人得出其帶來特定實際水資源結果的結論前，採購安排均須經審慎解讀。

讀者毋須自行解決每一場核算爭論，但需要足夠的方法論資訊，以了解一項主張可支持甚麼結論。

企業數字值得接受這種審視，批判性的估算亦然。保持一致性，比挑選最支持既定立場的數字更能改善討論。

若沒有這些區別，Ceres 水資源報告很可能淪為另一項脫離營運決策的廣泛警告。有了這些區別，它便能指出項目審查的具體問題。

「最大的水資源問題」這句話亦有其局限。全國用水量、本地水資源稀缺度、供應可靠性及生態後果，描述的是不同面向。

較大的整體足跡，並不會令較小的本地問題變得無關重要。居民面對的是自身供水系統的狀況，而非全國平均值。

因此，更好的結論應具條件性且具實用價值。發電應納入分析，而任何特定項目影響的嚴重程度，仍需要本地證據判斷。

不斷增長的 AI 需求提高不完整報告的代價

國際能源署於 2026 年 4 月發布的AI 電力展望，說明為何這些核算邊界此刻如此重要。報告指出，全球數據中心電力需求在 2025 年增長了 17%。

該機構表示，以 AI 為重點的數據中心電力消耗增長了 50%。這些是電力趨勢，而非耗水量同等增長的量度。

運算需求增長令上游披露更具重要性，但水資源結果仍取決於如何供應這些需求。

這種關係帶來規劃挑戰。效率提升可以減少完成一項工作的資源需求，而使用規模擴大則可能增加所需的資源總量。

這些發展可以同時出現。每項工作效能更佳，並不能單獨證明整體基建足跡正在下降。

對 AI 採購方而言，關鍵是將效率主張與總需求主張分開。每項主張都需要各自的證據，兩者均不應暗中互相取代。

評估冷卻時，同樣適用這個區別。供應商可以改善冷卻表現，同時擴大其提供的運算量。

其總耗水量究竟上升還是下降，便成為實證問題。答案需要在一致的報告邊界內，取得量度所得的活動及資源數據。

這正是企業採購在這個議題中重要的原因。選擇 AI 基建的機構，可以影響供應商認為在商業上必須提供哪些披露。

假設某公司將文件處理工作負載移至雲端服務，便可說明問題。其應用團隊或會比較準確度、回應時間、安全要求及服務可用性。

其可持續發展團隊則可能另行審視供應商的企業承諾。若沒有協調，兩個團隊未必會檢視與建議部署相關的區域基建。

這個缺口既屬組織層面，亦屬技術層面。全球可持續發展聲明與服務層級的採購決策，所處的細節層面並不相同。

可行的做法是把決策與可得的區域證據連繫起來。若供應商缺乏該等證據，買方應記錄這個缺口，而非以無關的整體機群平均值替代。

組織這些材料的團隊，可使用可搜尋知識庫保存原始文件及假設。整理證據有助審閱者追溯結論，但不會驗證底層量度是否正確。

開發人員亦有角色，惟責任應保持相稱。應用程式決策影響所要求的運算量，而基建營運商則控制用戶無法檢視的系統。

開發人員無法從介面推斷服務的完整水資源足跡。因此，供應商仍有責任提供相關基建資訊。

不確定的量度亦不應成為對有用應用程式施加任意限制的理由。較有力的做法，是將營運選擇與證據及工作負載所服務的目的連繫起來。

對公用事業機構及監管機構而言，相應要求是對假設保持透明。項目審查應區分已公布的運算容量，與分析中實際採用的需求量。

這種嚴謹做法能令分歧更具建設性。參與者可以質疑某項假設或要求補充缺失證據，而非爭論其實描述不同系統的主張。

留意營運數據、供電計劃及更清晰的邊界

未來數月，最有用的訊號將來自披露及項目文件。另一項一般性的可持續發展承諾，所揭示的資訊會少於與實際營運相關的證據。

關鍵考驗在於營運商是否將冷卻表現與電力供應，以及其背後的水資源條件連繫起來。

首先，留意採用較新冷卻設計的設施所公布的營運結果。有用的披露應解釋直接用水表現，以及達成該表現所需的電力。

若這些結果能在明確說明的邊界內支持較廣泛效益，便會提升對相關效益的信心。只披露冷卻結果，則會令上游問題仍未解答。

令人失望的結果亦需要審慎解讀。某一設施的情況，不應自動成為對所有採用相近設備的裝置的定論。

相關比較應是承諾與已披露條件下量度所得的實際營運之間的比較。這個比較為工程主張提供評估基礎。

其次，留意與擬建數據中心相關的公用事業規劃文件及供電安排。尋找有關支援新增負載的發電假設說明。

若這些假設附有水資源分析，便更能證明上游風險正獲實質審視。若沒有，便會保留本文所指出的憂慮。

這並不表示每個項目都需要相同的評估。適當的深度取決於擬建基建、可得證據及受影響水系的情況。

有用的訊號，是決策者是否解釋其推理。透明的交代讓社區及買方理解哪些事項已被評估，以及哪些仍未解決。

第三，留意企業環境披露的邊界。供應商應區分取水與耗水、直接營運與購入電力，以及量度結果與模型估算。

作出這些區別的披露會提升可比性。沒有清晰定義的混合數字，會令讀者無法有把握地評估進展。

同樣的標準亦應適用於 Ceres 數據中心水資源研究結果的報道。未來報道應說明新證據是加強上游警示，還是縮窄其適用性。

這些訊號比起爭奪最大數字更具資訊價值。它們將公共討論與營運商、公用事業機構及買方實際可改變的決策連繫起來。

它們亦為令最初敘事變得更複雜的結果留下空間。一個設施可能在上游風險可控的同時，展示可觀的直接節省；也可能揭示一項需要進一步關注的取捨。

只要有透明證據支持，任何一種結果都會提升理解。目標是對資源需求作出可辯護的交代，而非對 AI 作出預設裁決。

實際後果是對主張採取更高標準。冷卻改善應獲得其已證實效益的肯定，而較廣泛的保證則需要較廣泛的證據。

在下一次 AI 採購或基建審查前，要求供應商界定其水資源主張的邊界。要求提供相關地區、報告期間、量度方法及對購入電力的處理方式。詢問哪些數字描述現有營運，哪些描述未來設計。保存原始文件，以便其他審閱者追溯推理。若供應商只提供冷卻統計數字，便記錄該數字證明了甚麼，以及仍有哪些問題未解答。當 Ceres 數據中心水資源討論帶來這種清晰度時，才變得有用。由設施的冷卻主張開始，然後循其電力依賴關係追查至足以找出餘下水資源問題的程度。