AI 数据中心的用水量可能远高于冷却数据所显示的水平

Google News 揭示了一场尖锐的冲突：得克萨斯州和新墨西哥州的 AI 数据中心，其水足迹可能约为企业冷却数据所显示水平的 10 倍。

这一对比并不必然意味着运营商每报告一加仑用水，就隐瞒了十加仑。它通常反映的是更广泛的核算边界。企业披露往往强调设施直接消耗的水，而独立估算还会计入发电过程中消耗的水。

这一差异在两个持续遭遇干旱、地下水承压且设施级报告不完整的州尤为重要，而这两个州正吸引大量计算项目。它也让 Big Tech 的低耗水冷却承诺，与高耗电 AI 基础设施建设的完整资源需求形成对照。

现有证据并不支持将每个拟建数据中心都视为同样“耗水”。冷却设计、气候、电力来源、运行负荷和当地水系统差异很大。一座闭环设施在现场可能几乎不消耗水，却仍可能在天然气、核电或水力发电设施端带来可观需求。

因此，真正的问题并不是一个放之四海而皆准的单一倍数，而是一个会带来本地后果的核算问题。当企业只披露系统中的部分环节时，居民和监管机构无法评估这些后果。

“10 倍用水”说法实际衡量的是什么

表面上的差距来自将发电背后的用水纳入计算，而不只是发现数据中心内部存在未报告的管道。

数据中心有两类主要水足迹。直接消耗发生在设施内部，主要用于冷却。间接消耗则发生在发电厂为服务器、冷却设备、水泵和配套基础设施提供电力时。

取水量和耗水量也是不同的衡量指标。取水量指从河流、水库或地下含水层取出的水，其中包括之后被回排的部分。耗水量则指从当地即时供水中移除的部分，通常是通过蒸发。

这些区别可能导致总量出现巨大差异。劳伦斯伯克利国家实验室发布的这份国家能源报告估计，美国数据中心在 2023 年直接消耗了约 174 亿加仑水。

该报告将其用电与另外 2110 亿加仑的间接耗水量相关联。后一个数字约为直接估算值的 12 倍。

这为“水足迹比通常重点提及的运营数据大 10 倍以上”的标题提供了可信依据。不过，它是全国模型，并非对某一座得克萨斯州或新墨西哥州园区的水表读数。

该估算还纳入了与水力发电水库有关的耗水。一些分析人士认为，将水库蒸发归因于个别电力用户，可能会夸大与排除水电的计算方法之间的比较差异。

信息技术与创新基金会发布的一项独立政策分析认可间接耗水的重要性，但对全国性方法论的部分内容提出质疑。该分析指出，与电力相关的用水需求会随着区域发电结构而急剧变化。

这场争论并不会让间接用水凭空消失。它说明，单一的全国倍数无法准确描述每一座设施。

主要由风电和太阳能供电的服务器园区，其间接水足迹将不同于依赖水冷火电的园区。因此，同一种冷却设计在不同市场可能带来不同的总体影响。

得克萨斯州清楚地说明了这一问题。其电网使用风电、太阳能、天然气、煤电和核电。每种电源都有不同的用水特征，且电源结构会随地点和时间变化。

新墨西哥州的拟建设施又带来了另一层复杂性。开发商可能承诺采用日常补水有限的闭环系统，但园区仍可能需要新增在其他地点耗水的发电能力。

若将 Google News 的标题理解为对核算边界不完整的警示，它的说服力最强；若将其解读为每家公司都秘密消耗了披露量恰好 10 倍的水，则说服力会减弱。

更站得住脚的结论更为有限。直接冷却披露并不能说明 AI 计算的完整水足迹，尤其是在未计入用电需求时。

Google News 揭示得克萨斯州报告制度的盲点

得克萨斯州正围绕一个设施级用水需求仍缺乏充分记录的行业开展规划。

该州的数据问题已不再只是理论问题。得州官员曾向数据中心和加密货币挖矿设施调查其电力和用水需求。在联系的 341 家设施中，不到三分之一提供了信息。

公共事业委员会收到 28 家公司的回复，涵盖处于不同开发阶段的 92 座设施。该数量同时包括数据中心和加密货币业务，因此无法提供一项纯粹针对 AI 的测量数据。

得克萨斯州水资源开发委员会另一项调查的回应率更低。根据立法听证会报道，该州仅有 17% 的数据中心回复了其 2025 年度用水调查。

这项调查由州法律规定。拒不参与可能被认定为 C 级轻罪，但官员们仍未能获得大多数运营商的回复。

水资源委员会联系的设施数量从 2023 年的 22 家上升至 2025 年的 341 家。原为较小行业构建的规划系统，如今正追赶一个快速扩张的基础设施行业。

得克萨斯州自 2020 年起便对数据中心开展调查。当时，委员会联系了 1 家设施，并收到 1 份回复。此后的下滑迫使规划人员根据历史用量及其他可获得记录估算缺失的消耗数据。

得克萨斯州水资源开发委员会的一份简报还披露了另一项限制：规划人员制定 2026 年区域计划时，所掌握的最新设施信息仅来自 2020 年的 1 至 2 家设施。

这并不意味着数据中心使用的每一加仑水都从州级核算中消失了。从市政公用事业单位购买的水，可能会出现在更广义的商业需求中。发电需求也可能以其他方式出现在区域预测中。

然而，这些类别无法揭示哪些园区带来了需求、它们使用何种冷却系统，或其需求会如何在极端高温期间变化。它们也无法显示预测增长是否与实际开发项目储备相符。

时间节点尤其棘手。AI 服务器在每个机架中集中部署更多计算能力，产生的热量必须持续排出。与此同时，运营商正提出建设用电负荷可与城市相当的园区。

伯克利实验室发现，美国数据中心在 2023 年消耗了 176 太瓦时电力。该机构预计，到 2028 年，需求将介于 325 至 580 太瓦时之间，具体取决于增长速度和效率。

得克萨斯州必须在这些高位情景反映到公用事业账单之前数年，就开始规划水资源和电力基础设施。薄弱的报告制度将预测失误的风险从开发商转移给公共机构和当地社区。

这正是 Google News 的框架变得有用之处。问题不只是 Big Tech 使用水资源，而是当披露采用不一致的边界时，公共规划无法将企业说法与地方影响相互核对。

包括 Amazon、Google 和 Vantage Data Centers 在内的数家运营商确实曾出席得州立法机构的听证。这样的参与比沉默提供了更多问责，但听证证词并不是标准化的设施级数据集。

两党议员都呼吁提高披露透明度。共和党州众议员 Cody Harris 表示，资源透明度不应是可选项，并将水源列为必要的报告字段。

信息缺失也阻碍了公平比较。若监管机构缺乏统一的测量标准，低耗水运营商便无法证明其优势；高耗水设施则可能隐没在市政或工业总量之中。

更好的报告应区分直接取水量、直接耗水量、再生水、饮用水，以及估算的电力相关耗水量。它还应识别高温或干旱条件下的峰值需求。

没有这些数据，这场争论仍将依赖相互竞争的模型和选择性案例。企业平均值和最坏情况下的全国倍数，都不能取代本地测量。

闭环冷却只能解决部分问题

低耗水冷却可以减少直接需求，但往往会将权衡转向耗电量和场外耗水。

传统蒸发冷却通过蒸发水来移除热量。这种方法可能具有较高能效，尤其适用于合适气候，但蒸发掉的水属于被消耗的水，无法立即回归流域。

干冷却通过空气和散热器释放热量。它可以大幅降低直接耗水量，不过风扇及相关设备通常需要更多电力。

芯片直液冷却将液体冷却剂输送到高温处理器附近。冷却剂可以在闭环中长期循环，但另一个系统最终仍必须释放收集到的热量。

这些设计解释了开发商为何能够如实描述一座园区在现场运营中耗水极少。但它们并不能证明整个系统的水足迹微不足道。

Oracle 在得克萨斯州阿比林的 Stargate 园区提供了一个具体案例。该公司描述了一套闭环冷却系统：先进行一次市政供水初始注水，随后每栋建筑每年仅需少量补充。

根据Stargate 项目报道，初始注水量为 100 万加仑。Oracle 预计，八栋建筑中的每一栋每年还需补充 1.2 万加仑。

这些数字表明，与持续蒸发冷却相比，这种方式可能大幅降低用水量。但这些仍是公司的预测，需要在 AI 满负荷运行及得州高温环境下通过运营数据验证其表现。

该项目也说明了核算边界的问题。闭环冷却系统可以避免持续的市政供水需求，但其电力供应商在发电过程中仍可能消耗水资源。

最终结果取决于园区的用电量、哪些电厂响应这部分负荷，以及这些电厂如何获得冷却水。年度可再生能源采购并不总能反映每小时实际为设施供电的发电来源。

Google 也强调应根据地点作出冷却决策。该公司表示，计划在缺水流域优先采用空气冷却，并在适当情况下寻求使用再生废水。

其更广泛的目标是，到 2030 年补充的淡水量超过其办公室和数据中心所消耗的淡水量。Google 表示，水资源管理项目在 2025 年补充了约 77 亿加仑水，相当于其淡水消耗量的约 78%。

该公司的水资源项目组合截至 2025 年底包含 165 个项目。这些项目可改善湿地、灌溉系统、含水层补给和市政基础设施。

但补水仍需谨慎解读。在一个流域恢复水资源，并不能消除另一处设施附近的缺水问题。每个项目的实施时机和可靠性同样重要。

因此，企业整体目标可以与当地压力并存。两种说法都可能准确，因为它们回答的是不同的问题。

直接用水效率关注设施每单位计算量或电力消耗多少淡水。补水关注企业声称通过项目恢复了多少水资源。本地风险则关注某个特定流域能否在需求发生时予以支撑。

这些指标应当相互补充，而不是彼此替代。只公布最有利的指标，会让社区无法评估其中的权衡。

闭环系统同样面临运营不确定性。在异常高温、维护、设备故障或扩建期间，设备性能可能发生变化。备用冷却方案的用水量也可能不同。

开发商应披露常规和峰值需求。市政系统必须按艰难时段的需求来规划容量，而不只是依据年度平均值。

随着 AI 芯片发热量不断增加、机架密度持续提高，这一义务愈发重要。对传统云服务器表现良好的设计，在密集部署的加速器面前可能面临不同的散热需求。

这些因素并不否定低用水工程的价值。闭环和干式设计仍是降低直接用水量最明确的工具之一。

错误在于将它们描述为 AI 设施完全不耗水的完整证明。它们只解决了相互关联的水资源与能源系统中的一部分问题。

新墨西哥州将核算争议转化为一场本地检验

在新墨西哥州，日常冷却用水量小的说法，必须结合沙漠水文条件、发电方式和拟建园区规模来权衡。

多尼亚安娜县的 Project Jupiter 已成为关注焦点。拟建的 AI 基础设施与 Oracle 和 OpenAI 在圣特雷莎附近推进的更广泛 Stargate 建设计划有关。

开发商称，该项目的用水需求有限，因为冷却系统将循环液体，而不是持续蒸发淡水。报道援引的数据称，初始注水量以数百万加仑计。

初始注水量和日常年度消耗量只描述了项目的两个部分。建设、发电、备用系统、景观维护、扬尘控制和未来扩建都可能带来其他需求。

水源与水量同样重要。新墨西哥州社区依赖地下水、地表水以及受法律约束的河流系统的组合。在承压流域，即便是适度取水也可能带来更严重的后果。

地方官员还必须考虑用水发生的时间。丰水季节的需求，与干旱或极端高温期间同等规模的需求，影响并不相同。

经济效益同样值得严格审视。数据中心可以创造建设岗位、税收收入、基础设施投资以及对本地服务的需求。但与其土地、电力和资本需求相比，其长期人员配置可能仍然有限。

这种不平衡并不自动意味着项目不可取。它意味着公共激励措施和资源承诺应与经过验证、可持续的本地收益进行比较。

更广泛的行业常将干式冷却描述为在沙漠地区开发的答案。它可以是答案的一部分，但干式冷却通常比基于蒸发的散热方式需要更多电力。

如果新增发电依赖耗水的火电厂，一部分节省下来的冷却用水就会转移到其他地点。如果项目转而增加风电、太阳能、储能或其他低用水发电资源，间接足迹则可能显著下降。

输电限制使这一选择更加复杂。企业签署可再生能源协议，并不一定意味着本地电网能在每一个运行小时都提供无碳、低用水的电力。

开发商可以通过逐小时能源数据、发电合同以及对边际电力需求的透明估算来应对这一不确定性。边际需求是指，当设施多消耗一个单位的电力时，哪些发电机组会提高输出。

平均电网数据更容易公布，但对因果分析的帮助较小。持续运行的园区在夜间依赖的资源，可能与晴朗下午不同。

因此，新墨西哥州不应将决策简化为冷却回路是否需要频繁补水。真正相关的问题是，完整项目是否符合区域水资源和能源承载极限。

审查应涵盖完整的规划建设规模，而不仅仅是第一阶段。大型园区通常通过独立建筑和许可逐步扩张，这可能掩盖累积需求。

社区还需要可执行的运营限制。开发商当前的冷却方案，可能在许可后、所有权转移后或设备升级后发生变化。

许可证可以设定直接取水上限、获批水源、干旱应对程序和报告周期。公用事业公司可以要求安装独立计量表，而不是将需求混入宽泛的商业类别中。

公布设施层面的数据，将使居民能够比较承诺与实际表现。当实测消耗量维持较低水平时，这也能保护开发商免受夸大说法的影响。

这场争论早已超出工程范畴。针对数据中心的政治反弹已蔓延至农村地区，包括得州传统上偏保守的区域。

水资源、电价、土地利用、噪音和产权如今都汇入同一场政治争论。一个无法回答基本资源问题的项目，可能成为所有悬而未决担忧的象征。

因此，新墨西哥州面临的检验既是制度性的，也是技术性的。官员必须判断，现有的许可与披露制度能否评估空前规模的 AI 基础设施。

科技巨头的“水资源正效益”承诺需要本地凭据

企业补水目标提供了有用的方向，但无法取代可比较的设施层面运营数据。

Google 表示，用水情况不应成为黑箱。这一原则为 Google 及其他所有大型基础设施运营商设定了合理标准。

该公司公布了许多数据中心所在地的淡水消耗数据。然而，行业内的披露仍不一致，使得不同公司之间难以比较。

一些报告涵盖自有设施，却排除租赁的共址空间。另一些则将办公室、仓库和数据中心合并统计。企业对再生水、补水、取水和消耗的定义也可能不同。

间接用水的处理方式更加缺乏一致性。企业可持续发展报告经常讨论电力排放，却未给发电附上相应的用水数据。

这一遗漏会让两座实际足迹差异很大的设施看起来相似。一座可能使用由回收水供给的蒸发式冷却塔。另一座可能采用干式冷却，却依赖高耗水电力。

无论仅看直接消耗还是仅看间接消耗，都无法得出完整答案。监管机构需要同时掌握两者，以及水源和本地缺水背景。

企业平均值也可能掩盖异常值。Google 的 2025 年数据显示，其管理项目补充的水资源约相当于淡水总消耗量的 78%。这一数字并未说明补水是否发生在需求最大的设施附近。

同样的问题也适用于 120% 的补水目标。超出企业整体消耗量只有在项目带来可衡量的水资源效益时才有价值。它并不赋予每座设施无限制的本地需求权。

一份可信的设施报告应列明年度和峰值取水量、实际消耗量、饮用水供应、再生水供应以及冷却技术。它还应展示规划容量及其运行比例。

报告应采用已披露的方法，单独估算与电力相关的用水量。由于这项估算依赖存在争议的假设，运营商应提供区间，而不是制造虚假的精确性。

企业也可以公布纳入计算的电源构成。是否排除水电、是否计入水库蒸发，或是否采用年度可再生能源合同，都会对结果产生实质影响。

独立鉴证将使这些披露更具可信度。审计人员应验证计量数据、计算方法，以及补水项目是否在报告年度产生了效益。

数据还需要统一单位。水资源使用效率，即 WUE，衡量每千瓦时计算设备能耗对应的耗水量。它有助于比较效率，但不能替代总消耗量。

一个园区即使改善了 WUE，也可能因增加更多服务器而提高总用水需求。强度和绝对水量都必须保持可见。

同一原则也适用于用电效率。一款效率更高的加速器，在企业以更大规模部署时，仍可能提高总能耗。

因此，科技巨头最有力的回应不是全国性的广告宣传，而是一套本地凭据，让社区能够将工程承诺与实测结果联系起来。

这种方法也有利于企业 AI 买家。购买云计算容量的公司越来越需要履行自身的环境报告义务，并面对客户审视。

当供应商提供的数据彼此不兼容时，买家无法评估 AI 服务的足迹。标准化的设施和区域信息将支持更好的采购决策。

通过 Google News 关注此事的知识工作者，也应区分企业主张与实测结果。规划中的冷却设计是意图的证据，而不是满负荷运行表现的证据。

透明度缺口会引发两种相反的错误。行业支持者可能在忽视电力的情况下，将园区描述为几乎不耗水。批评者则可能不顾各设施电网差异，对每座设施都套用全国平均的 12 倍乘数。

本地化、标准化的数据，是介于这两个极端之间的路径。

三个信号将显示水资源缺口是否正在缩小

这一报道的下一阶段，将取决于强制披露、实测冷却表现，以及服务新增 AI 负载的电源。

第一个信号是，得州是否会将立法层面的挫败感转化为可执行的报告规则。即使法律要求参与，自愿调查也未能产生可靠的数据集。

一项有意义的规则应覆盖超过明确电力或用水门槛的设施。它应要求披露直接取水量、直接消耗量、水源、冷却技术、峰值需求和运行容量。

该规则还应区分现有园区与拟议扩建项目。否则，官员可能继续依据历史数据进行规划，而开发商却在增加规模大得多的 AI 建筑。

如果得州采用标准化、公开的设施报告制度，行业足迹不可知的说法将被削弱。如果又一个规划周期在宽泛类别和零星回应中度过，怀疑态度将进一步加强。

第二个信号是闭环园区的实测表现。Oracle 在 Abilene 公布的数据及类似开发商预测，构成了可检验的承诺。

年度披露应显示，在设施达到满负荷利用后，日常补水量是否仍接近预测水平。它们还应说明异常高温、维护或紧急运行期间的用水情况。

如果在连续几个炎热夏季中，实际用水量始终偏低，开发商将获得有力证据，证明直接用水需求可以得到控制。若用量随负载显著上升，工程层面的叙事就需要修正。

新墨西哥州也应以同样的标准审视 Project Jupiter。公众需要了解每个阶段的运营数据，而不只是全面运营前公布的一次初始注水估算。

第三个信号是支撑新增数据中心需求的发电结构。Berkeley Lab 的研究表明，电力相关用水在全国范围内可能比直接冷却用水高出十倍以上。

这种关系不会一成不变。更多风电、太阳能和储能可以降低电力的用水强度，而新增火电则可能维持或提高间接用水需求。

未来电力使用规模之大，也提高了这一问题的重要性。BloombergNEF 预计，到 2030 年美国已装机的数据中心容量将达到 118 吉瓦，到 2035 年将达到 194 吉瓦。

这些预测仍存在不确定性，因为许多已宣布的项目将面临电网、融资、设备和许可方面的限制。即便只实现部分开发，也会重塑区域电力规划。

关注公用事业公司实际建设了什么，而不只是科技公司签了哪些合同。新增燃气发电、核电扩张、可再生能源容量、储能和输电设施，将带来不同的用水结果。

按小时匹配将成为重要指标。年度清洁能源合同可以在账面上抵消用电量，但设施在其他时段仍可能依赖耗水的发电方式。

这三个信号能够验证或削弱 Google News 报道背后的核心判断。更好的信息披露会缩小不确定性。经验证的闭环运行表现会降低直接需求。低用水电力则会缩小隐藏部分。

相反的模式将加剧冲突。缺失的报告、高于承诺的冷却用水需求，以及高耗水发电，都将表明企业公布的数字仍只描述了系统的一部分。

在这些信号逐步显现期间，读者应避免轻易下结论。AI 数据中心并非必然会抽干一个地区，而低用水冷却也不意味着它们不消耗资源。

实际问题在于，每个流域、公用事业公司和社区，是否能在现实的运营条件下承载某个具体项目。答案需要依靠测量，而不是口号。

关注德州后续的监管报道、沙漠园区首次满负载运行的结果，以及为其供电而建设的发电设施。这些记录将揭示，十倍差距究竟会通过工程手段缩小，还是通过会计口径得以延续。