Ecolab 的水中和数据中心面临比芯片冷却更大的考验

Ecolab 表示，尽管当地供水面临日益加剧的压力，其以 47.5 亿美元收购 CoolIT Systems，可为 AI 数据中心迈向水中和运营提供路径。这笔交易将直冷芯片液冷技术纳入 Ecolab 的水处理、监测和半导体业务，也让这家拥有百年历史的工业供应商在 AI 基础设施竞争中成为更核心的参与者。

“水中和”一词本身就蕴含着矛盾。闭环冷却能够大幅减少设施内部的耗水量，但数据中心的整体足迹并不止于服务器机房。发电、芯片制造、当地气候和水资源补给，都会影响最终计算结果。

Microsoft、Google、Amazon 及其他超大规模云服务商都在推进各自的低耗水设计。因此，Ecolab 必须证明的不只是技术兼容性。它还必须表明，一体化冷却平台能够在不同地点降低实际用水量，而不会将负担转移到电力系统或周边社区。

Ecolab 对 CoolIT 的收购使其直接进入服务器机架领域

Ecolab 不再仅仅将自己定位为一家在基础设施决策作出后处理水的公司。

该公司于 2026 年 7 月完成了对总部位于卡尔加里的 CoolIT Systems 的收购。这笔约 47.5 亿美元的交易源于 3 月宣布的协议，且完成时间早于 Ecolab 最初预期。

CoolIT 专注于高密度计算的直液冷技术。其冷板安装在 GPU 和 CPU 等发热部件上。冷却液流经冷板、吸收热量，再将热量输送至冷却液分配单元。

与传统的机房级风冷相比，这种架构让流体更接近热源。随着 AI 加速器在每个机架内集中的热量远超许多早期企业级服务器，这项技术的重要性日益提升。

Ecolab 原本就提供冷却水化学处理、监测系统和运营服务。其 3D TRASAR 平台可监测温度、冷却液浓度、pH 值和流量等因素。CoolIT 则补充了让冷却液在高密度计算系统中流动所需的实体设备。

这种组合构成了 Ecolab 水中和数据中心主张的基础。CEO Christophe Beck 向 Fortune 表示，该公司如今拥有能够让设施实现水中和的解决方案。他将这一论点与闭环冷却联系起来：该技术会循环使用冷却液，而不是持续通过蒸发消耗水。

该公司更广泛的投入同样值得关注。Beck 表示，Ecolab 在六个月内已承诺投入约 70 亿美元，其中包括 CoolIT 交易及相关投资。这一战略覆盖 AI 基础设施的多个环节，而非单一的冷却产品。

Ecolab 于 2025 年 12 月以约 16 亿美元收购 Ovivo Electronics。Ovivo 提供用于半导体制造的超纯水系统。通过 CoolIT，Ecolab 现已参与芯片生产、设施冷却、冷却液管理，以及发电中部分高耗水环节。

该公司表示，其 Global High Tech 业务到 2030 年的年销售额可达 40 亿美元。这一目标赋予此次收购明确的商业目的。AI 基础设施正同时成为增长市场和水资源管理难题。

Ecolab 计划于 2026 年 11 月在芝加哥举行的 Supercomputing 大会上推出一体化冷却平台。根据该公司的 CoolIT acquisition 公告，该系统将整合冷板、冷却液分配单元、冷却液和数字化优化功能。

这次发布将首次提供重要机会，检验此次收购是否形成了统一系统，而非一组相关产品的集合。

为什么 AI 数据中心让水资源成为约束条件

眼前的压力来自计算密度，但政治压力来自水资源的消耗地点。

训练和提供 AI 模型服务需要庞大的加速器集群。每枚芯片会将接收的大部分电力转化为热量，而密集部署的机架会在较小的物理空间内集中这些热量。

运营商必须持续排出这些热量。冷却故障可能降低计算性能、缩短设备寿命，或迫使服务器下线。这使冷却成为计算系统的一部分，而非次要的建筑服务。

增长曲线十分陡峭。一份由国会要求编制的 联邦能源报告 估计，美国数据中心在 2023 年消耗了 176 太瓦时电力。其情景预测显示，2028 年的需求将在 325 至 580 太瓦时之间。

同一研究估计，美国设施在 2023 年直接消耗了约 170 亿加仑水。这一直接数据未涵盖与发电、设备制造和建设相关的大部分用水。

全国总量也可能掩盖当地压力。水取自具体的公用事业系统、流域和含水层。一座设施在全国统计中看似规模有限，但在旱季仍可能与家庭、农场和既有企业争夺水资源。

这种局部集中解释了针对数据中心项目日益增加的阻力。开发商通常会描述年度用水需求，而公用事业机构必须围绕每日峰值取水量进行规划。社区也希望了解，设施将使用饮用水、处理后的废水，还是其他水源。

用水核算术语让讨论更加复杂。取水量衡量从水源取出的水量。耗水量通常指未能迅速回归同一流域的水，常见原因是水被蒸发或被纳入其他过程。

冷却系统可以取水、返还其中一部分，并消耗另一部分。它也可能消除现场蒸发，却增加电力需求。若额外电力来自高耗水的火电厂，部分耗水便会转移至数据中心边界之外。

这一差异对 Ecolab 至关重要。其技术能够减少冷却回路内的损耗，但任何冷却产品都无法控制设施足迹的每一个环节。

Ecolab 认为，节水设计必须考虑整个场地。这包括服务器回路、散热设备、水处理化学品、运行温度、气候和电源。这种系统级框架优于将单一用水指标视作完整答案的做法。

但这也提出了更高的证明标准。评估 Ecolab 的水中和数据中心，不能只检查一条闭合管道是否漏水。运营商需要一致的边界定义、场地级测量，以及与被替代系统之间可信的比较。

Ecolab 液冷如何改变用水方程

核心机制是循环：冷却液在芯片处吸收热量，并留在受管理的回路中。

在直冷芯片系统中，冷板与处理器或其他高热部件形成热接触。液体流经内部通道并吸收热量，随后泵将升温后的冷却液从服务器带走。

冷却液分配单元将服务器侧回路与设施侧冷却系统分隔开来。它在保护敏感计算硬件免受不适宜设施用水影响的同时，控制流量、压力、温度和热交换。

这种配置说明了水中和数据中心如何在服务器层面运作。液体无需在每次循环后丢弃。除维护损耗或部件更换外，一旦回路注满，同一批冷却液便可反复循环。

液体传热也比空气更有效。这种效率可支持更高密度的机架，并让热量以更高的流体温度离开芯片。更高的运行温度可扩大运营商无需蒸发水便能散热的气候范围。

不过，直液冷并不决定热量的最终去向。设施可能将其传递至使用风扇和外部空气的干冷器，也可能使用通过蒸发耗水的冷却塔。混合系统则可能随着天气和计算需求变化，在这些方法之间切换。

这种权衡很常见。干冷却可降低直接耗水量，但可能需要更多电力，尤其在高温条件下。蒸发冷却利用水高效散热，并可降低用电需求。

Ecolab 提出的优势在于整合。CoolIT 提供冷板和分配硬件；Ecolab 则为冷却链其余部分贡献冷却液化学品、监测、水处理和现场服务。

其 3D TRASAR 技术监测会影响腐蚀、生物生长、结垢和热性能的流体状况。这些测量很重要，因为冷却系统内部的微小变化可能威胁昂贵的服务器，或降低传热效率。

监测还有助于区分实验室设计与可维护的商业系统。大型数据中心持续运行，通常拥有数千个流体连接点。运营商需要泄漏检测、水质控制、维护程序、更换冷却液，以及当性能超出规格范围时明确的责任归属。

Ecolab 在收购 CoolIT 前就开始建立这一布局。2025 年 5 月，该公司推出了专为直冷芯片冷却设计的监测方案。该公司称，该系统可实时追踪冷却液浓度、温度、pH 值、流速及其他指标。

此次收购使 Ecolab 更深入进入设备层。它不再只是围绕其他供应商选定的硬件优化用水，而是能够协助一并确定冷板、冷却液单元、流体和控制系统。

这种更紧密的整合可减少设计冲突，也能让 Ecolab 获取整个冷却路径的运营数据。这些数据的价值将取决于客户是否允许有价值的汇总，以及报告的节约量是否采用一致的方法。

因此，Ecolab 液冷为减少现场用水提供了可信机制。但仅凭这一点，尚不足以证明整个园区已实现水中和。

主要矛盾在于明确承诺与复杂足迹之间

“水中和”听起来像一种物理结果，但在 Ecolab 界定其边界之前，它仍是一项核算主张。

Ecolab 的公开表述有所变化。Beck 向 Fortune 表示，该公司能够让数据中心实现水中和。该公司 7 月的一篇文章则描述了迈向“近零水足迹”的进展。这些表述彼此相关，但不一定含义相同。

近零用水通常意味着设施耗水极少。水中和则可能意味着，剩余的耗水量通过同一流域内其他地点的补给、修复或节水措施得到平衡。

因此，一座设施即使仍在当地耗水，也可能被称为中和。该标签的可信度取决于时间、地点、额外性和测量方式。

时效性询问补给是否与消耗发生在同一时期。地点则询问效益是否惠及受影响的流域。额外性则询问该项目是否创造了原本不会发生的节水效果。

物理边界带来了另一个问题。Ecolab 的声明是否只涵盖建筑内部冷却所用的水？是否包括发电过程消耗的水？是否包括制造芯片所使用的超纯水？

Fortune 最初的水中和声明聚焦于闭环技术：该技术可捕获芯片热量，无需喷淋或蒸发水。这支持了一项关于直接冷却损失的狭义声明。

但这并不能自动覆盖完整的 AI 工作负载。一个模型依赖处理器、电力、备用发电、网络设备和建筑。每个环节都具有不同的水足迹。

电力是最大的复杂因素。采用干式冷却的设施可能报告极低的直接用水量，但其所用电力可能来自使用水进行蒸汽发电或散热的电厂。另一处站点可能直接耗水更多，但整体耗电更少。

水质同样重要。饮用水级别的用水与竞争用途较少的处理后废水，对社区造成的影响不同。单一的加仑数字无法表达这种差异。

气候也进一步限制了普遍比较的可能性。干式冷却在明尼苏达州、亚利桑那州和弗吉尼亚州沿海地区的表现各不相同。最佳平衡点会随季节，甚至随小时变化。

这些限制条件并不意味着该技术不重要。它们表明，这项声明需要站点级证据。Ecolab 应分别披露直接取水量、直接消耗量、水源、能源变化以及任何间接估算。

公司还应明确基准线。相对于旧式蒸发冷却系统的节水效果，将与相对于较新风冷设计的节水效果不同。

若没有这些披露，“水中和”就可能成为贴在较狭义冷却改进上的宽泛标签。有了这些披露，这一表述才可能成为可衡量的运营目标。

这一差异对于评估新项目的社区尤为重要。居民不会感受到全球平均值；他们感受到的是自身公用事业容量、夏季需求、费率和流域的变化。

Microsoft 和其他运营商正在追求同一目标

Ecolab 最强的竞争对手并非另一家水处理公司，而是整个行业正将低耗水冷却转变为标准设计要求。

Microsoft 表示，其最新的 AI 专用设施在正常运营期间不消耗用于冷却的水。这些站点让液体在芯片处循环，并通过建筑外部的风冷设备排出热量。

该循环系统需要初次注液。Microsoft 表示，此后无需常规消耗冷却水即可运行。现有设施仍采用多种设计，其中一些会在较热时段使用蒸发冷却。

Microsoft 的零耗水设计表明，闭环冷却并非 Ecolab 独有。它们也显示出竞争基准正在迅速变化。

Google 一直在推进再生水、因地制宜的冷却方法和流域补给项目。Amazon 扩大了再生水的使用，并调整了服务器运行条件。Meta 也公布了设施用水效率指标和补给承诺。

这些公司掌控其基础设施设计的大部分环节。它们可以内部制定冷却规范，直接与设备供应商谈判，并在庞大的设施集群中推行运营调整。

Ecolab 的机会位于这些能力之间。许多托管数据中心供应商、企业运营商和基础设施开发商并不具备同等的水工程资源。他们可能更倾向于选择将设备、流体、控制系统和服务整合在一起的供应商。

Digital Realty 提供了一个早期案例。2024 年 10 月，该公司宣布在美国 35 座数据中心开展由 Ecolab 主导的用水优化试点。该系统利用机器学习识别低效的冷却运行，并提出调整建议。

双方预计，用水量最多可减少 15%，每年可避免取用多达 1.26 亿加仑的饮用水。双方明确提醒，这些均为针对公司自身情况的预测，实际结果可能有所不同。

这一限定十分重要。该35 个站点的试点评估的是运营优化，而非 Ecolab 后来收购的完整 CoolIT 平台。

尽管如此，该项目为 Ecolab 带来了跨多个设施的合作关系、运营数据和实践经验。它也创造了一条从渐进式节水走向更大规模冷却系统变革的潜在路径。

公司如今必须证明，其整合平台在运营商关心的结果上优于各自独立的组件。这些结果包括正常运行时间、能源需求、维护、部署速度、用水量，以及与下一代加速器的兼容性。

价格也将很重要，即使技术报告避免披露具体商业条款。运营商将把全服务平台与内部工程团队、替代冷板供应商、浸没式冷却以及传统混合设计进行比较。

这一竞争格局使 Ecolab 的声明更具意义。如果该系统能够适用于多种气候和设施类型，它就能将用水表现转化为可采购的基础设施能力。如果结果仍局限于条件有利的站点，市场将把它视为多种选择之一。

在“水中和”成为标准前必须证明什么

下一阶段关乎经过测量的运营表现，而不是又一项关于冷却架构的承诺。

第一个信号将在 2026 年 11 月的 Supercomputing 大会上出现。Ecolab 表示，将展示整合了 CoolIT 冷板、冷却液分配单元、先进流体和数字控制系统的 3D TRASAR 平台。

该展示应揭示这些组件之间的协同程度。买家需要了解支持的机架功率密度、散热选项、监控边界、维护责任以及与服务器平台的兼容性等细节。

详细的产品发布将增强 Ecolab 关于此次收购打造了端到端平台的论点。若只是缺乏运营数据的笼统演示，核心声明仍将悬而未决。

第二个信号将是客户证据。Ecolab 需要提供采用整合设备的实际运营站点的测量结果，而不仅是建模节省数据或独立监控软件的试点结果。

有价值的报告应包括年度和峰值取水量、消耗量、水源类型、冷却能耗、设备利用率、天气条件和停机时间。结果应比较可比的工作负载，或清晰解释调整方式。

来自多个气候地区的证据将比单一条件有利的安装案例更有意义。这将显示 Ecolab 的液冷技术能否在夏季高温期间维持低耗水量——这正是公用事业系统承受最大压力的时候。

第三个信号将是对中和的定义。Ecolab 应发布一套可重复的方法论，将避免的用水消耗与补给区分开来，并将直接冷却用水与间接用水区分开来。

该框架应涵盖发电，即使相关数字仍属估算。它还应解释，当 Ecolab 描述其对 AI 价值链的支持时，半导体制造是否应纳入这一声明。

即使总量并非为零，清晰的核算也会增强公司的立场。一项范围狭窄但可衡量的表述，比边界不清的宽泛承诺更有价值。

提供这些证据的压力只会不断增大。AI 基础设施开发日益依赖许可、公用事业协议和社区支持。用水表现会影响一个站点能否推进、接入速度，以及将面临何种运营限制。

Ecolab 已构建出一套合理的技术组合，用于降低冷却用水消耗。它也将这套技术组合与数据中心市场中最难实现的环境承诺之一联系起来。

结果的影响将不止于一家供应商。经过验证的结果可能为运营商提供一个切实可行的模式，将高密度计算与当地水资源限制结合起来。披露不足则会加深人们的怀疑：中和措辞掩盖了被转移或抵消的用水消耗。

对于开发商、企业买家和 AI 用户而言，相关问题已不再是液体能否冷却芯片。这一点已经得到验证。问题在于，Ecolab 的水中和数据中心能否在不以过高能源需求为代价的情况下，报告更低的总体水资源压力。

关注 11 月的平台发布、首批多站点运营结果，以及“中和”一词背后的核算规则。这三个信号将表明，Ecolab 是构建了可扩展的解决方案，还是仅仅为一项较狭义的效率提升赋予了更宏大的名称。