當人們向人工智能（AI）提問時，往往只關注得到的答案，卻鮮少意識到，每一次看似簡單的交互背后，都隱藏著對水資源的消耗。數字服務帶來的便利，正以一種隱秘的方式影響著地球的水資源，這一現象正逐漸引發廣泛關注。
關于AI回答一次問題究竟消耗多少水，不同機構和專家的說法大相徑庭。OpenAI首席執行官奧特曼曾表示，GPT回答一次僅消耗0.3毫升水，相當于幾滴眼淚的體積。然而，加州大學河濱分校的研究者卻給出了截然不同的數據，他們認為每次回答要消耗十幾毫升水，足夠一個人喝上一口。更有研究顯示，當下一些熱門的AI工具，每次回答的耗水量可達一百多毫升，能裝滿一小杯。這些看似矛盾的數據，實際上源于統計口徑的差異。奧特曼所引用的數據，是基于GPT系列最小模型GPT-4.1 nano在短提示詞下的耗水量；而研究者的測算，則涵蓋了數據中心直接耗水以及發電間接耗水。根據OpenAI和Google公布的報告，一條請求平均耗電量約0.3瓦時，對應的合理耗水量約為1毫升。
為了解決不同機構測算數據差異大的問題，我國數據中心行業正在積極推動統一的水資源消耗核算標準。據相關報道，這一舉措有望讓AI耗水的數據更加透明和準確，為后續的資源管理和決策提供有力依據。
AI耗水的核心原因，與數據中心的散熱需求密切相關。就像手機長時間高強度運行會發燙一樣，AI數據中心的成千上萬臺服務器24小時不間斷運轉，產生的熱量極為驚人。單臺機柜的功率從幾十千瓦到數百千瓦不等，僅靠風冷遠遠無法滿足散熱需求，必須借助水冷卻系統。無論是冷卻塔、閉環水冷，還是海底數據中心，其核心原理都是利用水帶走熱量。在這個過程中，一部分水會蒸發，而剩余的循環水由于雜質濃度升高，需要定期排放更換。發電帶來的間接耗水也不容忽視。數據中心運轉需要大量電力，而發電廠無論采用何種能源，都需要用水輔助生產。美國平均數據顯示，每耗一度電，數據中心和發電廠合計約消耗4升水。
從全球水資源總量來看，AI耗水的影響似乎遠小于電力消耗。畢竟水是可循環資源，數據中心蒸發的水會進入大氣循環，最終可能以降雨的形式回歸。然而，真正的問題在于水資源的局部分布不均。水從來都是一個局部問題，而非全球問題。接近一半的新數據中心建在高度甚至極度缺水的地區，這些地區經濟相對落后，數據中心的建設雖然帶來了投資和就業機會，但也加劇了當地的用水緊張局面，甚至導致居民水井干涸。
亞利桑那州圖森市皮馬縣就曾發生過這樣的案例。亞馬遜“藍色計劃”計劃在該地新建數據中心，預計用水量將超過4個高爾夫球場。盡管建筑公司提出擴建廢水回收系統、實現零凈消耗等承諾，但由于缺乏詳細可靠的配套計劃，當地議會以7比0的全票否決了該計劃。這一事件標志著人類首次在AI發展與水資源保護的選擇中，明確站在了水的一邊。
