别光看 AI 多能干，得问问它到底用了多少水。数字技术火了，AI 渗透到了各行各业。咱们天天在手机上刷 AI，很少注意到背后那些大的物理设施到底消耗了多少资源。水资源的问题现在很显眼。AI 虽然看起来无形，但实际上是要靠实体设施支撑的。这些设施的核心是数据中心。数据中心里有成千上万的高功率服务器，运算的时候会产生大量热量，所以冷却系统特别重要。现在水冷技术用得最广。冷却水带走热量后，一部分会蒸发掉，另一部分循环使用后水质变差，就变成废水得重新补充新水。这就构成了数据中心的“水足迹”。但这还不是全部，更深层的消耗是在电力供应那边。数据中心得用电，不管是烧煤发电还是核能发电，生产过程中也需要大量水用于冷却和蒸汽循环。研究发现，发电环节的间接用水往往比数据中心本身的直接用水多很多。 关于每次 AI 互动具体耗多少水，学界和企业说法不一。主要原因在于计算边界、模型大小、查询复杂度还有用的能效技术不同。有机构估算一次典型 AI 查询消耗约 0.004 度电，算上冷却和发电用水，大概得十多毫升水。但也有更精细的研究说处理复杂提示时，大型模型单次响应可能要耗上百毫升水。企业报的数据可能是基于优化场景或小模型。 不管数值怎么变，共识就是每次智能响应都有实实在在的资源投入。这规模效应得注意了。全球 AI 请求量指数增长，就算单耗只有毫升级，总量加起来也很惊人。现在气候变暖和很多地方缺水这么严重，科技产业特别是那些高耗能数据设施的“水足迹”管理已经不是单纯的企业责任了，关乎数字时代能不能可持续发展。 产业界和学术界正想办法解决这个问题。一是优化数据中心设计，用自然冷却或液冷升级技术提升能效；二是把算法模型弄轻一点、高效点，减少不必要的计算；三是提高循环利用率，用再生水这些非传统水源也是方向之一。 AI 发展快得很，让各行各业都变强了，但也提醒咱们得全面看问题。算力背后的“水足迹”像面镜子，照出了数字繁荣和资源环境承载力得好好权衡一下的关系。要推动 AI 健康发展不光得技术创新突破，还得把基础设施往绿色可持续方向带。这需要技术创新、政策引导、行业自律还有公众认知提升一起发力才行。只有这样才能享受科技红利的同时守住自然资源基础，实现数字经济和生态环境和谐共生。