AI 数据中心没喝干地球，真正紧的是地方水账

Amazon 这次给了一个很容易被误读的数字：2025 年，它全球数据中心取水约 25 亿加仑。

25 亿加仑听起来很大。放进美国 2015 年全年约 117 万亿加仑总取水里，又几乎看不见。美国草坪和景观一年用水约 3.3 万亿加仑，加州杏仁园约 1.3 万亿，美国高尔夫球场约 5310 亿。

所以，“AI 数据中心会喝干地球”这个说法，证据不够。真正麻烦的是另一件事：它不会喝干地球，但可能喝紧一个县、一条流域、一座本来就缺水的城市。

大数不吓人，口径要看清

几家大厂的数据中心取水量，放在一起看，比例感会清楚很多。

这个量级，和农业、景观灌溉、高尔夫球场相比，确实不是一个层面。把 AI 数据中心说成全球水危机的主角，太省事，也太粗糙。

但这里有个口径不能混。

取水 withdrawn，不等于消耗 consumed。取水是从水源拿走，部分可能处理后返回；消耗才是实际不再回到原系统的部分。2021 年 Nature 研究估算美国数据中心消耗约 1630 亿加仑，还包含电力来源带来的间接用水，不能和企业披露的直接取水简单相加。

我不太买账“AI 水灾论”，原因就在这里。它把一个真实问题，包装成了更容易传播的灾难段子。段子能吓人，治理不能靠吓人。

对关注 AI 基建的读者来说，这意味着判断环境代价时不能只看一个总量数字。要看口径、地点、冷却方式、电力结构，以及这座数据中心是不是落在缺水地区。少一个变量，结论就可能跑偏。

冲突发生在地图上，不发生在平均数里

水从来不是按全球平均结算的。

佐治亚州 Newton County 的一个 Meta 数据中心，据报道约占全县供水 10%。波托马克流域的数据中心用水占比约 8%；如果北弗吉尼亚数据中心继续密集扩张，到 2050 年可能升至 29%。另有报告称，美国已建或规划数据中心中，约 40% 位于“高”或“极高”缺水地区。

这才是矛盾现场。

同样一座数据中心，放在水源充足、电网稳定、管网有冗余的地方，是基础设施项目；放在缺水地区、老旧管网、地方财政急着招商的县里，就会变成公共资源压力测试。

全国占比再小，也不能替本地居民冲厕所、农户灌溉、消防储备和河道生态买单。平均数能解释宏观比例，解释不了一口井、一条河、一套县域水务系统的承压上限。

关心数据中心落地和地方治理的人，动作要更具体：看环评和水务文件里有没有按地区披露取水、消耗和高峰用水；看地方政府有没有把供水扩容、应急储备、生态流量写进约束；看招商协议是不是只讲税收和就业，不讲水价和退出条件。

如果你在企业里做云采购或算力规划，也别只盯价格和 GPU 供给。大客户未来可能会把数据中心所在地区的水风险纳入供应商评估。高风险地区一旦遇到限水、审批放缓或社区反对，迁移和备份成本不会由宣传稿承担。

“天下熙熙，皆为利来。”这句话放在这里不算刻薄。算力工厂选址，本来就是电价、水价、税收、土地、审批速度一起算出来的结果。环保道德是台面语言，真正起作用的是地方资源有没有被低估。

补水项目有用，但不能替代地方硬约束

大厂不是没有动作。

Amazon 说自己让数据中心运行温度更高，以减少冷却用水，并称相较其他主要云服务商，每千瓦时用水更少。它还说资助了 50 个水项目，预计每年可向当地社区返还超过 58 亿加仑水。

Google 也称有 165 个水资源管理项目，预计到 2030 年每年补水超过 190 亿加仑。

这些事值得肯定。大公司被盯着，愿意提高效率、做补水项目，总比装作没事好。

但“预计返还”不是已经兑现。“水项目”也不能自动抵消选址压力。更不能让地方政府把审批责任外包给企业公关稿。

接下来最该观察三件事。

这里的限制也要讲清：目前公开数据还不足以把每个数据中心的取水、消耗、回用和间接用水逐一算清。没有这些细账，就不该轻易得出“没问题”，也不该夸张成“全球灾难”。

我的判断很简单：大厂节水项目可以加分，但不能当通行证。真正的分水岭，是地方政府有没有能力把算力扩张放进水资源账本里，而不是把它当成普通招商项目快速放行。

这件事看上去是 AI 的环境争议，骨子里是基础设施政治。铁路、电力、互联网机房都走过类似路径：先用增长叙事开路，再由地方系统承担管网、土地、能源和环境成本。今天换成数据中心，旧问题只是接上了 GPU。

AI 的水问题，尺度错了，结论就错了。全球总量上，它不是末日；地方治理上，它已经是压力测试。模型越大，账越细。水账尤其不能糊涂。