加州 AI 数据中心一年到底用掉多少水？Jay Lund 给了一个很不迎合情绪的估算：较窄口径约 2 万 acre-ft，占加州全年人类用水约 0.055%。即便按更宽口径算，也大约是 0.08%—0.7%。

反常点在这里：数据中心单位面积的冷却蒸发强度，可能远高于灌溉农业；但它的总面积太小。单点很热，全州总量不大。这个区别，很多公共讨论没讲清。

这篇事不能被翻译成“AI 不耗水”。更准确的说法是：加州总量层面的 AI 水危机叙事，被数字削弱了。但地方供水压力、企业透明度、电力成本和选址治理，账还没算完。

加州这笔水账有多大

Lund 的估算不是逐座数据中心的精确监测。它主要基于数据中心面积、散热需求、冷却方式和蒸发效率做物理推算，并用 AI 模型辅助交叉检查。

所以它的价值不在小数点后几位，而在量级。

项目估算数字该怎么看
加州数据中心面积约 1500 万平方英尺约 340 英亩机房地板面积
年蒸发耗水宽口径约 3.2 万—29 万 acre-ft假设大量使用蒸发冷却
较窄估计约 2 万 acre-ft对应约 0.055%
加州全年人类用水约 4000 万 acre-ft包括农业、城市等用水
AI 数据中心占比约 0.055%宽口径约 0.08%—0.7%

acre-ft 是美国水资源讨论里常用的单位，可以理解为“一英亩土地、一英尺深”的水量。这里保留原单位，是为了和原估算口径一致。

关键对比不是“数据中心耗不耗水”，而是“它在总盘子里有多大”。

按单位面积看，数据中心冷却蒸发强度可能很高，甚至比灌溉农业高很多。按全州总量看，它又被面积压了下去。

这就是很多争议吵偏的地方。把单位强度当总量，会吓人；只看总量，又会遮住地方压力。

真正受影响的是谁

争议不在 AI 有没有资源代价。AI 训练和推理背后是服务器、电力、散热和冷却系统。说它没有水账，是替公司省略成本。

争议在三件事：规模、地点、透明度。

加州总量层面，AI 数据中心耗水不是水危机主因。这个判断目前有数字支撑。

但所有水问题都是地方问题。加州整体占比低，不代表某个城市、某个供水系统、某个干旱州也轻松。亚利桑那这类数据中心集中、供水更脆弱的地区，不能拿加州数字直接套。

冷却技术也会改变账本。蒸发冷却更吃水；风冷、液冷和不同冷却方案，会在水耗、电耗、成本之间做取舍。问题是，企业通常不愿把设施负载、冷却设计和水耗数据讲得太细。

这对两类读者有直接影响。

读者该关心什么可以做什么
关注 AI 基建和资源消耗的科技读者、企业采购方模型背后的区域水耗、电价和冷却路线不只问算力价格，也问数据中心所在地区、供水来源、干旱年预案；供应商说不清，就延后签长约或改选区域
关心水资源和城市治理的人新项目会不会挤压本地供水、电网和基础设施预算要求项目披露取水来源、年用水估算、高峰期方案、是否使用再生水或非饮用水

这不是道德洁癖，而是采购和治理的基本功。模型越便宜，越要问外部成本是谁付。

“天下熙熙，皆为利来。”数据中心落地，企业看算力和电价，地方政府看税收和投资，社区承担供水、电网和管网压力。利益链条摆出来，争议才有边界。

我的判断：恐慌被放大，地方账还得硬算

我不太买账那种“AI 正在喝干加州”的说法。它抓住了公众对 AI 扩张的焦虑，却绕开了最基本的量级。

没有量级，环保讨论很容易变成情绪募捐。

Lund 批评媒体、倡议者和部分研究者在数据不透明时用猜测填空，这话刺耳，但有必要。科技公司确实喜欢把外部成本藏进商业机密；公共讨论也常把不确定性剪成灾难片。

两边都省事。省掉的是水表。

更扎实的追问应该落到具体项目上：

  • 这座数据中心从哪个供水系统取水？
  • 干旱年和高峰期怎么调度？
  • 冷却方案能不能切换，代价是什么？
  • 用电会不会推高本地电价或配电投资？
  • 企业披露到什么颗粒度，才能让公众判断风险？

这些问题比“AI 喝不喝水”难，也更有用。

历史上每一轮基础设施扩张，都有类似剧本。铁路要土地，电网要煤和铜，互联网要机房和电力。技术叙事喜欢讲效率，地方账本负责接住成本。今天的 AI 只是把这套老结构换成了算力、冷却和供水。

加州这个案例给出的结论很克制：AI 的水问题不能靠画面感定罪，也不能靠企业口径洗白。公共政策看的是量、地、时、价。少一个变量，刀就可能砍错地方。

AI 的资源账会越来越重要。但第一步不是找一个嗓门最大的敌人，而是把水表装上，把地方账摊开。