QTS 近 3000 万加仑水账之后：AI 数据中心正在考验地方政府

一座数据中心用了近 3000 万加仑水，几个月里没有被正确计费。

这事发生在美国佐治亚州费耶特县。当地正处干旱限水期，居民被要求节水，部分居民抱怨水压下降。后来县方让 QTS 补缴约 15 万美元，没有罚款。

最该盯住的，不是“数据中心很费水”这个老话题，而是一个更现实的问题：地方水务系统为什么没能及时看住一个大客户？AI 基建跑得越快，地方政府的水账越容易算不过来。

这笔水账，问题出在两个接水口

现有材料不能把这件事写成“偷水”。QTS 否认不当用水，县方也称这是程序混乱，并表示已按规定追缴费用。

但程序混乱本身就够严重了。尤其是在干旱限水期间。

居民的不满，并不需要建立在“水压下降一定由 QTS 导致”上。这个因果目前没有被证实，官方也否认。

真正伤信任的是时间差：普通居民收到节水通知，大型项目的工业接水口却没被系统及时看住。

县方给出的背景也很典型：当地水务系统正在从旧水表切换到云端智能系统，人手不足，负责查表的人被摊得很薄。这不是一句小抱怨。它说明规则有，但执行能力跟不上。

对普通居民来说，这类新闻最直接的提醒不是“反对所有数据中心”。而是要看三件事：项目上马前有没有公开用水上限，施工期和运营期水量是否分开披露，异常用水多久必须通报。

没有这些动作，居民只能在账单、水压和政府公告之间猜。

最大客户，会让硬规则变软

我更在意县方那句表态：QTS 是最大客户，需要保持合作。

这句话很诚实，也很危险。

数据中心对地方政府有吸引力。投资、税收、就业叙事、产业标签，样样都能写进招商材料。问题在于，地方政府一旦同时扮演招商员、客服和裁判，裁判的哨子就容易变轻。

这次县方没有罚款，给出的说法是程序混乱。这个处理未必违反当地规则，材料里也没有足够依据说 QTS 违法。但从公共治理看，它释放出的信号很清楚：大客户出错，先补账，再合作；居民节水，先通知，再约束。

这就是利益结构的分水岭。

“天下熙熙，皆为利来。”放在这里不是装古文。数据中心选址从来不是纯技术题，而是水、电、土地、税收和政治承诺的打包交易。地方想要增长，企业想要稳定资源，居民承担一部分外部成本。

对关注 AI 基建的科技读者，这件事意味着一个很实际的判断口径：以后看数据中心项目，不能只看 GPU、PUE、供电容量和税收优惠，还要看水权、水价、施工期用水、应急限制和信息披露。

对住在数据中心选址社区附近的人，动作更简单：盯公开会议、盯水务预算、盯接水许可、盯异常用水报告。不要等到补缴账单出来，才知道公共资源已经被用过一轮。

这不是情绪化反科技。大型基础设施本来就该接受更硬的公共账本。

AI 的水账，不只在机房里

QTS 表示项目建成后用水会大幅下降，并计划使用闭环冷却系统。这个说法要分开看。

如果直接冷却用水下降，当然是好事。但闭环冷却不等于零环境成本。电力需求仍在，发电侧冷却可能继续用水；系统还涉及化学品处理和运维风险。

水没有凭空消失，成本只是换了账本。

更大的水账也不在单个数据中心里。AI 相关用水至少有三段：数据中心、芯片制造、供电冷却。

研究机构 Xylem 的数据称，约 40% 数据中心、29% 芯片厂位于缺水压力地区；未来 25 年，AI 相关用水可能翻倍。

这也是我不太买账“用 AI 治水就能抵消 AI 用水”的原因。微软等公司支持智能漏水检测，传感器和 AI 确实能帮助定位管网漏损。全球很多水浪费在泄漏和盗用上，这类技术有现实价值。

但它不是赎罪券。

水务行业对 AI 仍然谨慎，原因也不神秘：网络安全、系统可靠性、误报成本、老旧管网改造预算，哪一项都不是模型一上线就能解决。AI 可以帮水务系统变聪明，却不能替 AI 基建扩张自动买单。

接下来最该观察的也不是企业公关怎么说，而是地方规则怎么改：异常用水是否自动报警，工业接水口是否强制绑定账户，干旱限水时大客户是否有单独限制，补缴之外是否有惩罚机制。

铁路、电力、互联网扩张时都出现过类似场景：基础设施先被讲成增长故事，随后才暴露资源分配和监管滞后的账。不完全一样，但逻辑相近。技术扩张得越快，地方治理越不能只靠信任。

费耶特县这 15 万美元水费并不大。真正大的，是那本几个月后才打开的公共资源账。

开头那个问题可以收得更直白：干旱时，谁优先用水？出错后，谁只需要补账？AI 基建如果只公开算力，不公开水账，迟早会在地方政治里撞墙。