如果有一天，你家附近突然多了一座工厂，每天要消耗几十万吨水，很多人一定会反对。

但如果我告诉你，这座工厂并不生产汽车，不生产钢铁，也不生产芯片，而是在帮你写文章、做PPT、生成图片，你还会觉得它和自己无关吗？

联合国大学最新发布的一份报告，给出了一个让人后背发凉的数据：到2030年，全球AI数据中心相关用水量预计达到9.3万亿升，相当于撒哈拉以南非洲13亿人口一年的基本生活用水需求。

很多人以为AI最大的成本是芯片，也有人觉得是电费，但越来越多研究发现，AI真正的“隐形账单”可能是水。

我们每天和ChatGPT聊天、让AI画图、让AI写方案时，总觉得自己在使用一种虚拟技术。但事实上，那些看不见的数据中心正在24小时运转，大量服务器不断发热，而为了给这些机器降温，成吨的水正在被持续消耗。

AI不会口渴，但支撑AI运转的服务器，可能比很多城市都更需要水。

AI为什么会“喝水”？

对于大多数人来说，AI和水似乎是两个毫不相关的概念。

一个存在于屏幕里，一个存在于水龙头里。

但真正的AI并不住在手机里，而是住在遍布全球的数据中心里。

这些数据中心往往由成千上万台服务器组成，而服务器的核心则是大量高性能GPU芯片。无论是回答问题、生成图片还是制作视频，本质上都是这些芯片在进行高速计算。

问题在于，计算会产生热量。

而且不是普通的热量。

一块高性能AI芯片满负荷运行时，发热量甚至接近一个小型电暖器。成千上万块芯片同时工作，会让整个机房变成一座巨大的“蒸笼”。

如果不能及时降温，设备性能会下降，严重时甚至会损坏。

因此，AI行业有一个很多人不知道的现实：

AI最耗费的可能不是思考，而是散热。

为了给服务器降温，数据中心需要使用大型冷却系统，而冷却系统最重要的资源就是水。除了直接用于冷却服务器的水之外，发电厂在发电过程中同样需要大量冷却水，这部分间接消耗往往更加庞大。

换句话说，当你在深夜让AI生成一张图片时，远方某个数据中心可能正在通过循环水系统带走大量热量，而这些水最终构成了AI庞大的环境成本。

真正的“水老虎”，可能是每天几十亿次提问

很多人以为，AI最耗资源的阶段是训练。

毕竟训练一个大模型需要数万张高性能芯片同时工作，听起来就非常费电、费水。

但联合国大学的研究发现，一个更容易被忽视的事实正在出现：真正的资源黑洞，不是训练，而是使用。

行业里把这个过程称为“推理”。

简单来说，训练是教会AI知识，而推理则是AI每天回答用户问题的过程。

研究显示，推理环节占据人工智能总能耗的80%至90%。

这意味着，当全球数亿用户每天向AI提问、生成图片、制作视频时，产生的资源消耗已经远远超过模型训练阶段。

报告提到，仅ChatGPT每天就要处理约25亿次请求。随着AI搜索、AI办公、AI教育和AI视频的普及，这个数字还在快速增长。

更重要的是，不同任务之间的资源消耗差距极大。

一次普通文字问答或许只是基础消耗，而生成图片、生成视频、实时语音交互等功能，对算力和冷却系统的压力则会成倍增加。

用户看到的是几秒钟的等待时间。

服务器面对的却是持续不断的热量冲击。

而热量的背后，往往就是水。

AI最像什么？

很多人会说，AI像互联网。

但越来越多业内人士发现，AI或许更像钢铁厂。

这听起来有些荒诞。

毕竟一个属于数字经济，一个属于工业时代。

但如果把视角从软件转向基础设施，就会发现两者越来越相似。

钢铁厂需要能源。

AI数据中心也需要能源。

钢铁厂需要土地。

AI数据中心同样需要土地。

钢铁厂需要冷却系统。

AI数据中心也离不开冷却系统。

过去，人们总觉得互联网企业是轻资产行业。一间办公室、一群程序员和几台服务器，似乎就能创造巨大的商业价值。

但AI时代正在改变这一逻辑。

今天最值钱的资源，不再只是代码和算法，还包括芯片、电力、水资源和土地。

微软、谷歌、亚马逊、Meta等科技巨头过去几年持续加码数据中心建设，中国科技企业同样在加速布局算力基础设施。表面上看，大家争夺的是AI模型；实际上，争夺的也是支撑这些模型运转的现实资源。

这也是为什么越来越多国家开始把算力基础设施纳入能源规划和资源规划。

因为AI已经不只是数字产业。

它正在变成一种新的资源产业。

一个很多人没有意识到的悖论

理论上，AI应该越来越省资源。

芯片性能在提升。

算法效率在优化。

模型推理成本也在下降。

但现实却可能恰恰相反。

因为当AI变得更便宜、更方便之后，人们会更频繁地使用它。

过去一天问几次AI，现在很多人已经把AI当成搜索引擎、秘书和顾问。

过去制作一张图片需要专业软件。

现在一句话就能完成。

过去剪视频需要团队协作。

现在普通人也能批量生成。

结果就是，单次成本下降了，但总体使用量却在爆发式增长。

经济学里有一个著名概念叫“杰文斯悖论”：技术效率提高之后，资源消耗不一定下降，反而可能因为需求增加而继续上升。

蒸汽机时代如此。

汽车时代如此。

AI时代很可能也如此。

人类以为自己在节约资源，结果却创造了更多资源需求。

AI争夺的，可能不只是算力

过去几年，全球AI竞争主要围绕芯片展开。

谁拥有更多GPU，谁就拥有更强算力。

但联合国大学的这份报告提醒世界：未来竞争可能不只是芯片竞争。

当数据中心规模持续扩张，水资源的重要性也会越来越高。

尤其是在本就缺水的地区，这种矛盾可能更加明显。

对于普通人来说，这种变化或许暂时还感觉不到。

但从更长远的角度看，AI产业正在提出一个新的问题：

当数字世界越来越庞大，它需要消耗多少现实世界的资源？

过去工业革命争夺的是煤炭。

汽车时代争夺的是石油。

而AI时代，人类或许将第一次大规模争夺一种更基础的资源——水。

写在最后

联合国大学发布这份报告，并不是为了反对AI。

事实上，AI正在改善医疗、教育、科研和生产效率，未来仍将深刻改变世界。

真正值得关注的，不是停止发展，而是看清代价。

过去，人们总觉得AI是虚拟的。

它没有烟囱，没有废气，也没有轰鸣的机器。

但事实并非如此。

AI看起来漂浮在云端，背后却站着越来越庞大的基础设施；它看起来轻盈，实际上拥有自己的能源账本、水资源账本和土地账本。

我们看到的是一句回答、一张图片、一个视频。

而在看不见的地方，是无数服务器昼夜不停地运转，是大量冷却系统持续消耗水资源，也是越来越庞大的数据中心不断扩张。

工业革命消耗的是煤炭，汽车时代消耗的是石油。

而AI时代最容易被忽视的代价，或许正是一滴又一滴流走的水。

下次当你按下“生成”按钮时，或许可以想一想：

你得到的是一个答案。

而远方某个数据中心，可能刚刚喝下了一口水。