数据中心建设造成资源冲击

可持续性 数据中心建设引发资源冲击 关键要点 • 人工智能的用水足迹是一个巨大的资源消耗。数据中心高达75%的用水量是通过发电而非校园冷却产生的。规模越大，即使是微小的AI交互也会累积起来：据美国银行全球研究显示，日常AI使用每天间接关联着数百万升水。 • 图形处理器推理带来的电力需求。这种转变给本地电网带来压力，挑战已不再是总能源供应，而是满足基于f的服务器交付需求的能力，这一需求正以每年约30%的速度增长，日益由人工智能公司推动，需要在正确地点提供持续电力。 • 根据美国银行全球研究，数据中心每增加1兆瓦的容量，大约会嵌入60-75吨金属，尤其是铜。随着数据中心的扩张，它们持续消耗本地基础设施从未设计用来以这种速度供应的水、电力和材料，加剧了对本已资源紧张的地区的压力。 拆解数据中心的价值链人工智能正将数据中心转变为全球增长最快的工业用水大户。每一块图形处理单元（GPU）的运算周期都会产生热量；每一 瓦的电力都需要冷却，而冷却则需要用水。 图1：人工智能数据中心增长正日益受到能源供应、电力和水资源基础设施以及关键过渡金属的影响。展示人工智能数据中心价值链的信息图 当计算机会计升温时，水就流干了。人工智能正成为用水增长最快的工业用户之一，而其中大部分需求都位于数据中心之外。 对于典型数据中心而言，其总用水量中仅有约四分之一是直接使用（范围1）：如冷却塔、加湿系统及其他可见的供热系统。大部分用水用于发电厂和上游硬件制造，包括厂外使用，这部分占发电量（范围2）的比例，特别是化石燃料和核能半导体及芯片制造。总计而言，厂外用水量可占数据中心总用水足迹的75%。 使用100个1-2个词的AI提示？这需要半升水。规模扩大后，中型数据中心每天的用水量将达到百万（百万）升。到2030年，数据中心的年用水账单可能达到1.2万亿（万亿）升——相当于纽约市全年全部用水量。 人工智能价值链日益“渴求”规模：其隐藏的足迹远超想象随着GPU运行温度升高、密度增大，制冷负荷正在激增，迫使运营商转向越来越耗水的冷却系统。随着AI电力需求飙升，大多 数电网仍依赖耗水量大的化石燃料和核能电厂，这意味着每新增1兆瓦（MW）的AI计算都伴随着巨大的隐性用水量。上游制造业是极端用水者：半导体晶圆厂是耗水巨兽，每天需消耗约1000万加仑的超纯水来生产先进芯片。 最终结果是，人工智能的水足迹不仅正在增长，而且其衡量或管理风险的地方日益系统性地错位。例如，一个数据中心可以报告极好的—广泛的、不透明的、地域性的—水使用效率（WUE），即通过技术（IT）设备的总能耗进行加湿和冷却的年用水量，但如果它连接到一个用水密集型电网，仍然可能消耗大量水资源。在大多数市场中，电网的用水强度，而非冷却系统设计，是运营用水风险的主要驱动因素。 到2030年的数据中心资源消耗图2：预计到2030年，全球数据中心容量将超过200吉瓦（GW），相较于2024年，到2035年将增长三倍，这将推动电力和水资源需求在2030年接近翻倍。 冷却是人工智能水资源挑战的核心。从运营商的角度来看，冷却是唯一能够立即进行工程级别控制的用水手段。因此，冷却策略正在快速演进。数据中心冷却同时 作用于服务器和楼宇层面，而新一代冷却技术——自然冷却——正作为竞争优势和制造商快速增长的资本支出（CAPEX）类别出现（塑造了超大规模基础设施中最大的CAPEX浪潮之一，包括闭环液体冷却、浸没式冷却和原始设备制造商）。 下一代设计正驱动新一轮资本支出。 数据中心依赖多种冷却系统——从房间级空调和冷水机组到直接冷却芯片的液体系统——来管理强大的人工智能芯片产生的不断上升的热量（图3）。传统的空气蒸发冷却方式消耗大量水资源，而基于水的液体冷却系统通常在封闭回路中循环水流，效率远高于前者。 随着人工智能模型变得越来越先进，运行它们的芯片消耗更多电力并产生更多热量。服务器也被更紧密地封装，导致热量集中在更小的空间内。因此，有效的冷却对于保持系统平稳运行至关重要；如果没有冷却，过热会降低性能、缩短设备寿命并增加故障风险。 服务器机架内部，液冷技术正逐渐成为首选方案。美国银行（BofA）的技术分析师预计，直接液冷技术——即液体直接从芯片上移除热量——将保持主流地位，因为它能够在有限的空间内可靠地处理高热负荷。 在建筑层面，数据中心通常采用两种方法之一来散热：空气但消耗更多电力，或蒸发式冷却，后者可减少能源使用但需要大量水资源。基于当地气候条件的冷却方式，由于耗水量小，往往决定了哪种选择是实用的。 大多数美国水务公司尚未充分核算人工智能驱动的基础设施增长所带来的水影响。一项2025年的调查显示580亿水的基建资金缺口 680名美国水务行业利益相关者指出存在重大规划空白。 数据中心需求可见度有限：即使在开发扩展到二级和农村地区，也只有14%的受访者报告称其服务区域内有来自数据中心（包括人工智能设施）的直接用水需求。 • 目前对再利用规划影响不大：约三分之二的受访者报告，与数据中心或先进制造业相关的再生水或再利用水的需求没有增加；只有12%的人表示肯定，但随着再利用用于冷却变得更加可行，这一数字可能会上升。 • 水资源规划滞后于基础设施建设：54%的受访者尚未将数据中心和先进制造业的水需求纳入资源规划，而只有13%已纳入 这种准备不足与需求预测形成鲜明对比。学术研究估计，到2030年，美国公用事业公司可能需要每天额外增加6.97亿至14.5亿加仑的峰值供水能力，以支持人工智能发展。为扩大水资源基础设施所需的相关投资估计为100亿至580亿美元，具体取决于数据中心增长的步伐和集中度，以及数据中心冷却的需求。 数据中心正建在缺水的地方。 水资源可用性正日益被视为决定新建人工智能计算能力应建地点的重要因素。然而，根据美国银行全球研究机构的说法，在实践中，数据中心仍持续聚集在水资源短缺的地区，因为当地电力获取、可用土地以及更宽松的法规往往能压过当地的水资源限制。 适应需求：污水和非饮用水解决方案用水影响并未随着取水结束。对于典型数据中心而言，替代水源和非饮用水源占总用水量不到5%。③ 这凸显了即使在面临水 资源压力的地区，转型仍处于早期阶段。—冷却系统从根本上改变了下游的水量和水质，造成的挑战已超出淡水短缺的范畴。 在蒸发冷却系统中，大约有75-80%的抽用水通过蒸发不可逆地消耗掉。其余部分作为排污水排放，其中含有溶解固体含量升高、热负荷以及处理化学品（如杀菌剂和缓蚀剂）。大多数市政污水处理厂并未设计用来处理这种工业化学品在超大规模的量级，随着数据中心密度的增加，这造成了矛盾。 当与水力设施相结合时，它们正受到越来越严格的审查。因此，废水处理作为生物发电的一部分，产生了一个水-能源-废水反馈循环，其重要性在许可决策中正变得与淡水取用同等重要，并围绕预处理、排放质量和开发商资助的基础设施升级提出了新的要求。 当今冷却水如何管理以及效率提升的潜力所在大多数冷却系统通过冷却塔或热交换器循环冷却水，直至达到质量标准。部分设施将使用过的水排放至市政污水处理厂，或直 接排入受温度和化学指标限制的受纳水体。蒸发仍然是水分损失的主要来源，而维护不善也可能导致泄漏、漂移和溢流，从而造成潜在的效率低下。 先进的措施，包括闭环冷却、废水循环和雨水收集，据估计可将淡水需求减少50-70%，具体取决于气候和系统设计，但需要严格处理和监控。 政策信号升温在美国，政策应对仍然零散且主要局限于地方层面。根据美国银行全球公共政策部门的数据，白宫主要致力于通过改革审 批程序、优先规划和支持全球人工智能领导力来加速数据中心发展。在国会层面，提案反映了日益增长的关于用户费率保护、环境影响以及需要更大透明度和问责制的担忧，同时优先考虑全球竞争力。 相比之下，各州和地方正在推进多种方法。内华达州南部因严重缺水已禁止在新建项目中使用蒸发式冷却，而加利福尼亚州拟议的AB 93法案将要求企业披露用水和能源消耗情况，并可能将能效标准与经营许可证挂钩。佛罗里达州也开始公开讨论人工智能数据中心的水使用情况——据报道，其中一些数据中心每天用水量高达50万加仑——这引发了关于新管理立法的讨论，据美国银行全球研究部称，这预示着监管可能会加强。 政策也开始根据再生水使用情况来制定激励措施。拟议中的弗吉尼亚州参议院第417号法案（2026年会议）若获通过，将要求获得州基础设施补助的数据中心运营商，逐步提高用于冷却的再生水比例，从2027年的60%提升至2031年的100%。已有少数大型数据中心园区依赖再生水或处理后的废水进行冷却。在佐治亚州的部分地区，多个开发项目使用处理后的市政废水，从而减少了对饮用水的依赖。 不只是对水资源的消耗：数据中心转型是电力问题到2030年，数据中心可能占全球电力需求的3%以上。加速型（基于GPU）服务器的电力使用量每年增长约30%，而传统中央 处理单元（CPU）服务器则增长约9%。加速型服务器占数据中心电力需求总增长量的近一半；传统服务器贡献约20%，其余约30%来自冷却和基础设施。 关键驱动力已不再是单一的模型训练，而是推理，尤其是推理正从文本扩展到图像、视频和多模态任务，每项任务的能耗增加，利用率变得密集且成为代理式工作负载。随着AI的使用近乎持续，且工作负载变得难以中断（更多内容请参阅《On theclock：工作中的代理式AI》）。 更高的功率密度、持续负载和基础设施强度单独的制冷在高效超大规模站点中约占电力消耗的7%，在效率较低的企业设施中则超过30%。美国能源部（DOE）明确将AI 服务器和制冷列为电力需求增长的关键驱动因素。 更深层次的含义是，数据中心增长不应仅以兆瓦时（TWh）这一单一数字来分析，而应将其视为一个整体：服务器功耗、制冷、UPS（不间断电源）、电池、转换损耗、备用发电和网络强化。这就是价值创造的下一个关键环节所在。 数据中心电力消耗来源，2020-2030，IEA基准情景 瓶颈已转移到具体可交付的电力上电力系统历来围绕能源充足性进行评估，即一年是否有足够的兆瓦时（MWh）。数据中心正日益迫使系统围绕可交付性进行评 估：位置、稳定性和可控性。这就是为什么与接入相关的资产，而不仅仅是发电资产，正在被重新评估。 一旦交付能力成为瓶颈，数据中心就不再仅仅是需求驱动因素，而变成了一个系统，需要决定要建设多少发电量、多少线路、多少冗余、多少存储以及多少现场基础设施；它应该建在哪里；由谁来融资——这是一个设计问题：数据中心。能源部已经指出，现场发电、存储、创新电价结构、输电扩展以及再利用退役煤电基础设施，是应对数据中心增长的部分措施。 根据美国银行全球研究，核能符合数据中心靠近电源、长期商业市场对小型模块化反应堆（SMR）的需求，并非因为它们是最便宜的动力来源，而是因为它们能异常契合负载曲线：非常长的合同期限和低容量因子，以及密集的碳约束。因此，数据中心可能成为在限制最严的市场中最可靠的电力获取保障，这是美国银行全球研究的观点（欲了解更多，请阅读出版物问答快速指南：小型模块化反应堆）。 数据中心建设中的金属目标随着人工智能重塑数据中心架构，金属正从偶然的建筑材料转变为部署的战略支撑要素。计算密度提升、先进冷却架构以及更 严格的持续运行和冗余标准，意味着金属需求现由工程限制和系统可靠性驱动，而非楼层空间或头版资本支出。 金属暴露问题的真正症结所在尽管服务器主导着叙事，但数据中心中大部分金属位于服务器大厅之外，嵌入在电力输送、冗余和冷却基础设施中（图9） 。每增加1兆瓦的容量大约包含60-75吨金属，其中电力系统和冷却系统合计占总金属强度的55-75%。 数据中心使用的开采原材料 铜：份额虽小，边际影响巨大 金属通常仅占总数据中心资本支出的不到5%，导致需求对价格高度缺乏弹性。随着数据中心建设加速，铜需求正被提前推向一个本已趋紧的市场，而人工智能项目的作用是加剧波动，而非边际买家。 到2030年，人工智能数据中心可能占全球铜需求的约2%，从目