# 如何减少 AI 的水足迹？

> 减少 AI 用水：少用算力，选择水资源压力低、WUE 表现好的托管方和地区，并在合适的时间和地点安排高负荷工作。

Source: https://greenai.guide/zh/如何/如何减少-ai-的水足迹/  
Updated: 2026-11-19

## 简而言之

用水量随能耗而变化，所以第一步是一样的：使用更小的模型、更短的输出，减少重新生成。此外，选择公开用水数据的托管方，避免在水资源紧张地区开展高负荷工作，并向供应商索取站点层面的用水数据。每条文本提示的用水量很小；真正重要的是总量和对当地的影响。

## Steps

1. 先减少计算：使用更小的模型、更短的输出，减少重新生成。
2. 向托管方询问站点层面的用水量和 WUE，以及水的来源。
3. 对于训练等高负荷且可灵活安排的工作，避开水资源紧张的地区。
4. 优先选择公开或向监管机构报告用水量的托管方。
5. 在 AI 采购问题和您自己的报告中纳入用水情况。

**计算越少，用水越少；而计算在哪里进行，决定了这些水有多重要。** 数据中心用水主要用于冷却，发电厂发电也要用水。

## 我们说的是多少水？ {#how-much-water-are-we-talking-about}

按每条文本提示计算，非常少：Google 报告称，Gemini 文本提示的中位数用水量为 0.26 毫升。但从总量和某些地方来看，用水量很大：Li、Yang、Islam 和 Ren 估计，在 Microsoft 位于美国的数据中心训练 GPT-3 可能直接蒸发了约 700,000 升水，并预测 2027 年全球 AI 需求可能带来 42 亿至 66 亿立方米的取水量。如何估算您自己的那一份，请参阅[估算 AI 的水足迹](/zh/如何/如何估算-ai-的水足迹/)。

## 什么才能真正减少用水？ {#what-actually-reduces-it}

- **减少计算。** 联合国教科文组织（UNESCO）和伦敦大学学院（UCL）发现，小型专用模型最多可将能耗降低 90%，更短的提示和回答可将能耗降低一半以上；用水量随能耗一同下降。
- **地点。** 在干旱地区取用一升水，比在水资源充足的地方影响更大，因此请尽可能把可灵活安排的高负荷工作从水资源紧张的站点移走。
- **供应商证据。** 在欧盟，IT 电力需求至少为 500 kW 的数据中心运营者必须根据授权条例 2024/1364 报告能源和用水情况。请索取这些数据。

## 常见错误 {#common-mistakes}

- **只追求最低的 WUE。** 节水的冷却方式可能耗电更多；请把 [PUE 和 WUE](/zh/如何/如何看懂-pue-和-wue-数据/) 放在一起看。
- **担心简短的提问**，却毫无节制地生成图片和视频。
- **忘记发电厂的用水**，站点数据并不包括这部分。

请参阅[托管与数据中心](/zh/良好实践/绿色-ai-的托管与数据中心/)。

## 来源

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
