# AI 用多少水？

> AI 耗水量有多大？每条提示词和每个模型的用水、数据中心用水、WUE、企业数据、当地水资源压力，以及尚不清楚的问题。

Source: https://greenai.guide/zh/文章/ai-用多少水/  
Updated: 2026-11-20

## 简而言之

AI 主要以两种方式用水：直接用水，即冷却数据中心；间接用水，即为数据中心发电的电厂用水。按每条文本提示词计算，已公布的数据从 0.26 毫升（谷歌给出的 Gemini 数据）到约 45 毫升（Mistral AI 的生命周期数据）不等，主要是因为它们统计的内容不同。从总量看，AI 用水量很大且在上升：2023 年美国数据中心直接消耗约 660 亿升水，另外通过所用电力间接消耗约 8000 亿升；而从哪里取水，与取了多少水同样重要。

## 要点

- 谷歌报告称，Gemini 中位文本提示词用水 0.26 mL；Mistral AI 的生命周期评估得出，一条 400 个 token 的回答用水 45 mL。
- Li 及其同事估算，在微软的美国数据中心训练 GPT-3 可能消耗 540 万升水，其中 70 万升在现场消耗。
- 劳伦斯伯克利国家实验室估算，2023 年美国数据中心直接消耗 660 亿升水，另通过发电间接消耗近 8000 亿升。
- Li 及其同事预测，2027 年全球 AI 需求可能带来 42 亿至 66 亿立方米的取水量，其中 3.8 亿至 6 亿立方米会被消耗。
- 微软的耗水量在 2020 至 2025 财年间大约翻了一番，从 3,990 兆升增至 8,170 兆升；2025 年其中 48% 发生在水资源紧张地区。
- AWS 报告其 2025 年全球用水效率为每千瓦时 0.12 升，而它所用的美国电力在电厂环节每千瓦时约消耗 3–4.5 升水。

AI 用多少水？按每条提示词计算，比许多新闻标题暗示的要少；但从总量看，以及在某些地方，比大多数人以为的要多。AI 用水主要来自冷却数据中心，以及为数据中心发电。本文列出 AI 耗水量的已公布数据，解释它们为何相差这么大，并说明哪些问题仍不清楚。

## 一条 AI 提示词用多少水？ {#how-much-water-does-one-ai-prompt-use}

**每条文本提示词从不到 1 毫升到几十毫升不等，取决于统计了什么。**已公布的数据彼此不可比，因此每个数据都要结合其边界来看。

| 数据 | 涵盖范围 | 来源 |
|---|---|---|
| Gemini 中位文本提示词 0.26 mL | 数据中心现场用水，2025 年 5 月 | 谷歌，2025 年 |
| Le Chat 一条 400 个 token 的回答 45 mL | 生命周期评估，包括服务器制造等上游影响 | Mistral AI，2025 年 |
| GPT-3 每约 10–50 条中等长度的回答 500 mL | 现场用水加电厂用水，随运行地点和时间而变 | Li、Yang、Islam 和 Ren，2025 年 |

谷歌把其数据描述为大约五滴水；它是根据数据中心现场的用水效率计算的，不包括发电用水。Mistral 的数据更大，主要是因为它是与咨询公司 Carbone 4 和法国环境署 ADEME 合作完成的生命周期评估，计算了服务器制造等上游影响，而不只是现场冷却。Li 及其同事的估算针对的是一个较早的模型，但它揭示的一点至今仍然成立：同样的 AI 回答，因数据中心和时段不同，用水量可能相差好几倍。

## AI 如何用水？ {#how-does-ai-use-water}

**直接用水是蒸发水来冷却数据中心；间接用水是发电和制造芯片所用的水。**Li 及其同事仿照碳核算，划分了三个范围。

1. **现场（范围一）用水。**服务器所用的电几乎全部变成热量。许多数据中心通过冷却塔或蒸发辅助风冷把热量排出，这会蒸发掉水。服务器内部的液冷（例如芯片直接液冷）本身并不消耗水；关键在于设施最终如何把热量释放到室外。
2. **场外（范围二）用水。**燃烧燃料或利用核能发热的火电厂需要用水冷却。Li 及其同事给出的美国平均值是每发一千瓦时电取水约 43.8 升、耗水 3.1 升。劳伦斯伯克利国家实验室根据美国数据中心所在地的电网，估算为每千瓦时耗水 4.52 升。
3. **隐含（范围三）用水。**芯片和服务器制造需要大量超纯水，部分排放的废水可能含有化学废物。

### 取水和耗水有什么区别？ {#what-is-the-difference-between-withdrawal-and-consumption}

**取水是从河流、含水层或供水系统取走的水；耗水是其中没有归还的部分，主要是蒸发掉了。**耗水更能反映一个地区损失的水量；在供水紧张的地方，取水量也很重要。企业报告和研究两种都用，因此比较之前要先核实一个数据指的是哪一种。

## 数据中心总共用多少水？ {#how-much-water-do-data-centres-use-in-total}

**现场每年用水数十亿升，通过所用电力间接用水还要多很多倍。**国家和全球数据都是估算值；并非所有数据中心都报告用水量。

- **美国：**劳伦斯伯克利国家实验室估算，2023 年数据中心直接消耗约 660 亿升水，高于 2014 年的 212 亿升，其中超大规模数据中心和托管数据中心占 84%。它估计这些数据中心通过电力间接产生的水足迹近 8000 亿升，约为直接用水的十二倍，并预计到 2028 年仅超大规模数据中心的直接耗水就将达到 600 亿至 1240 亿升。
- **全球 AI：**Li 及其同事预测，2027 年全球 AI 需求可能带来 42 亿至 66 亿立方米的取水量，超过英国一半的年取水量，其中 3.8 亿至 6 亿立方米会被消耗。

直接用水与间接用水之间的巨大差异，是各项估算出现分歧的主要原因。只统计冷却用水的研究，得出的数字会远低于把电厂也计算在内的研究。

## 训练一个 AI 模型用多少水？ {#how-much-water-does-training-an-ai-model-use}

**根据为数不多的已公布估算，一个大模型需要几十万到几百万升水。**

- **GPT-3：**Li 及其同事估算，在微软的美国数据中心训练它总共可能消耗 540 万升水，其中 70 万升在现场蒸发。
- **Mistral Large 2：**Mistral AI 的生命周期评估得出，训练加上 18 个月的使用共消耗 281,000 立方米水。

很少有模型卡报告用水情况。Li 及其同事指出，模型卡通常会列出碳排放，但就连现场用水量也往往缺失。

## AI 公司报告了哪些用水情况？ {#what-do-ai-companies-report-about-water}

**它们的总用水量在上升，有些公司现在会报告每千瓦时的用水效率。**数据来自年度可持续发展报告，属于自行报告，但有些经过了外部鉴证。

| 公司 | 数据 | 年份 |
|---|---|---|
| 微软 | 耗水 8,170 兆升，高于 2020 财年的 3,990 兆升；取水 13,266 兆升 | 2025 财年 |
| Alphabet（谷歌） | 全公司耗水 108.69 亿加仑（约 410 亿升） | 2025 年 |
| 谷歌 | 补充水量约 77 亿加仑，约为其淡水耗水量的 78% | 2025 年 |
| AWS | 全球 WUE 为每千瓦时 IT 负载 0.12 升，比 2024 年改善 20% | 2025 年 |

[WUE](/zh/术语表/#wue)（用水效率）由绿色网格（The Green Grid）定义，是每千瓦时 IT 能耗在现场使用的水量（升）。它是一个有用的效率指标，但不包括电厂用水，也无法说明当地是否缺水。“补充水量”（replenishment）是指资助向流域补水的项目；它并不会减少数据中心的取水量。参见[读懂 PUE 和 WUE](/zh/如何/如何看懂-pue-和-wue-数据/)。

## 为什么地点这么重要？ {#why-does-location-matter-so-much}

**因为在干旱地区取走一升水，其环境和社会代价远高于在水资源充足的地方取走一升水。**气候和冷却设计会使每千瓦时的用水量发生巨大变化。

微软各站点的数据显示了这种差异。在 2025 财年，其位于亚利桑那州菲尼克斯周边的数据中心用电约 954,000 MWh，取水 981 兆升；位于爱尔兰都柏林周边的数据中心用电更多，约 130 万 MWh，取水却只有 18 兆升。按世界资源研究所（World Resources Institute）的 Aqueduct 工具评估，微软全公司 2025 年 48% 的耗水量发生在水资源压力高或极高的地区。

时间也很重要，而且可能与减碳相互冲突。Li 及其同事发现，用水效率不仅因地而异，也因时而异：现场用水量在一天中最热的时候上升，而电网往往在太阳能充足时最清洁。减碳可能意味着“追着太阳走”，节水则意味着“避开太阳”，因此必须把这两种足迹放在一起权衡，而不是盲目地以此换彼。如果您附近计划建设数据中心，参见[对我附近的数据中心发表意见](/zh/如何/附近计划建设数据中心-我如何表达意见/)。

## AI 用水有哪些不确定之处？ {#what-is-uncertain-about-ai-water-use}

**细节上大部分都不确定：很少有服务提供商公布每项任务的用水数据，方法各不相同，当地影响也很少被报告。**主要缺口：

- **边界。**只算现场用水，还是也算电厂和制造用水？仅这一点就能解释每条提示词 0.26 mL 与 45 mL 之间的大部分差距。
- **取水还是耗水。**有些数据报告的是取水，有些是耗水。
- **地点和时间。**全球平均值掩盖了当地的水资源压力，而很少有公司公布站点层面的数据。
- **AI 所占份额。**企业总量涵盖所有数据中心，往往还包括办公场所；AI 没有单独报告。
- **预测。**对 2027–2030 年的预测取决于对 AI 增长、冷却技术和电网的假设。

一些地方的报告正在改善。在欧盟，IT 电力需求至少为 500 kW 的数据中心运营者，必须根据第 2024/1364 号授权条例报告能耗和用水情况。在其他地方，披露大多是自愿的。

## AI 怎样才能少用水？ {#how-can-ai-use-less-water}

**减少计算量，在合适的地方运行，并选择合适的冷却方式和电力。**减少能耗的措施同样能减少用水。

- **对所有人：**少用提示词、让提示词更简短，使用更小的模型，少生成图像和视频。参见[高效使用 AI](/zh/良好实践/高效使用-ai-日常习惯/)和[AI 耗电量有多大？](/zh/文章/ai-耗电量有多大/)
- **对机构：**向服务提供商索取 WUE、耗水量和地点数据，优先选择水资源不紧张的地区。参见[为 AI 选择可持续的数据中心](/zh/如何/如何为-ai-选择可持续的数据中心/)和[可持续的 AI 采购](/zh/良好实践/可持续的-ai-采购/)。
- **对运营者：**在电网清洁的地方采用不蒸发水的冷却方式，回用再生水或非饮用水，并把灵活的工作安排到更凉爽、用水效率更高的时段和站点。参见[托管与数据中心](/zh/良好实践/绿色-ai-的托管与数据中心/)。

## 下一步 {#what-to-do-next}

- 估算您使用 AI 背后的用水：参见[估算 AI 的水足迹](/zh/如何/如何估算-ai-的水足迹/)。
- 减少用水：参见[减少 AI 的水足迹](/zh/如何/如何减少-ai-的水足迹/)。
- 了解相关指标：参见[读懂 PUE 和 WUE](/zh/如何/如何看懂-pue-和-wue-数据/)。
- 阅读[AI 的碳足迹是多少？](/zh/文章/ai-的碳足迹是多少/)，了解排放方面的情况。
- 向您的服务提供商索取站点层面的用水数据：参见[向 AI 公司索取能耗数据](/zh/如何/如何向-ai-公司索取能耗数据/)。

## 常见问题

### ChatGPT 用多少水？

OpenAI 没有公布用水数据。Li 及其同事估算，GPT-3 每生成约 10 至 50 条中等长度的回答，就需要消耗一瓶 500 mL 的水，具体取决于运行的地点和时间。这一较早的估算包括了电厂用水；企业为其他模型公布的较新数据要低一些。

### 一条 AI 提示词用多少水？

已公布的数据从 Gemini 中位文本提示词的 0.26 mL（谷歌，2025 年），到按完整生命周期计算的一条 400 个 token 的 Mistral 回答的 45 mL 不等。差距主要在于统计了什么：只算现场冷却，还是算上包括服务器制造等上游影响在内的完整生命周期。

### 数据中心为什么要用水？

主要是为了散热。许多数据中心使用冷却塔或蒸发辅助冷却，这会蒸发掉水。为数据中心发电的电厂也要用水，而制造芯片需要超纯水。

### 取水和耗水有什么区别？

取水是从水源取走的全部水量，其中很多会被归还。耗水是没有归还的水，主要是因为蒸发掉了。耗水更能反映一个地区损失的水量。

### 数据中心的 WUE 是什么？

用水效率（water usage effectiveness）：每千瓦时 IT 能耗在现场使用的水量（升）。数值越低越好。AWS 报告其 2025 年为 0.12 L/kWh。WUE 不包括发电用水，而发电用水往往要多得多。

### AI 用水是个问题吗？

这取决于用水发生在哪里。Li 及其同事预测的 2027 年全球 AI 取水量，超过英国一半的年取水量；而微软 2025 年 48% 的耗水量发生在水资源紧张地区。从缺水地区取走一升水，远比从水资源丰富的地区取走一升水影响更大。

### AI 怎样才能少用水？

减少计算量，把工作放在气候更凉爽或水资源丰富的地区、用水效率高的时段运行，并使用不蒸发水的冷却系统。对个人来说，节能的习惯同样节水，因为用水量随能耗而变。

## 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 (arXiv 2304.03271, v5) (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
- [2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report), Lawrence Berkeley National Laboratory (2024)
- [2026 environmental data fact sheet](https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Environmental-Data-Fact-Sheet-PDF.pdf), Microsoft (2026)
- [Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics)](https://sustainability.google/files/6b09a7cbecbf228f4d30ad089301578eb599425e/alphabet-fy2025-environmental-indicators-assurance-letter.pdf), Alphabet (2026)
- [Read our 11th annual Environmental Report](https://blog.google/company-news/outreach-and-initiatives/sustainability/2026-environmental-report/), Google (2026)
- [2025 AWS sustainability summary](https://sustainability.aboutamazon.com/2025-aws-summary.pdf), Amazon Web Services (2026)
- [Water Usage Effectiveness (WUE): a Green Grid data center sustainability metric (White Paper 35)](https://www.thegreengrid.org/system/files/store/WUE_v1.pdf), The Green Grid (2011)
- [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)
