AI 缺水恐慌把“规模”搞错了，但“本地约束”是真的。这是我们从开式冷却塔一路走到暖水余热回用，亲手走过的水账。

本文是系列第四篇。前三篇讲了暖水更省、更护硬件、把废热变成资产；这一篇，讲水。

你的信息流一直在说，AI 要把你的城市喝干。过去几年，我一直在真实地给这股水装表计量——跨四种冷却架构、扛过一个个真实的夏天。所以我想先给你我自己水表上的数字，而不是标题里的数字。

一、水表上的数字：每天 25 吨

在一台 约 600kW 的冷却负载上、夏季高温、用开式冷却塔，我们计量到的补水高达每天约 25 吨（≈6,600 加仑），每塔（注：这是补水——含蒸发+排污+漂水，不等于纯蒸发量）。

换成能跨架构比较的单位：25,000 升/天 ÷（600kW×24h）≈ 每带走 1 度热约耗水 1.7 升。严格说，这是现场冷却水强度（site cooling-water intensity），并非 Green Grid 标准 WUE（其分母是 IT 设备能耗）；但它指向 WUE 想暴露的同一个问题：冷却系统每带走一份热，要烧掉多少水。（量级提示：这是单台开式塔的夏季峰值，远高于美国数据中心年均 WUE——LBNL 估算约 0.45–0.48 L/kWh。）

所以数据中心确实在用真实的水。诚实的问题不是“用不用”，而是用多少、在哪里、以什么为代价。

二、先做一次“量级核对”

全球淡水取用里，农业约 70%、工业约 19%、市政及居民（municipal/domestic）约 12%（FAO AQUASTAT——“市政”不只是家庭用水）。数据中心直接耗水则小得多：以直接耗水口径，美国当前估算远低于全国取水的 0.1%。具体数字随口径变动——取水 vs 耗水、仅冷却水 vs 含电力隐含水——但直接冷却水绝不是全国用水的头号驱动。

它之所以霸占头条，靠的不是质量平衡，而是——“灌溉用水和去年一样多”没人点，“AI 要抢你的自来水”才有流量。正如 Aquatech 的 Michael Lesniak 所说，要把真实的工程约束和贩卖焦虑的流量循环分开。算法优化的是愤怒，质量平衡不会。

三、占比小，不等于零责任

“全球占比小”不是可以躺下的理由，因为水是本地的。一座设施在全国口径下小到可忽略，却可能是某个本就紧张的含水层上最大的一笔新增取水。全国平均值不会给你的数据中心降温，隔壁那条河才会；在流域尺度上，单座站点完全可能成为第一位的约束。所以责任是真实的：能做零液体排放（ZLD）就做、用再生中水而非自来水、把本地流域当成硬约束。量级核对不是要你“躺平”，而是“在对的尺度上担对的心，然后真正去工程化解决它”。

四、四级阶梯：我们怎么从 25 吨走向 0

手册不会写的是：在传统路径上，几乎每一步省下的水，都被转嫁成了电这侧的成本或风险。这条权衡我们不是推演的，是一级级走下来的。

① 开式冷却塔——多数同行还在这级，水账最狠。靠蒸发散热：600kW 夏季峰值 ~25 吨/天、~1.7 L/kWh 现场冷却水强度。省电，费水到离谱。

② 闭式冷却塔——封闭工艺环、喷淋盘管外侧，水质更好、排污更少，约减 20%，~20 吨/天、~1.4 L/kWh（站点实测）。更好，但“比离谱少 20%”还是离谱。

③ 干冷器 + 绝热水帘——直接对水下手：大部分热靠干式散掉，只在最热的几天给进风加湿。现场耗水断崖式下降。但另一块表亮了——电。干冷器降不到环境干球以下，热天风机更费、回路更热，PUE 抬高。这正是只看现场水强度会误导、也正是 WUEsource 想暴露的：你把现场水逼近零，若电耗上去、电网又高耗水，那部分水只是移到了上游电厂。视电网与核算边界，数据中心电力隐含的“间接水”可成为真实水足迹的大头：2018 年运营足迹研究显示约四分之三来自间接依赖；LBNL 2024 估算美国数据中心 2023 年间接水足迹接近 8000 亿升，远高于约 660 亿升的直接耗水。问题没解决，只是从水表挪到了电表。

④ 把热卖掉——真正的跃迁不是“更高效地排热”，而是给热找了个新客户。一旦跑暖水回路、把废热交付给买家（区域供热、温室、水产、工业工艺），水与能耗问题一起塌缩：这些站点做到零现场蒸发补水；而且热以“有用产品”而非“损耗”离开，设施的能源故事已经不是 PUE 能描述的了。

前三级，都是用更多的电换更少的水；只有第四级，打破了这个交换。

五、为什么“卖热”能破局

因为它改变了“冷却”是为了什么。前三级都在回答——怎么最便宜地把热扔掉？第四级问的是：谁需要这股热？关键是温度：暖水回路（前几期讲的 ~45°C 级架构）把废热保持集中、高品位，几乎不用热泵提温就能交给买家；同时拓宽自由冷却窗口，让你一开始就更少依赖蒸发。少排向天空，多卖给邻居。

这就是我反复说的：“给 AI 供水”和“从 AI 取热”，本就是同一张流程图，从两端读。但余热回用不是免费功能，它是本地能源项目，有三个必须工程化的约束：买家要近、需求要匹配（服务器每小时都产热，最佳买家是常年平稳的温室/水产/工艺）、温度品位要对得上。没有买家的地方，就回到对环境排热、干球 vs 湿球的取舍。任何一个放之四海皆准的“AI 用水”数字，多半都省略了真正决定它的变量：地点、气候、电网、水源、冷却架构与系统边界。

六、记分牌需要三个镜头

回头看这四级，标准指标 PUE 在最关键的一步把故事讲反了。PUE = 设施总能耗 / IT 能耗，定义上永远 ≥ 1.0，且不为“离开控制边界的有用热”计分；更糟的是你做对事时它反而变差——加上回收和输送热的泵与换热，这些能耗算进“设施”，于是你刚把废变宝，PUE 反而更难看。

所以水这件事需要三个镜头：WUE（更准确说是现场冷却水强度）告诉你烧了多少水（我们从 ~1.7 L/kWh 到零蒸发）；PUE 告诉你设施开销有多重，但对“离开大楼的东西”是瞎的；ERE（能源再利用效率，Green Grid 定义 =（总能耗−再利用能）/IT 能耗 =（1−ERF）×PUE）告诉你热是作为废物、还是有用能离开——它是这里唯一能 <1.0 的能源指标，前提是出口热被计量；已有真实站点报告 ERE 约 0.77、0.90。

两件事必须分开，因为常被混淆：其一是指标——若出口热被正确计量、并跨出数据中心控制边界被有用利用，ERE 可低于 1.0（严格计算需 PUE 与 ERF，而非成本比例）；其二是经济——我们的卖热站点，热收入抵消约 35% 的电费成本，因此净能源经济性接近 0.65。前者是能量指标，后者是经济结果——方向一致，但不是同一个公式。

从每天 25 吨水走向零的这趟旅程，正是把这座设施从“又一个冷却负载”变成“一个会回馈的能源节点”的旅程——而只有当你不再单用 PUE 去打分，你才看得见终点。

WUE（现场冷却水强度）告诉你烧了多少水，PUE 告诉你扛了多少开销，ERE 告诉你热是废物还是有用能。**零耗水是地板，能源为正是天花板。**而同时够到这两者的，是同一个动作：别再把热扔掉。

让每一度电，都算数。

数据来源/口径：全球取水分配 FAO AQUASTAT（农业约69%/文中约70%、市政约12%、工业约19%，“市政”非纯家庭用水）；全美取水 ~322 亿加仑/天 USGS 2015；数据中心直接/间接水 LBNL 2024 报告（2023 直接耗水约 660 亿升、电力隐含间接水约 8000 亿升、平均间接强度约 4.52 L/kWh），直接耗水口径下远低于全国取水 0.1%；间接占多数（2018 边界约四分之三）Siddik et al. 2021；开式塔补水 ~1.4–1.8 L/kWh 行业经验值（含蒸发+排污+漂水）；WUE/WUEsource/PUE/ERE 定义 The Green Grid（WUE 分母为 IT 设备能耗；ERE=(1−ERF)×PUE，可<1.0）。文中 25/20 吨、零现场蒸发、约 35% 电费抵消、“净能源经济性≈0.65”为我方站点实测/估算值，随负载、季节、气候、架构、热用户距离与计量边界而变。本期与《液冷革命》第14章“超越 PUE”对读。

作者：李俊明（Jim Li），清链科技联合创始人兼副总裁，NextGenergy 创始人兼 CEO。首发于微信公众号「清链学堂在线」，原文链接。转载请注明出处。 Markdown 版本