# 从每天 25 吨到零：AI 散热背后真实的水账 > 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。 - 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 - 发布：2026-06-30 - 网页：https://tsingchain.ai/insights/water-math-25-tonnes - 首发：微信公众号「清链学堂在线」 https://mp.weixin.qq.com/s/MD29A2CSvSTRaDgw3deKJA - 标签：余热与水 --- 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” ![](/wx/water-math-25-tonnes/01.jpg) 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 ![](/wx/water-math-25-tonnes/02.jpg) 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 ![](/wx/water-math-25-tonnes/03.jpg) 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 ![](/wx/water-math-25-tonnes/04.jpg) 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。