核心要点
- 风冷时代已死：Nvidia Blackwell 等现代 AI 芯片的热密度如此之高，传统空调已无法在物理上快速散出热量。液冷现在成为防止硬件熔毁的必需手段。
- 地理陷阱：全球竟有 43% 的数据中心（美国为 38%，中国为 60%）位于亚利桑那州（Arizona）和内华达州（Nevada）等高度缺水地区。
- 水足迹：行业估计，AI 模型每次主要推理查询批次可消耗 0.5 至 2.5 升水。到 2028 年，美国数据中心的水耗预计将翻倍，达到 1.5 亿立方米。
- 市政水权 vs 科技资本：在美国西南部等广大地区，地方市政当局正开始抵制拟议中的超大规模开发项目，因为其用水量过大，宁愿维护本地水权也不愿迎合科技资本。
机器的饥渴
当终端用户向企业级数字助手提问时，他们不仅是在消耗电力，更是在蒸发水分。
多年来，关于 AI 热潮的主流叙事一直聚焦在台湾 TSMC 的电力约束与供应链瓶颈。华尔街分析师紧盯着 CoWoS（Chip-on-Wafer-on-Substrate）封装的良率以及新核能公用事业协议的兆瓦级容量。然而，到 2026 年 3 月，AI 超级集群建设面临的关键物理约束并非硅片，而是水。
数字触目惊心。广泛引用的行业研究表明，AI 模型推理每个查询块约消耗 0.5 到 2.5 升水，要么在机房冷却塔中蒸发，要么间接用于发电。 单独看，一升水与农场的需求相比似乎微不足道。但当它乘以每天数十亿次查询和海量自主训练运行时，规模便会急剧放大。更广泛的行业预测显示，仅美国数据中心的水耗就将从 2023 年的 7000 万立方米飙升至 2028 年不可持续的 1.5 亿立方米。
AI 革命的真实代价正迅速以数百万加仑计，而战线已在沙漠中明确拉开。
物理工程：风冷为何失效
要理解一场软件革命如何演变成市政供水危机，必须深入观察热量散发的微观物理。
热密度墙
在传统云计算数据中心，服务器机架通常功耗在 5 到 10 千瓦（kW）之间。以这种密度，标准机房空调（CRAC）单元运行良好。运营商将冷却的环境空气泵入架空地板下方，强行吹过服务器机架，再将热废气排出屋顶。
但 AI 训练与推理的运行方式不同于传统云计算。当超大规模企业将数以万计的高功耗 GPU 聚集在一起时，机架的功率密度急剧飙升。单个现代 AI 服务器机架（如 Nvidia NVL72）功耗可达 130 至 145 kW。 在如此巨大的功率密度下，热量传递的基本物理规律成为最终限制因素。空气这种介质密度太低，无法足够快地吸收和带走这么多热量。如果运营商试图用风冷为超高密度机架散热，物理风扇必须转得像商用喷气发动机一样快，消耗大部分电能，而硅芯片仍会达到热极限并熔毁。
液冷的必然性
主要工程解决方案是直触芯片液冷。按体积计算，水的载热能力远高于空气。通过在 GPU 冷板上方布置细微的微通道，工程师可以实时有效地将巨大的热负荷从硅片上带走。
然而，一旦热量被转移到液体回路中，就必须去往某处以完成热循环。绝大多数大型数据中心采用蒸发冷却塔。来自服务器回路的热水流经换热器，将热能传递给二级水回路，后者被喷洒到冷却塔上。随着水蒸发进入开放大气，热量随之散走。
从电力角度看，这种方法效率极高。但它会实际消耗——字面意义上蒸发到天空中——数百万加仑的水。 更关键的是，这需要饮用级（可饮用的）或高度处理过的水。如果运营商将富含矿物质的硬地下水直接流过 GPU 冷板的微型散热鳍片，系统会立即钙化、堵塞并失效。AI 不仅需要水，而且需要的是与人类生存所需的同样洁净的水。
地理陷阱
液冷工程需求暴露了现代云计算选址上一个巨大而系统性的地理错误。
过去二十年，大型科技公司曾在亚利桑那州（Arizona）、内华达州（Nevada）、得克萨斯州（Texas）和新墨西哥州（New Mexico）等地大举建设巨型数据中心。当时的财务逻辑是成立的：土地极为便宜，太阳能充足便于绿色能源宣传，州政府税收激励也十分丰厚。但这些地方是沙漠。
S&P Global 的研究显示，全球目前恰好有 43% 的数据中心暴露在高水压力之下。 两大 AI 超级大国之间的地理分布更为刺眼：
- 中国恰好有 60% 的数据中心资产面临严重的高水压力。
- 美国恰好有 38% 的数据中心位于水资源紧张地区，高度集中在西南部。
市政反弹
行业已经在实时见证这种地理错配的物理极限。在科罗拉多河（Colorado River）流域等地区，面临数十年特大干旱和地下水位下降的地方政府与监管机构，正日益审查并抵制新超大规模设施的预期用水量。
这并非孤立的异常案例，而是硅谷超增长叙事撞上市政水权坚硬现实的确切时刻。
缓解方案（及其局限）
为应对市政反弹，超大规模企业正积极寻求缓解冷却策略，以抵消其巨大的水足迹。 然而，每一项架构选择都伴随着残酷的工程权衡。
-
干式冷却加绝热辅助：这种混合系统以风冷为主，但在高温峰值时段，会喷洒细雾水以预冷进入服务器层的空气。
- 权衡：虽然它大幅减少了用水量，但巨大的冷却风扇需要大量电力。运营成本飙升，而且从物理上无法在不降频 GPU 的情况下应对顶级 AI 超级集群的终极热密度。
-
再生废水集成：设施试图接入回收或再生废水，而不是抽取市政饮用水。
- 权衡：废水本身污浊且富含矿物质。超大规模企业必须建造昂贵的现场二级化学处理厂，在水接触精密换热器前对其进行净化，这带来巨大的运营和资本成本。
-
软件层面的 AI 优化：利用 AI 优化冷却本身，将工作负载路由到全球环境温度最低的地方。
- 权衡：这只是边际效率提升，而非结构性解决方案。它只能从问题边缘削去几个百分点，却无法改变同时运行 10 万颗芯片的基本热极限。
未来走向？
进入 2026 年更深处，“Hydro-Margin Call”（水力追加保证金通知）将迫使互联网的建设方式与地点发生残酷的物理重构。
短期（1-2 年）
预计会看到大量企业“水补给”公关宣传。某些超大规模企业，如 Google，已宣布到 2030 年实现 120% 水补给率的宏伟目标（2024 年已达到 64%）。 然而，基本物理规律决定了亚利桑那州（Arizona）冷却塔蒸发掉的水不会神奇地降回亚利桑那州。所谓补给往往涉及资助数百英里外、甚至其他州完全不同的流域修复项目，这完全无助于阻止数据中心下方本地化含水层干涸。
中期（3-5 年）
资本将不可避免地被迫进行地理迁移。新的巨型 AI 训练集群不再会建在美国西南部或其他缺水地区。相反，超大规模资本将涌入拥有庞大天然冷水储备的地区，如北欧（Nordics）、加拿大，以及五大湖（Great Lakes）附近的美国中西部。铁锈地带（Rust Belt）将明确转型为算力带（Compute Belt）。
长期（5 年以上）
科技行业将被迫全面转向极其昂贵的两相浸没式冷却，或完全封闭的介电流体循环系统，用于所有高性能计算。这将要求数据中心从混凝土地基开始彻底重新设计架构，整个行业需要数百亿美元的资本支出（CapEx），并实际上使上一代风冷设施沦为过时的技术负债。
对你意味着什么
作为 2026 年的消费者、开发者或投资者，Hydro-Margin Call 带来了直接而无法忽视的影响。
如果你是投资者：
- 避开沙漠算力：在美国西南部或中国高压力地区高度集中的数据中心房地产投资信托基金（REITs）与基础设施基金，背负着巨大且未被定价的监管风险。它们离运营能力被合法封顶只差一次地方区划委员会的投票。
- 关注工程赋能者：制造先进无水闭式冷却系统、介电浸没液和直触芯片冷板的公司，才是新一轮 AI 淘金热中的“卖铲人”。
如果你是科技从业者：
- 理解计算的真实成本：无限、廉价云计算扩展的时代已经彻底结束。训练基础模型所需的物理自然资源正撞上严酷的制度性限制。随着超大规模企业将改造冷却基础设施的巨大成本直接转嫁给 AWS、Azure 和 GCP 客户，云计算成本预计将显著上涨。
核心结论
风险投资家谈论人工智能时，常常仿佛它只存在于以太之中（一团由算法、token 和神经网络权重组成的魔法云）。但云在物理上非常沉重、极其炽热，而且异常饥渴。认为这个行业可以在几乎免费的电力和免费水资源基础上无限扩展 AI，不过是零利率时期的幻觉。2026 年，热量的硬物理与全球市政水资源稀缺的现实，正在追缴这笔保证金贷款。而无论是 Amazon 还是 Google，都无法与物理定律谈判。
资料来源 (4)
- spglobal.com S&P Global Research: Data Center Sustainability and Water Stress
- spglobal.com Beneath the Surface: Water Stress in Data Centers
- spglobal.com Industry Environmental Research: AI Water Consumption
- spglobal.com S&P Global Research: Data Center Demand Makes Power Delivery Critical Infrastructure
🦋 Bluesky 讨论
在 Bluesky 上讨论