英伟达省掉了机房里的水，但 AI 的水账还在电厂里

NVIDIA 这次给了一个很漂亮的数字：数据中心内部冷却用水，理想条件下可以减少 100%。

这当然是好消息。AI 服务器越来越热，机房冷却确实需要新办法。

但这个数字最该看的不是“100%”，而是“内部”。机房里的水省下来了，不等于 AI 的水问题解决了。服务器不喝水，电厂会喝；冷却液闭环了，能源账本还没闭环。

英伟达解决的是机房内冷却，不是整本水账

NVIDIA 的方案是温水液冷：冷却液以 45°C 进入机架，流过服务器后以 55°C 出来。它在系统内循环，不再像蒸发式冷却那样持续补水。

在气候合适的地方，外部空气还能通过被动散热器带走热量。这样一来，现场用水可以接近清零，风扇和冷机的压力也可能下降。

这不是花架子。高密度 AI 机房继续堆 GPU，风冷会越来越吃力。温水液冷把机房内部冷却这段水耗压下去，是实打实的工程进步。

问题在边界。

英伟达这次主要统计数据中心内部用水。发电过程用水、芯片制造用水，没有被纳入同一张账。已有研究和报道显示，机房外部水耗可能让一个设施的总水足迹翻倍，甚至变成三倍。按这个口径看，英伟达方案大约覆盖 AI 数据中心总用水的四分之一到三分之一。

所以它解决了一个真问题，但不是全部问题。把“现场冷却用水减少”讲成“AI 用水压力解除”，口径就窄了。

对企业客户和数据中心采购团队来说，这意味着冷却方案不能只看机架参数。采购可以更积极评估液冷，但不该因此放松能源审查。要问清楚两件事：机房用什么电，当地水资源紧不紧。

对关注 AI 基建的产业观察者来说，更该盯披露口径。企业公布的是 WUE、现场用水，还是包含发电与供应链的全生命周期水足迹？这几个数字讲的不是一回事。

真正难看的账，在电力来源

数据中心吃电。电怎么来，决定水耗是不是被转移到了墙外。

化石燃料电厂是关键变量。美国化石燃料电厂每天耗水约 27 亿加仑，主要用于冷却。天然气发电大约每千瓦时用水 1.17 升，煤电约 2.2 升。

风电和光伏低得多。风电约 0.01 升/千瓦时，光伏约 0.03 升/千瓦时，制造和清洁也算在内。

IEA 预计，到 2030 年，为满足数据中心需求而新增的用电里，天然气和煤仍将提供超过 40%。这句话比“机房省水 100%”更能说明压力在哪里。

这里不能偷换成“所有 AI 数据中心都靠化石燃料”。不是。不同地区电网结构差别很大，气候条件也会影响冷却效率。

但只要新增算力还大量接入含煤、含气的电网，AI 的水足迹就不会因为机房闭环而消失。它只是换了位置，从机房水管转到电厂冷却塔。

这对数据中心选址很直接。缺水地区、化石电占比高的地区，哪怕机房内部用水做得很好，项目也会更容易遇到审批压力和社区反弹。企业如果要降低阻力，不能只晒冷却技术，还要拿出电力采购结构和水压力评估。

我认可技术进步，但不接受窄口径叙事

我不反对 NVIDIA。恰恰相反，这套方案在工程上是对的。

AI 芯片功耗上去以后，散热会变成基础设施问题。温水液冷能减少现场用水，也可能提升机房效率。对高密度部署来说，这是该走的一步。

我不买账的是另一件事：把边界画在机房墙内，然后让一个局部好数字承担全部环保叙事。

企业最擅长的未必是说假话，而是选择最有利的统计口径。口径一窄，数字就漂亮；数字一漂亮，审批、融资、舆论都会顺一点。

“天下熙熙，皆为利来。”放在 AI 基建里很合适。算力扩张需要资本许可，也需要公共许可。水、电、土地、碳排，都会变成真实成本。只是这些成本不一定出现在同一张财务报表上。

历史上，铁路、电力、石油网络扩张时也常这样。公司展示速度、规模和效率，地方承受土地、烟尘、水源压力。今天不完全一样，但结构相似：收益更集中，外部成本更分散。

接下来判断 AI 数据中心，别只看“用了什么冷却技术”。更该看三项：

• 电力结构.新增电来自天然气、煤，还是风光等低水耗来源；
• 水压力.项目所在地区是否本来就缺水；
• 披露口径.企业讲的是现场用水，还是全生命周期水足迹。

这三项比单个冷却方案更接近真实水账。

英伟达把机房里的水管接得更聪明了。这值得肯定。但 AI 的水问题没有因此结清，它还卡在电厂的冷却塔、芯片制造的清洗槽，以及企业愿不愿意把账摊开给公众看。