揭穿 AI 水資源危機：數據、背景與比例的力量

人工智慧正在引發全球水資源危機的說法，已成為現代科技批評的主流。標題經常描繪數據中心「狂飲」珍貴飲用水，並讓當地社區陷入乾涸的困境。然而，當這些數字脫離了情緒化的框架，並與其他工業流程並列時，另一個故事便浮現了。

從核心來看，「AI 水資源問題」通常是缺乏數字素養與背景資訊的問題。雖然數據中心確實使用水，但由於未能區分不同類型的用水方式，且缺乏與其他普遍產業的比較，其對國家和地方供水系統的影響往往被誇大了。

理解用水機制

要分析 AI 的影響，我們必須首先為水資源管理建立一套通用的詞彙。並非所有的用水方式都是一樣的：

消耗性與非消耗性用水： 消耗性用水（例如冷卻塔中的蒸發）會將水從當地系統中移除。非消耗性用水則涉及抽取水資源並在不受影響的情況下將其歸還至水源。
直接與間接用水： 直接用水是指數據中心現場用於冷卻的水。間接用水則是發電廠在產生驅動伺服器的電力時所消耗的水。
飲用水 (Potable Water)： 這是經過處理以供人類安全飲用的淡水。雖然數據中心經常使用飲用水以防止管道腐蝕，但由於規模經濟，將淡水處理成飲用水的成本相對較低。

至關重要的是，AI 所報告使用的水資源中，約有 80% 是間接用水——即在發電過程中消耗的水。這意味著 AI 的水足跡與任何其他依賴電力的產業在根本上是相似的。

若單獨來看，一個使用數百萬加侖水的數據中心聽起來像是災難性的。但若將其視為總消耗量的一百分比，數字便會大幅縮小。

在美國，所有數據中心（不僅是 AI）在 2023 年消耗了全美淡水約 0.2%。如果我們單獨來看 AI——它約佔數據中心電力使用的 20%——該數字會降至約美國淡水的 0.04%（包括現場與離場使用），若僅計算現場消耗量，則僅為 0.008%。

為了提供一個直觀的對比，AI 在美國數據中心使用的水，大約相當於八個擁有 16,000 人的小鎮所需的水量。雖然這並非零，但這只是其他常見活動用水量的極小部分：

批評者經常辯稱，AI 特別有害，因為它使用的是飲用水。然而，這項論點往往忽略了水務公司的經濟現實。在水資源豐富的區域，增加像數據中心這樣的大型且穩定的商業買家，實際上可以透過提供升級處理基礎設施所需的收入，藉以實現規模經濟，從而降低住宅用戶的成本。

關於污染，聲稱數據中心「毒害」水源的說法，很大程度上是對兩種特定事件的誤解：

施工期徑流： 某些關於數據中心附近水井乾涸的報告，是由於施工階段的沉積物堆積造成的，而非設施的運作用水量所致。這是任何大型建築工程（從醫院到倉庫）的普遍風險。

1. 現有污染物之濃度增加： 在某些情況下，數據中心使用已被硝酸鹽（來自農業徑流）污染的水。當水用於冷卻而蒸發時，硝酸鹽會殘留，從而增加廢水的排放濃度。數據中心並非在增加硝酸鹽；它只是在濃縮由水務公司提供的水源中已存在的硝酸鹽。

在像亞利桑那州 Maricopa County 這樣的水資源壓力地區，辯論的焦點從絕對使用量轉向了效率。數據中心在「每加侖稅收營收」方面表現得極其高效。在某些情況下，數據中心為社區提供的稅收營收，顯著高於高爾夫球場等耗水產業，比數據中心使用更少的水。

對於沙漠城市而言，選擇通常是在建立能以低水足跡產生高營收的產業，還是完全沒有產業。數據中心經常資助關鍵的基礎設施升級——例如擴建廢水處理能力——這些都對整個社區都有利。

雖然水資源的數字可能很低，但承認批評者與觀察者的合理擔憂仍非常重要。正如社區討論中所提到的：

將一個 AI 提示 (prompt) 與一瓶水進行比較，是一種在規模上誤導人的做法。事實上，單次 AI 提示僅使用極小部分的毫升水——遠低於生產單張紙張或讓筆記型電腦運行幾分鐘所需的水量。

雖然 AI 的能源消耗對環境的影響是一個關鍵且持續的辯論議題，但「水資源危機」在很大程度上是缺乏背景資訊的數字產物。透過將焦點從可怕的總量轉向比例分析，可以清楚地看到，AI 的水足跡與其作為一種可控的工業成本，而非國家緊急狀態。