英伟达（Nvidia）本周宣布推出一种新型直接液体冷却系统，能显著减少数据中心内部的用水量。该系统通过将冷却液直接输送至GPU芯片，取代了传统的蒸发冷却塔，理论上可使数据中心内部的耗水量降低30%以上。这一消息无疑迎合了环保组织和监管机构对科技行业水足迹日益增长的关注。
冷却系统的进步与局限
传统的蒸发冷却依靠水的汽化带走热量，每消耗1千瓦时电力就需要约1.8升水。英伟达的新系统采用闭环液体冷却，大幅减少蒸发损失。然而，英伟达首席环境官在新闻稿中承认：“我们正在解决数据中心内部的水使用问题，但AI的总体水消耗远不止于此。”
“AI模型训练的水足迹主要来自发电环节。一座典型的天然气发电厂每发1千瓦时电需消耗约2升水，而一座燃煤电厂可能高达3升。训练一个GPT-3级别的大模型需要约1300兆瓦时电力，对应间接耗水超过2600吨。” —— 麻省理工学院能源与环境研究团队2025年报告
这意味着，即便数据中心内部冷却用水降为零，AI产业的间接用水量仍可能高达直接用水的10倍以上。英伟达的新系统虽然值得肯定，但并未解决AI最大的水问题——能源生产环节的耗水。
火电厂：AI的隐形水龙头
全球超过60%的AI训练算力部署在美国，其中相当一部分依赖化石燃料发电。根据美国能源信息署数据，2025年美国数据中心用电量达280亿千瓦时，预计到2030年将翻倍。其中用于AI训练的电力约占40%。这意味着AI训练每年间接消耗的水量达数亿吨，相当于数十万居民的年用水量。
科技巨头们纷纷承诺使用可再生能源，但现实是，美国许多数据中心的绿电采购合同并未覆盖所有新增负荷，尤其在电网峰荷时期，化石燃料发电仍是主力。英伟达的冷却方案对此无能为力。
编者按：技术方向值得鼓励，但战略重心需调整
英伟达作为AI芯片霸主，其技术路线对产业有举足轻重的影响。选择此时推出节水冷却系统，显然是对外界批评的积极回应。然而，如果整个行业只关注数据中心内部的“小水”，而忽视发电环节的“大水”，AI的水资源问题永远无法根治。
真正的解法在于：加速清洁能源转型、提高电网效率、以及推动更高效的模型训练算法。英伟达也应将其影响力延伸至能源领域，例如推动芯片能效的极致提升，或与电力公司合作建设分布式可再生能源电站。只有这样，才能从根本上解决AI的“水赤字”。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接