「一座資料中心每天用掉 X 噸水，等於澆灌 Y 座足球場」——如果你這幾年讀過 AI 相關報導，八成看過類似換算公式。從加州到荷蘭、從智利到新加坡，資料中心用水量被形容為「吃水怪獸」，甚至有人警告 AI 的運算需求會跟人類搶水喝。

但真實情況真的是這樣嗎？

加州大學戴維斯分校水資源與環境工程榮譽教授 Jay Lund 在最新研究中，用基礎物理學算了一筆帳：加州所有資料中心每年的蒸發用水量，大約只占全州人類用水量的 0.055%——不是 5%、不是 0.5%，而是萬分之五。

這個數字值得所有關心 AI 環境衝擊的人停下來想一想。

資料中心用水量是如何算出來的？

在討論具體數字之前，我們先搞清楚一件事：資料中心用水是為了什麼。

資料中心裡成千上萬的伺服器運作時會產生大量熱能，為了防止晶片過熱，必須有冷卻系統。根據冷卻技術的不同，用水量差異極大——有些用蒸發冷卻塔（把水蒸發帶走熱量），有些用封閉循環的液體冷卻（幾乎不耗水）。目前業界的主流仍是蒸發冷卻，因為它在成本與能源效率之間取得平衡。

Lund 教授的計算邏輯非常樸素。他先從加州資料中心的實際面積出發——根據產業數據網站 Aterio 的統計，加州大約有 1,500 萬平方英尺（約 340 英畝）的資料中心樓板面積。接著他從伺服器的能源密度推算：一般資料中心的機架功率密度約為每平方公尺 2 到 12 千瓦。將這些能源轉換為熱能、再換算為蒸發散熱所需的水量，就能得到一個物理上限。

「我做完計算之後，還用了四種 AI 模型做交叉驗證，」Lund 在論文中有點幽默地寫道——作為一個水資源教授，用自己的專業領域來檢驗 AI 的估算能力，本身就是一項有趣的實驗。

具體數字：比你以為的少很多

根據 Lund 的估算，假設加州所有資料中心都使用工業級蒸發冷卻系統（效率 60-90%），每年總蒸發水量約在 32,000 到 290,000 英畝英尺之間。

這個數字有多大？他直接拿來跟加州整體用水量做比較：加州的年人類用水量大約是 4,000 萬英畝英尺。也就是說，即使是偏高的估計，資料中心用水也僅占 0.7%；如果是較保守的估計，則只占 0.08%。

換個更直觀的比較方式：這些水如果拿去灌溉，大約夠養活 1 萬到 10 萬英畝的農地——而加州總共有 700 萬英畝的灌溉農地。

更有趣的是他請四種 AI 模型各自估算的結果。四個模型的估算範圍雖然寬鬆，但 Lund 認為 32,000 到 290,000 英畝英尺是合理範圍，其中 20,000 英畝英尺是四個模型都支持的較窄估計值。

這個量級是什麼概念？根據亞利桑那州立大學 Kyl 水政策中心的最新研究，在同為乾旱地區的亞利桑那州中部，啤酒產業的用水量比資料中心還多。

為什麼媒體報導跟現實差這麼多？

如果你對上述數字感到驚訝，不意外。過去幾年，大大小小的新聞媒體都報導過「訓練一個 GPT-3 要耗掉 XXX 升水」「一次 AI 對話喝掉一瓶礦泉水」這類話題。這些數字從哪裡來的？

很多是從一篇研究《Making AI Less “Thirsty”》延伸出來的。那篇論文確實提供了有參考價值的估算方法——例如指出訓練 GPT-3 在 Microsoft 的資料中心需要消耗約 70 萬公升的水。但這些數字在媒體傳播過程中，經常被忽略了一個關鍵前提：這些是蒸發用水量，不是「喝掉」或「消耗掉」的不可回收水。

從水資源管理的角度來看，蒸發用水跟農業灌溉或民生用水有本質不同。農業灌溉的水大部分滲入地下水或流入河流，可以重複使用；蒸發冷卻塔的水則是直接轉為水蒸氣進入大氣循環。兩者都是消耗性的，但量級完全不同。

另一個問題是「總量 vs 人均」的認知偏差。訓練一個大模型耗水幾十萬公升，聽起來很多；但加州的住宅游泳池就有 130 萬個，光是每年替游泳池補水蒸發的量，可能就超過所有資料中心。Lund 教授在論文裡開玩笑說：「我寫這篇部落格文章時呼出的水蒸氣，可能都比四個 AI 模型運算消耗的水還多。」

資料中心用水的真正問題在哪裡？

說「AI 用水不多」不代表沒有問題。Lund 的研究實際上點出了三個被大眾忽略的真正挑戰。

第一：地域分布不均。 加州的資料中心用水量占總用水量的 0.05% 到 0.7%，聽起來很小。但在亞利桑那州、維吉尼亞州這些資料中心密集且水資源基礎設施相對脆弱的地區，占的比例可能高得多。所有的水問題都是地方性的——在一個地區不是問題，在另一個地區可能相當可觀。

第二：冷卻技術的選擇決定了一切。 不是所有資料中心都用同樣的冷卻方式。採用先進液體冷卻技術的設施，用水量可以比傳統蒸發冷卻減少 90% 以上。問題不在於「AI 要不要用水」，而在於「業者願不願意投資更節水的技術」。根據產業分析，許多資料中心營運商在缺水地區已經主動導入循環冷卻系統，但整體產業的轉型速度取決於成本壓力和監管要求。

第三：真正的環境成本是能源，不是水。 資料中心最大的環境衝擊始終是電力消耗。加州約 9% 的用電來自資料中心，而這些電力的來源——火力發電、天然氣或是再生能源——決定了碳足跡的高低。用水只是能源消耗的附帶效應。比起關注資料中心喝了多少水，更應該關注的是它們能不能用再生能源來運轉。

從全球視野看資料中心用水

把目光從加州放大到全球，情況會有些不同。

根據國際能源總署（IEA）的數據，2025 年全球資料中心的用電量約占全球總用電量的 1-2%，對應的用水量比例也大致在這個區間。但分布極度不均——美國占了約三分之一，其次是中國和歐洲。

台灣的情況尤其值得關注。作為全球半導體重鎮，台灣本來就是水資源管理高度緊張的地區。台積電的先進製程需要大量超純水，加上科學園區的擴廠計畫，水資源壓力已經存在。如果再加上 AI 應用的爆發式成長帶動資料中心需求，台灣的資料中心用水確實是值得正視的議題。

但同樣地，用數字眼光來看：根據經濟部水利署的公開資料，台灣全年總用水量約 170 億噸。即使資料中心用電占比達到 2%，用水占比也遠低於農業用水的 70% 和民生用水的 20%。關鍵仍在於地域分布——如果資料中心集中在已經缺水的地區，問題就會被放大。

為什麼我們需要更好的水資源透明度

Lund 研究的最大貢獻，可能不是他算出了精確的用水量，而是他指出了一個結構性問題：太多關於資料中心用水的討論，缺乏誠實且合理的初步估算。

「事實就是事實，但認知才是現實。」他在論文中引用了這句老話。今天公共討論中充斥著未經數據驗證的恐慌和猜測，這種現象在水資源領域尤其常見。從塑膠微粒到瓶裝水，從水足跡到虛擬水，媒體總能找到一個讓人焦慮的切入角度。

Lund 用了一個簡單的方法來驗證這件事：他用同一個問題問了四個不同的 AI 模型——「加州的資料中心每年大概蒸發多少水？」——結果得到了 2,300 到 400,000 英畝英尺的廣義範圍。當資訊不透明時，即使是 AI 也只能給出模糊答案。

AI 公司的透明度確實不足，這與產業的高度競爭有關——沒有人想透露自己的運算規模和效率數據。但資訊不透明不應該成為推測和誇大的藉口。學術界、媒體和監管機構需要的是更好的基礎數據，而不是更聳動的標題。

歷史告訴我們的事

Lund 在研究中回顧了美國人面對新技術的經典模式：從《傑森一家》的飛行汽車到網路，從疫苗到氯消毒，每次新技術出現時，社會都會經歷一段「恐懼與希望」的混亂期。飛行汽車始終沒有量產，疫苗和氯消毒帶來了巨大的公共衛生改善，而網路和監控技術的利弊則至今仍在辯論。

AI 正處於這個階段的開端。對資料中心用水的恐慌，跟十幾年前對「雲端運算消耗大量能源」的恐慌本質上是一樣的，只是今天的水資源焦慮被加入了氣候變遷的背景。

回顧歷史，有助於我們把問題放在更大的框架下來看。1980 年代關於氯消毒安全性的爭論幾乎讓美國公共衛生倒退；2010 年代關於「大數據的能源危機」最終被證明言過其實——雲端運算的能源效率其實比傳統機房高出許多。這些經驗告訴我們，對於新技術的環境衝擊，最好的態度是「擔憂但不過度」，用數據取代恐懼。

把焦點放回真正該關注的事

把 AI 用水量的恐慌放下之後，我們反而可以把注意力放在更實際的議題上。

資料中心是否需要衝擊評估報告？根據美國部分州的現行法規，新建資料中心不需要像工廠或發電廠那樣提交環境影響評估。隨著資料中心規模愈來愈大，要求業者公開用電和用水數據、接受合理監管的呼聲愈來愈高。

冷卻技術的進步是否夠快？浸沒式冷卻、液體冷卻、熱交換技術正在快速發展。如果業者全面採用高效率冷卻系統，用水量可以再降一個數量級。問題是——在沒有監管壓力的情況下，業者有沒有足夠的誘因投資？

而對於一般科技工作者和 AI 使用者來說，了解資料中心的資源使用脈絡本身就有價值：每當有人對你說「一次 AI 對話喝掉一瓶水」，你可以問他「那是蒸發冷水還是民生用水？占總用水量的多少？」——這個習慣本身，就是值得培養的思考方式。

任何技術的發展都會消耗資源，真正的問題從來不是用不用資源，而是用得合不合理、透不透明。AI 用水量的討論正好提供了這樣一個練習：當我們對某個議題感到焦慮時，不妨先從最基本的物理計算開始，而不是從最聳動的標題開始。

作者 Lund 教授用一句話總結了他的立場：「我們的人類社會、科技和理解，最終依賴於五萬年歷史的硬體——我們的大腦。它演化緩慢，難以捉摸。正因為如此，我們更需要用數據和理性來馴服恐懼，而不是放任它在黑暗中被放大。」

這或許是這整篇研究最值得記住的一件事。

參考資料：Lund, J. (2026). AI Water Use Distractions and Lessons for California. California WaterBlog, UC Davis. 本文引用數據亦參考 Kyl Center for Water Policy (2026) Large Non-Agricultural Water Uses in Central Arizona 研究。