🎯 科技 · 绿色算力
🔥 算力扩张与水资源供给速度严重不匹配，"水能协同"正成为绿色算力竞争的新战场
AI的狂飙突进不仅烧电，还烧水。9月3日，《AI时代算力基础设施流体系统水能绿色发展报告》正式发布，首次揭示了一个被广泛忽视的问题：随着人工智能爆发式增长，算力基础设施快速扩张正在加剧能源与水资源的双重供给压力。
报告指出，传统数据中心单机柜功率通常为5—10千瓦，而AI训练集群则可突破100千瓦。高密度算力带来的散热需求呈指数级增长，冷却体系正从风冷向液冷加速重构。然而，液冷虽然大幅提升了散热效率，却带来了新的水资源消耗挑战——冷却水的蒸发、渗漏和补水量都远大于传统风冷系统。水资源利用效率与算力规模扩张速度不匹配，进一步放大了局部地区的水资源供需矛盾。
更值得关注的是，报告首次提出了流体系统"架构层—设备层—平台层"三层技术能力体系，以及分布式按需输配、泄漏风险分级、余热回收利用、智能泵控协同等七项核心技术主张。马利红特别强调："液冷的意义不仅是散热效率高，还在于让数据中心从单纯的能源消费者，变成可对外输出热能的资源节点。液冷系统回水温度可达四五十度，具备为周边建筑供暖的条件。"
华为云上屯的实践提供了鲜活样本。这座占地1521亩、可容纳100万台服务器的全球最大数据中心之一，将年均PUE压到了1.1——意味着每消耗10度电，约9度真正用于计算本身。通过直通风自然冷却、热回收技术和液冷方案，满负荷运行状态下每年可节约电力10.1亿度，减少碳排放81万多吨，相当于年植树3567万棵。
润泽科技则展示了另一种路径：其自主研发的新一代冷板式液冷技术可将PUE降至1.15，已投产的B1智算中心单体功率达200兆瓦，可支撑13万卡规模的智能算力集群，满足万亿级参数模型的训练和推理需求。
行业共识正在形成：未来AI时代的竞争，不再只是算力规模的比拼，而是算力、能源与水资源协同利用能力的综合较量。谁能以更少的水和电支撑更多的算力，谁就掌握了下一个十年的入场券。
综合澎湃新闻、财联社、中国日报报道 | 2026年9月4日