AI数据中心：中水回用与WUE 2026

AI数据中心/中水回用与WUE/2026m8观点：2026年，中水回用与水资源利用效率（WUE）已取代单一的电力供给，成为AI算力扩张的终极隐性刚性约束。 随着直接液冷架构渗透与环保合规收紧，全球数据中心水处理设备市场正以近12%的年复合增长率爆发。 持续追踪单卡功耗、冷却塔浓缩倍数及配套水务设备 标的，是把握AI产业链底层演进红利的核心验证环节。m8观点：一句话先说

结论

在极高热流密度的AI工作负载与全球气候干旱周期的双重挤压下，市政水网容量正在成为数据中心选址与项目审批的较强“守门人”，推动科技巨头加速从传统的消耗型自来水蒸发冷却，转向依赖反渗透膜技术与集装箱化处理设施的市政中水回用及闭环液冷混合架构。

为什么这个变量在 2026 年重要进入2026年，超大规模AI基础设施的扩张速度与相对滞后、老化的宏观水利基础设施发生了剧烈碰撞。

此前，市场对算力瓶颈的探讨主要集中在半导体供应链产能与宏观电网的并网容量，但随着单机柜功率密度的指数级上升，冷却水资源的消耗量与获取难度已经突破了物理与社区容忍的极限，成为决定新建项目能否落地的决定性变量。

首先，生成式人工智能（GenAI）的工作负载较大程度改变了数据中心的能耗与耗水方程。

与具有间歇期和波动性的传统企业级计算不同，大模型训练阶段通常需要GPU集群持续数周乃至数月处于满载状态，其释放的连续热流密度远超以往。

在微观层面，加州大学河滨分校的研究表明，系统每生成100个单词的AI提示词，约需消耗519毫升水，这相当于单次交互便消耗掉一瓶常规瓶装水。

在宏观体量上，经济合作与发展组织（OECD）测算，到2027年全球AI产业的较强耗水量将达到66亿立方米。

在美国本土，数据中心的直接用水量预计将从2023年的174亿加仑激增至2028年的328亿加仑；而在印度，这一数字预计将从目前的1500亿升飙升至2030年的3580亿升。

更为严峻的是，数据中心的间接耗水量（即维持其运转的发电系统所消耗的水资源）约为直接耗水量的12.4倍，仅2023年美国该项消耗就高达2110亿加仑。

其次，“水-能博弈”（Water-Energy Nexus）在极端气候下引发了强烈的社区反弹与政策干预。

为了降低电能利用效率（PUE），现代数据中心广泛依赖蒸发冷却系统，这种系统利用水分蒸发吸热的物理特性，能削减25%至35%的峰值机械制冷电力负荷，将压力从电网转移到了市政水网。

然而，高达85%的冷却用水最终在大气中蒸发殆尽，无法返回自然水体。

在俄勒冈州的达尔斯（The Dalles）等干旱易发城镇，谷歌数据中心消耗了该市近40%的年度可用水资源，严重挤压了农业、旅游与居民饮用水配额，引发了公众层面的强烈抵制。

至2026年，美国多地已经开始通过颁布新建禁令（Moratoriums）或极度严苛的环评许可来暂缓AI数据中心的建设。

与此同时，马斯克旗下的SpaceX在上市前夕的新增风险提示中，也明确将水资源短缺列为AI扩张期的关键风险。

最后，2030年“水资源正效益”（Water Positive）承诺的兑现窗口正在急剧收窄。

亚马逊AWS、谷歌、微软和Meta等科技巨头均已向公众承诺，到2030年，其返还给社区与自然界的水量将超过其自身消耗量。

面对年耗25亿加仑（如亚马逊2025年数据）甚至更高量级的现实消耗，单纯依靠优化算法或提高服务器耐受温度已无法填补巨大缺口。

因此，从2026年起，规模化采购再生水（中水回用）、回收冷却塔排污水以及部署昂贵的闭环液冷设施，已经从企业ESG报告上的“加分项”，转变为维持运营许可与算力护城河的“必选项”。

产业链和

公司映射在水资源硬约束下，数据中心的资本开支正在发生结构性偏移，算力硬件、温控设施与工业水处理产业链正在加速融合，形成了一条以降低WUE为核心目标的新型价值链。

在产业链的最下游，超大规模云服务提供商（CSP）和中立数据中心运营商（IDC）是中水回用技术的首要买单者与规则制定者。

亚马逊AWS目前处于应用前沿，其宣称已经在全球26个设施中实现了100%采用再生水进行冷却，并有额外130个站点签署了中水供应合同。

为了突破局部市政污水处理能力不足的瓶颈，AWS更是选择直接向产业链上游延伸，与水处理巨头威立雅（Veolia）在密西西比州合资建设专用的集装箱化模块水处理厂。

该项目预计在2027年投产后，每年可将周边城市污水转化为8300万加仑的高品质工业冷却水。

谷歌同样在加速水务基础设施改造，其2024年在爱荷华州单园区消耗了14亿加仑纯饮用水，目前正重点在新加坡、佐治亚州等高水风险地区推行非饮用水和再生水替代方案。

微软则将重心部分倾斜于前端散热架构的重构，正在测试并部署闭环零水蒸发冷却系统，意图从源头上根除水耗。

在中国市场，世纪互联（Vnet）、万国数据（GDS）及秦淮数据等头部IDC企业，均已在其张北、怀来及乌兰察布等核心节点规模化部署中水处理装置及管网，其中秦淮数据通过“液侧冷板液冷+风侧磁悬浮相变”的混合架构，实现了全年运行WUE低于0.15的极值。

在产业链的中游，底层IT硬件平台与冷却基础设施供应商正在通过大幅拉升设备运行温度上限和革新热交换方式，来稀释对水资源的较强依赖，这也是液冷专题长盛不衰的核心逻辑。

英伟达（Nvidia）推出的Blackwell架构GB200 NVL72系统，通过全量部署直接到芯片（Direct-to-Chip）的温水冷板液冷技术，号称比传统风冷架构提升了300倍的水效。

其规划中的Vera Rubin平台甚至被设计为可在高达45°C的进水温度下稳定运行。

这种耐高温特性使得数据中心在多数温带及寒带气候下，能够较大程度摒弃耗水巨大的冷却塔，仅靠干冷器和自然环境空气（Free Cooling）即可完成热交换。

与之相配套，超微（Supermicro）等服务器集成商通过提供包含液冷节点、机架式冷却液分配单元（CDU）和混合冷却塔在内的全栈式交付方案，使得单机柜功耗大幅下降40%，大幅缩短了高密度集群的建设与环评周期。

在产业链的上游，专业的水处理设备、分离膜材料及化学药剂供应商正迎来前所未有的景气周期。

威立雅（Veolia）凭借其在全球资源管理领域的统治力，推出了Data Center Resource 360平台，将废水回收、反渗透膜过滤与AI预测性维护相融合，目前已渗透进全球逾100个核心数据中心设施。

艺康集团（Ecolab）及旗下的Nalco Water则主导了水处理化学品及实时监测市场。

其核心技术3D TRASAR能够全天候动态监控冷却水中的微生物繁殖、防腐蚀指标与结垢趋势，这在数据中心引入成分极其复杂、极易引发系统崩溃的城市市政中水时，显得尤为重要。

赛莱默（Xylem）通过提供高效的侧流过滤系统（Side Stream Filtration）和精密热交换器，显著提升了蒸发冷却塔的浓缩倍数，减少了新水补给。

国内A股市场中，膜技术龙头企业如沃顿科技（Vontron）针对高盐废水零排放（ZLD）场景研发的抗污染反渗透膜PURO系列，精准解决了中水回用中膜组件极易结垢堵塞、高频清洗导致运维成本飙升的痛点，成为实现数据中心水循环闭环的核心材料供应商。

关键数据与对比表分析数据中心的水资源利用效率，必须将其置于不同冷却架构的物理特性与各地区日趋严苛的政策约束网络中进行综合考量。

核心指标WUE的改善，往往以PUE的妥协或高昂的资本支出（CAPEX）为代价。

表1：AI数据中心主流冷却架构的热力学与水效指标对比不同的热交换机制直接决定了设施的理论水效极限。

公开资料显示，传统风冷与开式蒸发冷却在应对极高功率密度时均面临单边物理瓶颈，液冷技术的演进成为破局关键。

冷却架构类型运行原理与热交换机制典型 PUE 范围典型 WUE 范围 (L/kWh)水源依赖性及核心优劣势分析传统机械风冷 (Air Cooling)依赖大功率冷水机组与精密空调，通过空气循环带走服务器表面热量1.4 - 1.80.0 (理论近零耗水)无直接水耗。

但由于空气比热容极低，导致压缩机及风扇电力消耗巨大，PUE极差，且在物理上无法压制单机柜超30kW的AI集群热负荷。

开式蒸发冷却 (Evaporative)利用水在冷却塔中蒸发时的潜热吸收冷冻水热量，随后将热蒸汽排入大气1.1 - 1.31.5 - 3.0耗水量极大。

大量消耗市政自来水或处理后的中水，有效削减了峰值电力负荷，但存在严重的结垢、排污损耗及军团菌（Legionella）爆发风险。

闭环液冷与干冷器辅助 (Closed-Loop / Hybrid)冷却液通过冷板直接接触发热芯片，在密闭管网中循环，外部依赖干冷器散热1.05 - 1.2< 0.3 (微量系统补水)近零日常耗水。

系统仅在初次建设时注水。

但在夏季极端高温天气下干冷器效率暴跌，仍需向干冷器表面喷水（蒸发辅助）以维持热交换。(数据来源：The Green Grid 及行业主流设备商技术白皮书)表2：中国数据中心节水管理要求性规范及政策导向指标在全球范围内，中国工信部及各地方政府针对新建算力基础设施推出了最为细致的能耗与水耗双控指标。

通过限制“浓缩倍数”，政策实质上倒逼企业必须采购并部署昂贵的深度水处理设备。

数据中心规模 (机柜数量)法定 WUE 约束值 (L/kWh)政策附加要求 (冷却塔循环水浓缩倍数要求)1000机柜以下 (中小型)≤ 1.9若采用常规市政自来水，循环浓缩倍数必须控制在 5 以上1000 - 5000机柜 (大型)≤ 1.8若采用回用水、再生水（中水）及雨水，浓缩倍数必须控制在 4 以上5000机柜以上 (超大型)≤ 1.2若采用海水淡化水作为补充水源，浓缩倍数必须控制在 8 以上(数据来源：工信部《数据中心能效限定值及能效等级》及国家标准研制文件。

注：浓缩倍数越高，意味着系统排污越少、对新水的摄取量越低，但这同时要求冷却液中的阻垢剂、防腐剂浓度呈指数级增加，对水处理膜件的抗结垢性能提出了极限挑战)表3：全球数据中心水处理及化学品细分市场结构预测（2025-2034）随着液冷管网复杂度的提升及中水回用比例的增加，水处理化学品市场正在向高附加值的特种配方转移。

产品类型细分 (Product Type)2025年市场份额占比2026-2034年预期复合增长率 (CAGR)应用场景特征缓蚀剂 (Corrosion Inhibitors)31.2% (较大份额)7.1%防止闭环液冷管路、冷板微通道及冷却塔金属部件的电化学腐蚀，保障设备寿命。

阻垢剂 (Scale Inhibitors)22.7%7.8%核心试剂。

中水和排污水中富含钙、镁离子及二氧化硅，必须通过高剂量阻垢剂防止反渗透膜与热交换器表面结垢。

杀菌灭藻剂 (Biocides)19.5%7.9% (增速最快)城市中水富含微生物营养源，蒸发冷却环境极易滋生军团菌与生物粘泥，需严格执行ASHRAE 188标准进行生物控制。

絮凝剂与pH调节剂20.2% (合并)约 6.7%用于前端悬浮物沉淀处理及维持循环冷却水的酸碱度平衡。(数据来源：Dataintelo 行业数据测算，水处理化学品市场规模预计将从2025年的38亿美元增至2034年的72亿美元)宏观、资金或技术约束水资源循环利用在AI数据中心的推进绝非一蹴而就的环保口号，其在现实落地中面临着极其严苛的物理化学屏障、宏观基建赤字以及经济激励错位的多重约束。1. 水化学极值与反渗透膜的污染边界（Technical & Chemical Constraints） 在数据中心内部，冷却塔排污水（Cooling Tower Blowdown, CTBD）是规模较大、最便于收集的可回收水源。

然而，这恰恰是水化学领域最难啃的“硬骨头”。

在蒸发冷却过程中，纯水不断变成蒸汽散逸，导致循环水中残留的可溶性盐类（特别是二氧化硅、碳酸钙、硫酸钙）浓度呈几何级数攀升。

当运维人员试图使用传统的苦咸水反渗透（BWRO）系统回收这些排污水时，一旦系统回收率突破75%至80%的观察窗口，高度过饱和的二氧化硅和钙盐就会在几小时内迅速在反渗透膜表面结晶成坚硬的垢层，导致膜通量骤降甚至永久损坏。

为了突破这一技术禁区，实现将冷却塔浓缩倍数稳定提升至4到8倍的目标，数据中心必须引入极为复杂的沉淀控制工艺，例如投入晶种材料引导结晶沉淀形成固体废弃物，或者大量采购类似沃顿科技PURO系列的特种抗污染膜组件。

这不仅大幅拉长了系统的调试周期，也让日常的化学药剂维护成为一项高度依赖专业驻场服务（如Ecolab的全面水务托管）的精密工程。2. 宏观水利与污水基础设施的严重赤字（Macro Infrastructure Deficits） 科技巨头极力推崇的中水回用战略，在空间分布上面临着严重的基础设施错位。

超大规模AI数据中心往往扎堆在特定的枢纽节点（如美国的北弗吉尼亚州、中国的张北或乌兰察布），这种瞬时爆发的算力集群带来了超量的高频冷却排污和极高的热废排量。

然而，当地现有的市政下水道系统和城市污水处理厂（WWTP）通常是基于几十年的人口缓慢增长模型设计的，完全缺乏吸收工业级热量与污水负荷的冗余管网容量。

学术界警告，如果不进行较大程度扩容，现有的公共供水系统根本无法在极端夏季高温下吸收AI冷却负载。

据相关模型预测，未来50年内美国至少需要投入1740亿美元升级水务基础设施，才能勉强维持供需平衡。

由于市政扩容遥遥无期，亚马逊与威立雅（Veolia）被迫选择“自带干粮”，在密西西比州数据中心园区外自行出资建设集装箱化模块水处理厂，直接抽取并就地处理当地污水。

这种无奈之举生动折射了宏观基建无法匹配AI走强速度的结构性困境。3. 水价倒挂带来的经济性困境（Economic & Financial Headwinds） 在广阔的中国市场乃至全球许多水资源名义丰沛的地区，水资源的稀缺性并未完全通过市场化定价真实传导，导致深度节水方案在财务模型上面临“算不过账”的窘境。

根据中国国家发改委等机构的监测数据，2026年5月全国36个大中城市工业用自来水的月平均交易价格仅为4.91元/吨。

对比之下，如果数据中心采购并部署一套涵盖侧流过滤、超滤、反渗透乃至零液体排放（ZLD）系统的深度中水回收设施，其高昂的初始固定资产折旧、特种化学阻垢剂消耗以及水泵运行产生的高额电耗，使得每吨“再生冷却水”的综合造水成本往往远高于直接打开阀门购买的自来水。

在这种严重的水价倒挂背景下，如果不是面临环评和水资源论证（水评）一票否决的严厉政策合规红线，或者科技巨头出于资本市场ESG评级压力的硬性约束，单靠企业单纯追求内部收益率（IRR），极难驱动昂贵的中水回用系统自发实现规模化普及。

风险与证伪在公开市场的乐观预期中，必须剥离部分过度宣发的环保话术，警惕潜藏在产业链演进背后的技术幻觉与数据“漂绿”风险。

风险一：系统性低估与选择性披露的“漂绿”（Greenwashing）漏洞

在2026年的披露季中，亚马逊高调宣称其数据中心的WUE达到惊人的0.12 L/kWh，号称比0.84 L/kWh的行业平均水平高出7倍，且已完成75%的“水资源正效益”目标。

然而，这一惊艳均值的背后存在明显的数据粉饰。

大型云服务商（CSP）通常将其庞大的传统企业级云设施（功率密度低、风冷占比极高、耗水极少）与新建的高密度耗水AI集群进行“全球混合核算”（Global average）。

这种统计学上的平摊，较大程度掩盖了AI服务器真实、凶猛的耗水强度。

以谷歌为例，其报告显示极高的水效指标实际上被严格限制并框定在特定的Gemini AI专用设施中，以此来美化整体观感。

更为隐蔽的漏洞是，当前的WUE考核框架仅计算数据中心园区的“直接物理蒸发水量”，完全忽略了维持数据中心庞大运转所消耗的巨量电力在发电端（特别是火电和核电）所消耗的“间接水资源”。

学术研究显示，间接耗水量通常是直接耗水量的12倍以上，这种相当于碳排放“Scope 2”的水耗盲区，使得现有的水效评估体系存在极大的系统性低估。

风险二：“液冷较大程度终结水危机”的技术幻觉与气候脆弱性

产业链前端硬件厂商的宣传容易在二级市场制造“问题已解决”的技术幻觉。

例如，英伟达官方明确声称，其Blackwell架构的下一代温水直接液冷系统（液温可容忍至45°C）实现了300倍的水效提升，基本“解决了AI的水资源挑战”。

这在严谨的热力学推演上存在明显的边界局限。

行业内权威冷却专家指出，温水液冷带来的真正收益，是延长了设施全年能够使用“自然冷却”（Free Cooling）的时长，即仅用外部环境空气就能带走热量而无需蒸发耗水。

但是，在全球气候变暖的大背景下，当夏季极端高温来临（例如外部气温超过35°C至40°C时），空气换热的温差丧失，干冷器（Dry Cooler）的散热效率将发生灾难性暴跌。

此时，为了防止昂贵的GPU集群因过热而宕机，系统逻辑依然必须要求降级，重新启用蒸发冷却辅助（Evaporative-assist）机制或开启耗水巨大的工业冷水机组向冷却管网注水散热。

液冷架构能够在全年维度上显著“省水”，但在最考验管网极限的极端夏日热浪中，其峰值需水量依然会瞬间反弹，对脆弱的市政水网形成致命冲击。

风险三：液冷落地与中水改造的供应链迟滞与生物安全隐患

从传统的机械风冷向闭环液冷及再生水冷却系统的过渡，不可避免地带来了剧烈的工程交付摩擦。

在硬件端，防漏液的高可靠性设计、针对不同机架定制化打样的冷板、以及最核心的冷却液分配单元（CDU）均面临严重的产能与良率瓶颈，这使得高密度液冷集群的实质交付周期经常从规划的数周被拖延至数月。

在水质端，当数据中心决定引入成分极为复杂的城市生活再生水作为冷源补充时，水处理化学品（如杀菌剂、阻垢剂）在不同批次劣质水体中的反应机理变得极难控制。

如果杀菌灭藻剂投加不当或浓度失调，温暖湿润的冷却塔极易成为致命的军团菌（Legionella）气溶胶繁殖温床。

依据ASHRAE 188-2018等楼宇水系统安全标准，任何生物指标的超标都将面临设施要求关停的严厉惩罚，这对水务维保服务商提出了极其苛刻的零容错要求。

后续观察变量作为m8一周发布池的重要前瞻标尺，为了穿透复杂的宣发与宏观噪音，我们建议在研究归档中持续通过以下微观与宏观指标的变动，来验证水资源约束对产业链的真实影响速率：AI单次查询耗水度（Water Footprint per AI Token）的边际变化：密切跟踪当前“每100个单词消耗519毫升水”这一经验值的演进。

如果在GPT-5或下一代开源大模型部署阶段，底层算力设施的冷却优化速度未能跑赢模型参数量与算力的明显增长速度，较强耗水量的失控将迫使更多干旱敏感地区效仿美国科罗拉多、俄勒冈州，出台针对AI算力的直接“限批令”。

超大规模园区市政中水直供（Reclaimed Water）的签约与渗透率：除了关注单机柜液冷的渗透，更应跟踪AWS、Google、Microsoft在新建超大集群中，与市政污水厂签订的再生水承购协议比例（目前AWS已有26个运行节点，130个在建）。

该指标的攀升直接决定了威立雅（Veolia）、艺康（Ecolab）等水处理设备与运维服务商的订单深度与远期营收增速。

冷却塔浓缩倍数（Cycles of Concentration, CR）的实测落地均值：监控产业界能否实质性地将冷却循环水浓缩倍数从传统的2-3倍，稳定拔升至政策要求的4-8倍。

这一工程指标的达标，标志着高附加值的抗污染RO分离膜（如A股标的沃顿科技）及特种复合阻垢剂在数据中心侧完成了真正的大规模商业化替代。

绿色算力与碳水交易政策绑定的演进：持续关注中国国家发改委、工信部及能源局的政策风向。

除了要求国家枢纽节点新建数据中心绿电占比超过80%之外，需观察政策制定者是否会将WUE指标纳入与PUE同等权重的要求性“绿电算力”权威认证体系中，或对超定额耗水的数据中心正式落地惩罚性的阶梯水价机制，这将较大程度扭转目前水价倒挂导致的经济性算账困境。 FAQQ：到底什么是WUE？

它与我们常听到的PUE是什么关系？

为何两者总是此消彼长？ A：WUE（Water Usage Effectiveness，水资源利用效率）由国际权威绿色计算组织The Green Grid在2011年首次提出。

其核心计算公式极为直观：即“全年数据中心设施总用水量（升）÷ 全年IT设备总耗电量（千瓦时）”。

它与大家熟知的PUE（电能利用效率）存在天然的热力学博弈关系，即所谓的“水-能跷跷板”。

为了降低PUE（减少昂贵的空调压缩机耗电），设计者会大量采用蒸发冷却塔，利用水分蒸发带走热量，这极其省电但会海量耗水（拉高WUE）；反之，如果在一个较强缺水的沙漠地区强行采用纯空气冷却，虽然做到了WUE为0（不耗一滴水），但巨大的散热风扇与压缩机负荷会让PUE飙升至1.5甚至更高，造成惊人的电力浪费。

Q：既然淡水这么紧张，数据中心为什么不能直接全部用风冷，或者建在海边用海水冷却，非要和居民抢自来水或处理污水？ A：纯空气冷却（风冷）的比热容极低，面对单卡动辄上千瓦、单机柜逼近100kW的AI高热流密度芯片，风冷就像对着烧红的火炉吹电风扇，在物理学上已经无法有效带走热量，强行使用只会导致昂贵的GPU列阵过热烧毁宕机。

至于海水冷却，虽然听起来水源无限，但海水含盐量极高，具有毁灭性的腐蚀性与极为旺盛的海洋生物繁殖能力（如藤壶堵塞管路）。

如果进行全链路的防腐蚀特种钛合金管道改造或者前端海水淡化，其天文数字般的建设与防污维护成本是商业公司完全无法承受的。

因此，通过净化回收城市生活污水（中水回用）来进行淡水蒸发，成为了目前重要兼顾热力学需求与经济可行性的规模化排热折中路径。

Q：新闻上说英伟达等厂商在大力推广直接液冷（DLC），液冷普及后，数据中心是不是就不需要庞大复杂的工业水处理设备了？ A：这是一个极易混淆的误区，液冷绝不等同于无需水处理。

相反，它将水处理推向了更精密、更极端的维度。

首先，在液冷系统内部（直接接触昂贵芯片的密闭管网中），运行的去离子纯水或冷媒需要极其严苛的高纯度水质控制（如抑制极微量的导电金属离子析出）与防电化学腐蚀处理。

其次，更关键的是，液冷架构的作用仅仅是“高效地将热量从芯片表面搬运到了机房外面”。

在设施外部（Facility level），这些搬运出来的海量热能，在绝大多数气候条件下，依然必须通过干冷器配合喷水降温，或者直接接入大型蒸发冷却塔，最终排散到大气环境中去。

特别是在炎热季节，外部散热对水蒸发的较强依赖并未消除。

因此，整体算力园区的水务设施不会消失，反而在威立雅、艺康等巨头的推动下，向着反渗透膜过滤、高浓度化学阻垢及AI实时水质监控的高附加值方向加速进化。

常见问题

为何两者总是此消彼长？

WUE（Water Usage Effectiveness，水资源利用效率）由国际权威绿色计算组织The Green Grid在2011年首次提出。 其核心计算公式极为直观：即“全年数据中心设施总用水量（升）÷ 全年IT设备总耗电量（千瓦时）”。 它与大家熟知的PUE（电能利用效率）存在天然的热力学博弈关系，即所谓的“水-能跷跷板”。 为了降低PUE（减少昂贵的空调压缩机耗电），设计者会大量采用蒸发冷却塔，利用水分蒸发带走热量，这极其省电但会海量耗水（拉高WUE）；反之，如果在一个较强缺水的沙漠地区强行采用纯空气冷却，虽然做到了WUE为0（不耗一滴水）…

既然淡水这么紧张，数据中心为什么不能直接全部用风冷，或者建在海边用海水冷却，非要和居民抢自来水或处理污水？

纯空气冷却（风冷）的比热容极低，面对单卡动辄上千瓦、单机柜逼近100kW的AI高热流密度芯片，风冷就像对着烧红的火炉吹电风扇，在物理学上已经无法有效带走热量，强行使用只会导致昂贵的GPU列阵过热烧毁宕机。 至于海水冷却，虽然听起来水源无限，但海水含盐量极高，具有毁灭性的腐蚀性与极为旺盛的海洋生物繁殖能力（如藤壶堵塞管路）。 如果进行全链路的防腐蚀特种钛合金管道改造或者前端海水淡化，其天文数字般的建设与防污维护成本是商业公司完全无法承受的。 因此，通过净化回收城市生活污水（中水回用）来进行淡水蒸发，成为了目前重要兼顾热力学需求与经济可行性的规模化排热折中…

新闻上说英伟达等厂商在大力推广直接液冷（DLC），液冷普及后，数据中心是不是就不需要庞大复杂的工业水处理设备了？

这是一个极易混淆的误区，液冷绝不等同于无需水处理。 相反，它将水处理推向了更精密、更极端的维度。 首先，在液冷系统内部（直接接触昂贵芯片的密闭管网中），运行的去离子纯水或冷媒需要极其严苛的高纯度水质控制（如抑制极微量的导电金属离子析出）与防电化学腐蚀处理。 其次，更关键的是，液冷架构的作用仅仅是“高效地将热量从芯片表面搬运到了机房外面”。 在设施外部（Facility level），这些搬运出来的海量热能，在绝大多数气候条件下，依然必须通过干冷器配合喷水降温，或者直接接入大型蒸发冷却塔，最终排散到大气环境中去。 特别是在炎热季节，外部散热对水蒸发的较强…