亚利桑那AI数据中心扩张引发水资源争议,日耗水近500万加仑引担忧

台积电亚利桑那工厂日均取水近500万加仑,带动当地 hyperscale 数据中心建设热潮,但新建项目对水、电、土地需求激增,已引发社区反弹。环保组织警告AI基建可能逆转美国15年电力减排成果。

人工智能

在亚利桑那州凤凰城郊外的沙漠中,一座巨型工业建筑群正拔地而起。夕阳西下,起重机剪影映衬着连绵山峦,施工现场尘土飞扬,数个停车场停满车辆,临时餐车为数千名工人提供补给——这是台积电(TSMC)在北美最大的晶圆厂所在地。据公开资料,该工厂每日从凤凰城市政供水系统抽取近500万加仑(约1.9万立方米)水资源,用于芯片制造中的冷却与清洗环节。这一数字相当于约1.6万个普通美国家庭的日均用水量。

台积电项目的落地被视为亚利桑那经济复苏的关键一步。早在疫情前,凤凰城就将半导体制造定为重振后金融危机时期疲软经济的核心策略。如今,这座全球最先进的3nm制程晶圆厂已成为当地“经济救世主”,也催生了后续对数据中心基础设施的更大期待。

亚利桑那目前拥有172座数据中心,早期项目因规模较小、能耗与水耗相对可控,未引发显著争议。然而,近期由大型科技公司推动的hyperscale(超大规模)数据中心规划,正迅速改变局面。这些新项目不仅单体面积更大、服务器密度更高,更关键的是其配套冷却系统对水资源的依赖远超传统设施。

台积电亚利桑那工厂建设现场,夕阳下的工地与起重机

以液冷技术为例,部分新一代AI训练集群采用直接浸没式或冷板式液冷方案,虽能提升能效比,但需持续循环大量去离子水或专用冷却液。即便采用风冷系统,大型数据中心仍需大量水用于蒸发冷却塔降温——在年均降水量不足300毫米的亚利桑那,每一滴水都极为珍贵。

水资源压力并非孤立问题。美国环保组织Sierra Club的一项内部分析指出,AI数据中心的爆发式扩张正将能源竞争推向新阶段:为满足激增的电力需求,开发商正加速建设天然气发电设施,其中大量为“离网自建电源”,以规避电网并网排队周期过长的问题。该组织预测,若所有规划项目如期投运,美国电力行业2030年二氧化碳排放量将达21亿吨,较2025年增加6.18亿吨,增幅42%,足以抵消过去15年电力部门的全部减排成果。

值得注意的是,这类自建电源中约80%依赖天然气。Earthjustice与Better Data Center Project联合研究显示,到2030年,仅离网电源产生的排放就可能超过4.6亿吨,接近墨西哥全国年排放总量。这不仅加剧气候影响,还带来本地空气污染问题,已在多个社区引发抗议。

尽管预测存在分歧——Rhodium Group认为可再生能源经济性优势将持续压制化石能源增长,预计2040年前电力排放仍可下降24%;忧思科学家联盟则预估2035年排放增幅为19%–29%——但共识正在形成:AI基础设施的下一阶段竞争,已从算力与资本竞赛,转向对水、电、土地等物理资源的系统性争夺。

亚利桑那的困境具有典型性。该州地下水超采问题由来已久,科罗拉多河供水配额近年持续削减,凤凰城2023年已启动“节水激励计划”,对高耗水商业用户征收附加费。在此背景下,新建数据中心动辄申请数百万加仑/日的取水许可,自然引发公众质疑:当AI成为经济增长引擎时,谁来承担环境成本?

值得对比的是,中国部分AI驱动的水利项目正尝试反向路径。例如青衣江数字孪生系统通过AI模型实时模拟流域水文过程,优化水库调度与抗旱决策,将传统“经验驱动”转向“数据+模型驱动”。该项目利用遥感、物联网与知识图谱构建动态水文系统,目标是提升区域水资源利用效率而非单纯增量消耗。这种“AI赋能节水”的思路,与美国当前“AI扩张推高资源消耗”的趋势形成鲜明对照。

技术路线本身并无善恶,关键在于制度设计与优先级排序。在亚利桑那,地方政府曾为吸引台积电提供税收减免与基建支持,却未同步建立针对数据中心水资源使用的长期评估机制。随着第二、第三期数据中心规划提交审批,当地水务委员会已开始要求开发商提交更详尽的水足迹报告,并探索再生水回用方案。

与此同时,行业也在寻求技术缓解路径。部分新建数据中心尝试采用“无水冷却”技术,如间接蒸发冷却(IEC)结合高效热交换器,在干燥气候区可减少70%以上用水;另一些项目则与市政污水厂合作,使用深度处理后的再生水作为冷却水源。但受限于水质标准与管道改造成本,此类方案尚未大规模铺开。

更深层的矛盾在于发展逻辑:当一个地区将AI基建视为唯一增长突破口时,资源约束便从“外部限制”变为“内部代价”。台积电的成功确实带来了高薪岗位与供应链集聚效应,但若后续数据中心项目因水资源争议停滞,或被迫提高运营成本,整个生态系统的可持续性将面临考验。

目前,亚利桑那州立法机构正审议《数据中心水资源透明法案》,要求新建项目公开年度取水计划及替代水源可行性研究。这一动向表明,资源瓶颈正倒逼政策层面重新校准AI发展的边界。

AI的算力洪流不会停止,但它所依赖的物理世界——水、电、土地——无法无限弹性扩张。亚利桑那的案例提醒我们:真正的技术领先,不仅体现在芯片制程或模型参数上,更体现在如何让数字增长与生态承载力达成动态平衡。