一句话看懂：“Shark Tank”投资人Kevin O’Leary在公开场合将现代AI数据中心的用水量比作高尔夫球场，试图回击外界对AI基础设施耗水问题的批评。这一争议背后，是AI算力扩张与地方水资源承载能力之间的真实矛盾。
事件核心：发生了什么
Kevin O’Leary在Glenn Beck电台节目中为其正在犹他州和加拿大开发的AI数据中心项目辩护。他声称，其犹他项目一期（1.4吉瓦电力容量）的用水量与一个高尔夫球场“没有区别”，并称“现代新数据中心都像高尔夫球场”。O’Leary认为，批评者不应再用15年前弗吉尼亚州老数据中心的耗水量来指责今天的新设施，后者已采用闭环冷却等节水技术，用水量大幅下降。此前，Business Insider的调查显示，美国一些大型数据中心获准的日用水量曾接近4.9万人的日常消耗，而OpenAI CEO Sam Altman也曾公开反驳所谓“每次ChatGPT查询耗水17加仑”的说法。
为什么重要
AI基础设施的用水问题正在成为地方政府审批新项目时的主要阻力之一。O’Leary的比喻虽然简单，但触及一个核心矛盾：即便现代冷却技术（如闭环系统）确实减少了直接水消耗，数据中心的间接能耗（通过发电、冷却塔蒸发等）依然对当地水电网构成压力。随着大模型训练和推理需求的持续增长，算力中心的规模不断扩大，这种资源竞争只会更激烈。O’Leary提出的“自带电力并回馈电网”方案，反映出业界已意识到单纯依赖公共基础设施无法支撑AI规模的扩张，未来数据中心可能必须成为集发电、储能、冷却于一体的独立能源节点。
对用户/开发者/创作者的影响
对普通用户而言，短期内GPT、Claude等大模型的对话和图像生成服务不会因用水问题直接中断或涨价。但长期来看，若数据中心选址受限（例如部分干旱地区收紧审批），可能导致算力成本上升。开发者使用API时应注意，部分云厂商可能会在未来的服务条款中加入“绿电”或“节水”相关的费用调整。对于依赖大规模分布式训练的开源社区，自建算力的门槛可能会因能源和用水合规要求而进一步抬高。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，O’Leary的犹他项目能否获得地方政府的环境许可，以及其声称的“节水量”是否经得起独立审计。第二，类似的高尔夫球场类比是否会被其他AI公司采用，成为行业统一的说服话术。第三，美国环评机构是否会出台针对数据中心用水量的强制性标准（如每兆瓦用水上限），这将直接影响未来算力中心的选址和建设成本。
