AI的資料中心為什麼需要水?水與電力一樣,是AI背後的“基礎燃料”。主要消耗分為三部分:資料中心冷卻(Scope 1):冷卻塔、蒸髮式空調等。電力生產(Scope 2):火電、燃氣發電站需要大量水用於蒸汽和冷卻。半導體製造(Scope 3):晶圓廠每天可能消耗 500 萬加侖超純水,用於清洗、冷卻和工藝環節。摩根士丹利預計,到 2028 年 AI 相關資料中心的年度用水量將達到 1,0680 億升,相比 2024 年增長 11 倍。雖然這在全球總用水量中佔比不足 1%,但增長速度極快,且高度集中在部分區域。風險在於“局部”與碳排放不同,水資源是一個強烈的區域性問題。全球一半以上的資料中心樞紐,分佈在 水資源緊張或存在中高風險的地區。美國亞利桑那州圖森市:在 2025 年直接否決了亞馬遜支援的 Project Blue 資料中心項目,原因是耗水過高。台灣:2021 年大旱時,政府對晶圓廠限水 15%。新加坡、荷蘭:曾暫停過新資料中心建設,直到調整能源與水使用標準。這意味著,未來資料中心和晶片製造項目可能不僅受制於電力,還會受制於地方政府的水資源政策。政策的演變:從限制到激勵研報指出,監管正從“限制”走向“標準與激勵”:美國加州:為採用可持續冷卻系統的資料中心提供稅收減免。歐盟:計畫到 2026 年設立最低用水效率標準。新加坡與馬來西亞:設定未來 10 年 Water Usage Effectiveness(WUE)目標 ≤2.0 m³/MWh。中國:將 WUE 納入國家綠色資料中心評級體系。未來水資源管理的透明度和披露標準將成為企業的必修課。投資角度:三條路徑摩根士丹利給出的投資框架,主要分為三類:節水技術提供商可再生能源企業水資源管理領先者這些公司不僅具備 ESG 概念,更可能在資源約束日益嚴峻時獲得實際競爭優勢。研報中涉及到的個股僅供參考,不作為投資建議。總結人工智慧的能源需求已經廣為人知,但水資源問題正成為下一個被重視的風險點。AI 的效率提升降低了單次任務的耗水,但總需求仍會隨著算力擴張持續上升。未來幾年,水資源可能成為 AI 產業鏈擴張的隱性瓶頸。從投資角度,節水技術、清潔能源與優秀的水資源管理企業,將是值得長期關注的方向。 (左兜進右兜)