摩根士丹利深度研究：人工智慧的“隱性成本”：水資源

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。

1. 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。
2. 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：

1. 節水技術提供商
2. 可再生能源企業
3. 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)