> ## Content Index
> Fetch the complete content index at: https://www.5news.com.hk/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 背後嘅隱藏代價：ChatGPT 寫封 Email 「飲」水量驚人？
- URL: https://www.5news.com.hk/tech-insights-ai-chatgpt-water-consumption-data-center-cost/
- Published: 2026-06-14T03:03:47.000Z
- Updated: 2026-06-14T03:03:47.000Z
- Description: 大家都習慣用 AI 幫手寫 Email 或者搵資料，但你又知唔知，每問一個中等長度嘅問題，AI 就會消耗大約 500 毫升嘅水？當全球瘋狂投資高達 5.2 萬億美元去擴建數據中心，背後衍生嘅水資源枯竭同電力消耗問題已經浮面。本文將為大家客觀拆解 AI 嘅隱藏營運成本，探討碳排放與水資源之間嘅兩難，並分享作為一般用家應該抱持嘅理性態度。
- Author: 5News編輯部
- Tags: #Artificial Intelligence, A.I., 科技, 全部

## 數據中心嘅千億競賽：解構 AI 發展背後嘅水資源與電力消耗

近年人工智能（AI）發展一日千里，由幫手寫 Email、做資料搜集到生成圖片，AI 已經成為我哋生活同工作嘅一部分。不過，當大家驚嘆科技帶來嘅便利時，好少人會留意到背後龐大嘅環境成本。原來每一次簡單嘅對話，都會消耗緊地球寶貴嘅資源。今日呢篇文章，我哋就由客觀嘅數據出發，一齊探討 AI 發展背後嘅水資源消耗以及數據中心嘅投資規模。

## 點解 AI 耗水量突然成為焦點？

生成式 AI 模型（例如 ChatGPT 嘅背後核心 GPT-3 或 GPT-4）需要極龐大嘅算力去進行訓練同日常運作。呢啲算力全靠擺滿伺服器嘅大型數據中心去支撐。伺服器 24 小時無間斷運作會產生極高熱力，必須依賴冷卻系統降溫，而目前最常見又具備成本效益嘅降溫方法，就係利用水蒸發冷卻（Cooling Towers）。

隨住各大企業紛紛將 AI 融入業務，數據中心嘅擴張速度亦創下歷史新高。根據 McKinsey & Company 嘅報告預測，為咗應付 AI 發展，全球去到 2030 年需要投放高達 5.2 萬億美元去興建相關基礎設施。當硬件數量直線上升，對水資源同電力嘅需求亦會按比例暴增，甚至開始對部分乾旱地區嘅民生用水構成壓力。

## AI 嘅「飲水量」與投資規模

為咗令大家更容易理解具體情況，我哋整理咗來自 [Association for Computing Machinery (ACM)](https://dl.acm.org/doi/10.1145/3724499) 同 [McKinsey](https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers) 報告入面嘅核心數據，大家可以參考以下列表：

| **項目**         | **具體數據 / 統計數字**          | **說明**                                             |
| -------------- | ------------------------ | -------------------------------------------------- |
| **美國人平均飲水量**   | **75%** 美國人每日僅飲用 591 毫升水 | 作為對比，人類日常攝取水量其實好少。                                 |
| **單次 AI 查詢耗水** | 約 **500 毫升**             | 處理一個約 800 字輸入、300 字輸出嘅 GPT-3 請求，等同一支樽裝水嘅容量。        |
| **模型訓練耗水量**    | **540 萬公升**              | Microsoft 喺美國數據中心訓練 GPT-3 嘅總耗水量（相等於超過 2.5 萬個浴缸嘅水）。 |
| **數據中心年度耗水**   | **230 億公升**              | 2023 年 Google 旗下數據中心用於現場冷卻嘅消耗量（當中近 80% 係食水）。       |
| **AI 基礎設施投資**  | **5.2 萬億美元**             | 預計去到 2030 年全球用於應付 AI 需求嘅數據中心資本開支。                  |

## AI 點解需要咁多水？

你可能會問，電腦明明係電子產品，點解會扯上水資源？其實 AI 嘅耗水可以分為三個主要範疇（Scopes）：

1. **Scope 1（現場營運耗水）：** 數據中心嘅伺服器需要散熱。冷卻塔運作嗰陣，水分會透過蒸發帶走熱力。為咗防止礦物質積聚或者細菌滋生造成管道淤塞，數據中心必須持續注入乾淨嘅淡水（甚至係食水）。
2. **Scope 2（發電間接耗水）：** 伺服器運作需要龐大電力。喺好多國家，發電廠（例如熱電廠或核電廠）喺發電過程同樣需要大量水嚟冷卻。因此，用電量越高，間接消耗嘅水資源亦越多。
3. **Scope 3（供應鏈與硬件製造）：** 製造 AI 晶片同伺服器硬件本身就需要極大量嘅「超純水」（Ultrapure water）去清洗晶圓，呢部分嘅水資源消耗同樣不容忽視。

## 減碳 vs 慳水嘅兩難局面

好多科技巨頭都有明確嘅「減碳」目標，但原來「減碳」同「慳水」喺實際操作上經常會有衝突。我哋可以透過以下表格比較兩者嘅運作邏輯：

| **考量重點**    | **運作策略**                  | **實際影響**                          | **潛在衝突**                             |
| ----------- | ------------------------- | --------------------------------- | ------------------------------------ |
| **追求減碳效率**  | 「追住太陽走」（Follow the Sun）   | 盡量喺日間太陽能等可再生能源最充足嘅時間，進行密集嘅 AI 運算。 | 日間氣溫通常最高，數據中心需要蒸發更多水去散熱，導致**耗水量大增**。 |
| **追求水資源效率** | 「避開太陽走」（Unfollow the Sun） | 將繁重嘅運算任務排程到深夜或者氣溫較低嘅地區進行，減少依賴水冷卻。 | 夜晚缺乏太陽能，如果當地電網依賴化石燃料，就會導致**碳排放上升**。  |

呢個兩難局面話俾我哋知，企業唔可以單單著眼於碳排放，必須將水資源消耗（Water Footprint）一併納入可持續發展嘅衡量指標入面。

## 5心得分享：睇清 AI 發展嘅產業鏈

作為一個經常接觸科技資訊嘅內容編輯，整合咗以上兩份重量級報告後，我總結咗以下 5 個實用心得：

### **1\. 科技發展冇「免費午餐」**

我哋平時免費或者俾月費使用 AI 服務，睇落好似只係消耗咗極少數據流量，但背後嘅實體資源消耗驚人。理解呢一點，有助我哋更理性咁看待科技產品，明白每一次運算都有其隱藏成本。

### **2\. 千億產業鏈帶來嘅投資啟示**

應付 AI 需求絕對唔只係晶片廠（例如 Nvidia）嘅專利。根據 McKinsey 預測，高達 5.2 萬億美元嘅投資將會流入五大板塊：

- **硬件開發商（3.1 萬億美元）：** 製造 GPU、CPU 及記憶體。
- **能源與冷卻設備商（1.3 萬億美元）：** 建設發電廠、電網同創新冷卻系統。
- **建築與地產商（8000 億美元）：** 獲取土地同建設實體數據中心。呢個龐大嘅產業鏈，反映出 AI 帶動嘅係整個基礎工業嘅升級。

### **3\. 選址與氣候嘅矛盾**

目前有超過 500 個新建嘅 AI 數據中心，選擇坐落喺美國較為乾旱嘅地區（例如德州）。預計到 2040 年，數據中心將佔德州總耗水量近 9%。喺乾旱地區建廠會加劇當地居民嘅用水壓力，呢個係業界必須正視嘅社會責任問題。

### **4\. 硬件創新係唯一出路**

報告指出，單靠軟件層面嘅優化未必能夠抵銷全球對 AI 爆發性增長嘅需求。長遠嚟講，我哋需要更具突破性嘅硬件設計（例如浸沒式液冷技術 Immersion Cooling、或者耗電量更低嘅神經網絡架構），先可以喺算力同環保之間取得平衡。

### **5\. 作為用家嘅心態調整**

知道咗 ChatGPT 咁耗水，係咪代表我哋以後唔好用？其實又唔需要太過極端。個人層面「罷用」AI 對於整體大局嘅影響微乎其微。我哋應該做嘅，係保持知情權，喺企業層面鼓勵公司選用具備透明度、承諾水資源中和（Water Positive）嘅雲端服務供應商。

## 實用 Q&A（10條必睇問題）

**Q1: 用 ChatGPT 生成一封 Email 大約會用幾多水？**

根據 ACM 報告，處理一個中等長度嘅對話（約 800 字輸入，300 字輸出），AI 大約需要消耗 500 毫升嘅水。

**Q2: 點解電腦運算會消耗水資源？**

主要原因係數據中心嘅伺服器喺運作時會產生高溫，需要依賴冷卻塔蒸發水分去散熱；同時，為數據中心供電嘅發電廠喺發電過程中亦需要用水冷卻。

**Q3: 科技企業喺 AI 數據中心嘅投資規模有幾大？**

McKinsey 預測，去到 2030 年，全球為咗應付 AI 運算需求，將需要高達 5.2 萬億美元嘅資本開支。

**Q4: 咩係 Scope 1、Scope 2 同 Scope 3 耗水量？**

Scope 1 指數據中心現場冷卻直接蒸發嘅水；Scope 2 指供電設施喺發電時消耗嘅水；Scope 3 指供應鏈（例如製造晶片同伺服器）背後消耗嘅水。

**Q5: Google 嘅數據中心一年用幾多水？**

根據 2023 年數據，Google 旗下數據中心僅現場冷卻就消耗咗 230 億公升淡水，數量足以媲美一間大型飲品製造商。

**Q6: 點解唔全面改用「風冷」（空氣冷卻）去代替「水冷」？**

風冷受天氣限制好大。當室外氣溫過高或者濕度不符時，純風冷嘅效率極低，最終仍然需要依賴水分蒸發嚟協助降溫。

**Q7: 「減碳」同「慳水」可以同時做到嗎？**

好多時會出現衝突。日間有豐富太陽能（低碳），但氣溫高需要多水散熱（高耗水）；夜晚氣溫低（慳水），但可能要依賴化石燃料發電（高碳排）。

**Q8: AI 數據中心建喺邊度影響最大？**

如果建喺水資源豐富且氣候寒冷嘅地區（例如北歐），耗水量會相對較低。相反，如果建喺經常乾旱嘅地區（例如美國德州），就會嚴重增加當地供水壓力。

**Q9: 我哋作為普通市民，減少用 AI 有冇實質幫助？**

個人層面減少使用影響極微，因為全球每日有超過十億人使用 AI，而且大部分算力需求來自企業級應用。了解問題並推動業界提高透明度反而更重要。

**Q10: 業界有咩具體解決方案去減少 AI 耗水？**

建議方案包括：提高水資源消耗透明度、將非緊急嘅 AI 訓練排程到氣溫較低或非用水繁忙時間進行、開發更節能嘅晶片，以及增加水資源回收率。

## 客觀總結

AI 無疑係未來十年推動生產力嘅核心引擎，但一切創新都建基於實實在在嘅自然資源同基礎設施之上。從上述數據可以清楚見到，5.2 萬億美元嘅投資規模背後，隱藏住龐大嘅水電消耗挑戰。作為一般用家或者企業管理者，我哋無需因為環保代價而因噎廢食，完全拒絕使用 AI；但同時，我哋絕對有必要清楚了解科技背後嘅真實成本。當業界追求更高算力嘅時候，如何透過技術突破去解決水資源分配同減碳之間嘅矛盾，將會係下一波科技競賽中最關鍵嘅一環。