人工智能技术的发展离不开强大的计算基础设施，尤其是大型数据中心。随着模型规模日益扩大、算力需求持续攀升，数据中心成为人工智能产业链的“心脏”，但也带来一系列资源、能耗与环境方面的挑战。
全球数据中心市场预计将在价值方面实现显著增长，有报告称，到2030年数据中心的市场价值预计将达到4万亿美元。黑石集团去年12月以超过161亿美元的价格收购了澳大利亚数据中心公司（AirTrunk）。这是黑石集团历史上最大的单笔投资。AirTruck是亚太地区最大的数据中心公司，已建成运行的数据中心容量为800 MW。作为对比，阿里巴巴年初宣布要投资￥3800 亿元建设全球云数据网络，微软承诺800 亿美元， 亚马逊1000亿美元，谷歌750亿美元建设数据中心。
电力消耗将随着数据中心的规模而增加。国际能源署 (IEA) 预测，到2030年数据中心的电力消耗将增长一倍以上，达到945 TWh（太瓦时），大致相当于日本目前的用电量。数据中心的电力需求与技术演进密切相关，主要趋势包括：1）单位算力更高效但总体用电量上升； 2) 训练型AI对电力的拉动效应显著：大规模语言模型和多模态模型的训练阶段对算力的需求极高，拉动峰值功率及短时电力消耗; 3) 时空分布的变化：因区域电力价格、可再生能源发电量波动、冷却策略的差异，各地区的峰值用电和日间/夜间用电比重不同；4）对电网的压力与机会：数据中心的灵活性（如休眠、搬迁、时段化调度）可以在一定程度上配合电网可再生能源的波动，缓解高峰负荷并提升需求侧管理能力；5）绿色电力的获得成为数据中心运营的核心议题；6）区域差异：部分能源富裕地区如北美西部、欧洲某些国度及部分亚洲地区，绿色电力资源丰富，数据中心更易实现低碳运行；而能源结构偏化的地区仍以混合电力为主。
除了电力消耗，数据中心建设对金属、建材、用水量的需求及碳排放也要认真考虑。包括：
1）数据中心建设对钢材、铝、铜、铝合金等金属材料的需求强劲，涉及机房结构、机柜、配电系统、冷却设备、UPS、电池储能系统等。全球性需求的增长带动矿产开采、冶炼、加工与运输的环境影响上升。
2）建材方面，混凝土、玻璃、绝缘材料、塑料与复合材料等在数据中心建筑中的占比显著。大规模园区化开发通常伴随土地平整、基础设施配套（供水、排水、电力、通信）与持续维护所需的建材消耗。
3）用水量与水资源影响。水冷系统对用水量的影响显著，尤其在高密度、长时间运行的场景。数据中心在不同气候和水资源条件下，对淡水需求、蒸馏水/去离子水的使用比例有差异。零水排放、闭环冷却、雨水收集与循环用水等策略正在被更多中心采用，以降低对区域水资源的依赖与压力。
4）碳排放与生命周期影响。数据中心的碳排放来自直接用电（电力购买中的碳强度）以及设备制造、材料运输、维护与回收等全生命周期。提高能效、采用低碳电力、推动绿色用水与材料的循环利用，是降低碳排放的核心路径。钢材、混凝土和金属的生产过程本身具有较高的碳排放强度，因此在选址、园区设计、运输路线与供应链管理中，寻求低碳材料替代、区域化供应链与本地化制造有重要意义。
冷却系统是数据中心能效的关键环节，冷却液在其中扮演重要角色。
1） 常用冷却液类型：直接液冷（DLC）系统中常用的冷却液包括水基冷却液、微细导热液、以及二氧化碳冷却等。空气冷却在历史上仍有应用，但在高密度单元数据中心中逐渐被直接液冷替代，以提升散热效率。
2） 冷却液的化学性质：水基液通常具有较高的热导性和比热容，但需关注腐蚀性、生物污染风险、以及电气绝缘性能的稳定性。非水基液（如某些合成油、盐水混合物等）在绝缘性和化学稳定性方面有不同权衡。
3） 环境毒害与安全性：多数现代冷却液在配方设计时会考虑对人体与环境的影响，尽量降低挥发性有机化合物（VOCs）含量、毒性和挥发性对水体的潜在污染风险。但一旦发生泄漏，冷却液的生态毒性、降解性、回收处理难度等需要严格的应急与处置方案。
4） 回收与循环利用：冷却液的生命周期管理日趋重要，回收、净化和再利用可以显著降低资源消耗和环境负担。对某些高性能液体，回收成本与技术难度也较高。
5） 与冷却水系统的耦合：选择水基液还是非水基液，往往需要结合数据中心的机房环境、温控需求、冷却回路设计以及维护成本综合考量。
数据中心用水量与水资源管理：水资源的消耗在数据中心运营中往往被低估，在一些地区（如悉尼）成为制约性因素：
1）水冷与混合制冷的用水量：以水冷为核心的冷却系统会消耗一定量的淡水，特别是在高密度、长时间运行的场景中。
2）零水排放与水资源再利用：一些数据中心采用闭环水冷、雨水收集、循环用水等策略，降低淡水需求，提高水资源利用效率。
3） 地区差异：水资源丰富地区更易采用水冷方案，干旱或水资源紧张地区则倾向于空气冷却或封闭循环系统，并加强水资源管理与回收。
4） 环境与治理关注点：除用水量外，水质管理、废水排放、热水再利用等也需要纳入环境评估，以确保对局部水体和生态系统的影响降到最低。
综合思考与未来方向
1） 全生命周期视角：从矿产开采、材料加工、制造、数据中心运营到回收再利用，需建立全生命周期的资源与环境评估框架，避免局部优化导致全局负担加重。
2） 能效与碳目标协同：通过高效服务器、智能调度、分布式冷却与区域能源协同，提升算力密度的同时降低能耗与碳排放。
3） 创新材料与冷却技术：研发低毒、低环境风险的冷却液，以及更高效的热管理方案，是降低环境负担的重要方向。
4） 政策与产业协同：政府、企业与研究机构应加强数据透明、标准制定与联合投资，推动绿色数据中心的落地与扩张。
5） 公共意识与治理：确保数据中心扩张的社会可接受性，需要在用水、能源、废弃物处理等方面加强公众沟通与治理能力建设。
结语：人工智能的发展无疑带来巨大的社会与经济效益，但背后的资源与环境代价同样不可忽视。通过系统性、跨领域的分析与协同治理，可以在推动技术创新的同时，尽量降低对资源的消耗、减少环境污染，并实现更可持续的数字基础设施建设。
广东省城郊生态环境与低碳农业重点实验室 袁国栋 yuanguodong@zqu.edu.cn
转载本文请联系原作者获取授权，同时请注明本文来自袁国栋科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3507150-1500665.html?mobile=1
收藏
