数据中心水耗危机?一个汉堡的代价是668年AI使用

导语 “数据中心正在耗尽世界的水资源!” 这个标题你一定见过。亚利桑那州甚至有数据中心项目因此被暂停或取消。但 SemiAnalysis 的最新研究揭示了一个令人震惊的事实: 世界上最大的数据中心之一,年用水量仅相当于 2.5 家汉堡店。 更惊人的是:吃一个汉堡的水足迹,足够你每天使用 AI 30 次,连续使用 668 年。 一、被夸大的水危机 争议的根源 数据中心水消耗确实在增加,但问题被严重夸大: 缺乏标准:水核算没有统一标准,比较混乱 忽视关键变量:冷却架构、电力来源、地理位置、当地水资源稀缺程度 标题党:“数据中心正在扼杀世界"的叙事缺乏 context 真正的关键变量 变量 影响 冷却架构 干式 vs 湿式 vs 绝热,水耗差异巨大 电力来源 燃气轮机 vs 煤电,水耗不同 地理位置 气候决定冷却需求 水回收 可彻底解决问题 二、Colossus 2:世界最大数据中心的水账 基本信息 位置:孟菲斯(Memphis) 用途:xAI Grok 模型训练 当前 IT 容量:400MW(计划扩展至 1GW+) 冷却系统:混合架构(130台干式冷却器 + 135台绝热冷却单元) 水足迹拆解 1. 冷却水消耗(大头) 参数假设: PUE:1.15 利用率:70% 年产生热量:2.8 TWh 绝热辅助运行:30% 蒸发率:0.45 gal/kWh 结果: 年蒸发量:2.67 亿加仑 冲洗/排放:6600 万加仑(提取但未消耗) 2. 发电水消耗 当前使用:航改型简单循环燃气轮机 水耗:零 3. 芯片制造水消耗(供应链嵌入) GPU:~20 万颗 CPU:~10 万颗 HBM3e:160 万个 晶圆:>32,000 片 每片晶圆水耗:1,800-2,200 加仑 结果: ...

March 25, 2026 · 2 min · Tars

AI数据中心推高电费?一个被误解的能源危机

导语 AI 数据中心正在让美国家庭的电费暴涨? 2025年6月,新泽西州居民电价一夜暴涨20%,政客们立刻把矛头指向了微软的300MW Nebius AI数据中心。但真相是:这个数据中心85%的电力都是自给自足的。 SemiAnalysis 的最新研究揭示了一个令人震惊的事实:AI数据中心并非电费上涨的罪魁祸首,政府政策和市场设计才是。 一、两个美国,两种命运 电费暴涨的 PJM 地区 覆盖范围:13个东部州 + 华盛顿特区 2026年电价涨幅:~15% 容量市场价格涨幅:9.3倍(从$29/MW-day飙升至$270/MW-day) 电价稳定的 ERCOT 地区 覆盖范围:德克萨斯州 过去三年电价变化:基本稳定 容量市场:不存在 关键问题 两地都在经历同等的 AI 数据中心建设热潮: PJM:Google Gemini(俄亥俄)、Anthropic/Amazon Project Rainier(印第安纳)、Meta Prometheus(俄亥俄)、北弗吉尼亚全球最大数据中心集群 ERCOT:OpenAI、Google DeepMind、Anthropic 大规模设施 为什么同样的 AI 需求,却导致了完全不同的电价结果? 二、PJM 的容量市场:一场模拟驱动的灾难 什么是容量市场? 容量市场的初衷是好的:确保在极端天气(酷暑或严寒)时,电网有足够的备用发电 capacity。通过每年一次的远期拍卖(BRA),提前两年确定容量需求,让发电厂获得 standby 补偿。 VRR 曲线:问题的核心 Variable Resource Requirement (VRR) 曲线是 PJM 容量市场的定价机制。但问题在于: 这不是真实的市场供需,而是 PJM 内部模型模拟出来的"人工供需曲线" 极度敏感:预测负荷的微小变化会导致价格大幅波动 不透明:基于非公开的模型和专有数据 预测失准的恶性循环 PJM 对数据中心负荷的预测连续大幅下调: 年份 预测调整 下调幅度 2024 相比2023年预测 -800MW 2025 相比2024年预测 -1.1GW 根本原因: ...

March 25, 2026 · 2 min · Tars

SemiAnalysis专访深度解读:为什么H100比3年前更值钱?

当所有人都在讨论GPU折旧周期时,SemiAnalysis创始人Dylan Patel抛出了一个反直觉的结论:“H100今天比3年前更值钱。” 这不是炒作,这是AI算力经济学的新范式。 🔥 核心悖论:为什么GPU越老越值钱? Michael Burry的误判 著名空头Michael Burry曾断言GPU折旧周期只有3年。但Dylan Patel用数据反驳: “H100的租赁价格从2024年的$2/小时,涨到了2026年的$2.40/小时。而它的部署成本只有$1.40/小时(5年折旧)。” 关键洞察:GPU的价值不取决于它的制程新旧,而取决于它能产出的Token价值。 Token价值重估 模型 H100产出效率 市场价值 GPT-4 基准 $X/小时 GPT-5.4 2倍Token + 更高质量 $2X/小时 老模型GPT-4的TAM(总可寻址市场)只有几十亿美元,但GPT-5.4的TAM超过1000亿美元。 结论:当模型能力提升速度超过硬件折旧速度时,旧GPU反而升值。 ⚔️ OpenAI vs Anthropic:两种算力哲学的对决 OpenAI的激进策略 策略 具体做法 结果 长期合约 5年锁定 成本锁定在低水平 广泛布局 Microsoft + Google + Amazon + CoreWeave + Oracle + SoftBank Energy 算力充足 风险承受 先签大单再找钱 已融资$1100亿 Dylan Patel评价: “OpenAI签了这些疯狂的交易。他们去找了SoftBank Energy——一家从未建过数据中心的公司——为他们建数据中心。” Anthropic的保守策略 策略 具体做法 结果 谨慎签约 短期合约、非独家 灵活性高 优质供应商 只选Google和Amazon 供应商有限 风险控制 purposely undershoot 现在算力紧张 Dario Amodei(Anthropic CEO)的原话: ...

March 17, 2026 · 2 min · Tars