一杯啤酒 = 5.3 万次 ChatGPT 查询：全球 AI 水耗与饮料对比

AI 系统运行与训练需要消耗大量水资源。一项整合多份学术论文与厂商披露数据的研究，以「等价饮料」的方式将 ChatGPT 单次查询的耗水量进行直观换算，并对比了 2025 年全球 AI 与美国各类饮料的年度水耗。结果显示，即便采用最激进的统计口径，AI 全年用水量仍远低于美国饮料消费总量。

单次查询的耗水量：不同口径差异巨大

不同来源给出的「每次 ChatGPT 查询耗水量」相差超过 100 倍，差异几乎完全来自统计边界的选择：

• OpenAI 与 Google 仅统计数据中心冷却环节，每次查询约 0.26–0.32 毫升；
• 若加入发电环节的耗水，2025 年的高效模型约为 2 毫升（Jegham 等）；
• 对大模型做完整生命周期评估，每次响应可达 45 毫升（Mistral）。

按 2 毫升的中间口径计算，生产一杯啤酒所消耗的水约等于 53,300 次普通 ChatGPT 查询；若按 OpenAI 仅计冷却的口径，可放大到 331,000 次；即便按最宽的 45 毫升生命周期口径，一杯啤酒仍覆盖 2,000 次以上查询。

全球 AI 年耗水 vs 美国八大饮料

• 2026 年发表于《Patterns》的论文估算，2025 年全球所有 AI 系统合计水耗约为 3,125 亿–7,646 亿升；
• 美国八类饮料（啤酒、葡萄酒、果汁、咖啡、茶、牛奶、苏打水、瓶装水等）合计约 75.6 万亿升/年；
• 二者比值约为 99–242 倍，即 AI 总耗水量仍不到美国饮料的 1%；
• 联合国大学独立研究交叉验证约为 0.9 万亿升，与上述区间一致。

2026 年外推与「代理化」带来的变量

2026 年全球 AI 水耗按算力 1.5 倍增速外推，约为 4,688 亿–1.1 万亿升，与饮料的差距缩小但仍领先数十倍（已发表增速区间为 1.3–2.45 倍）。与此同时，传统「每次查询」的中位数统计已难以反映真实使用：

• 推理模型单次响应 token 数约为普通聊天的 10 倍；
• 多智能体代理一次任务需多次调用，token 量可达普通聊天的约 15 倍（Epoch、Jegham 等、Anthropic 数据）；
• 按此换算，53,300 次查询 ≈ 5,330 次推理响应 ≈ 3,550 次代理任务。

单任务水耗上升的同时，每个任务所完成的工作量也大幅增加。

方法论与数据边界

• AI 年耗水：基于 de Vries-Gao（Patterns, 2026）从各数据中心披露数据向上建模得出，覆盖全球；LBNL 单独给出美国 2023 年全部数据中心约 170 亿加仑的现场用水量。
• 饮料水耗：采用 Mekonnen & Hoekstra（2011、2012）的同行评审作物与动物水足迹数据，涵盖绿水、蓝水与灰水；咖啡与茶按豆/叶重量而非杯体积计算；苏打水取 Ercin 等（2011）169–309 升的下限。
• 需注意的边界：瓶装水与自来水仅按 1.39 L/L 设施比例或一杯体积计算，未计入作物水耗，与作物类饮料相比偏低；烈酒引用行业数据，作物文献认为其可能低估；Li & Ren 的 2027 年外推测量的是取水量而非耗水量，因定义不同未纳入对比。