WUE（Water Usage Effectiveness）

3 秒看懂

WUE = 数据中心年用水量 ÷ IT 设备年耗电量（单位：升/kWh）。数值越低越节水，0 代表不消耗水。它是衡量数据中心”每供一度电给服务器，要烧掉多少升水”的核心指标，在 AI 算力爆发、全球水危机叠加的背景下，正成为继 PUE 之后数据中心最关键的 ESG 考核尺。

3 分钟产业解释

为什么数据中心要”喝水”？

数据中心本质是”把电变成热”的设施。服务器产生巨大热量，必须通过冷却系统排出。传统方案中，蒸发冷却（冷却塔） 是最常见、最经济的散热方式——水蒸发时吸收大量汽化热，效率远高于纯风冷。但代价是：每蒸发 1 升水，就永久消耗 1 升水资源。

WUE 的核心公式

WUE = 年度现场总用水量（升）/ IT 设备年耗电量（kWh）

• 分子：冷却塔蒸发损耗 + 加湿补水 + 其他辅助用水（清洗、生活用水等）
• 分母：仅计算供给 IT 设备（服务器、存储、网络）的电力，不含冷却、照明等基础设施用电
• 分母不含基础设施用电，这一点与 PUE 的分母口径一致，便于跨指标对比

行业基准认知

⚠️ 以上为行业公开报告与企业可持续发展报告中的公开披露数据区间，非精确基准线。各地区气候差异、冷却方案差异导致 WUE 变化很大。

AI 时代为什么 WUE 突然”出圈”？

• 算力密度飙升：单个 AI 训练集群功耗可达数十 MW 级，冷却需求倍增
• 学术研究引发公众关注：UC Riverside Ren 等人 2023 年论文《Making AI Less “Thirsty”》估算 GPT-3 训练阶段耗水约 70 万升（含发电间接用水），引发广泛讨论——该数字基于模型方法论假设，存在争议但推动了行业关注
• 选址矛盾：水价便宜、气候凉爽的地区往往也是水资源紧张地区（如美国亚利桑那、中国内蒙古）

15 分钟专家深入

WUE 的诞生背景

WUE 由 The Green Grid（全球知名的数据中心能效行业联盟，也是 PUE 指标的发明者）于 2011 年正式发布。此后被纳入 ISO 30134-3 国际标准，成为全球通用的数据中心水资源效率评估指标。

三种 WUE 口径

The Green Grid 在发布 WUE 时实际定义了三种口径，业界最常用的是 WUE Site：

WUE Source 的重要性

WUE Site 只看”数据中心围墙内”的水消耗。但发电本身（尤其是火电、核电）也是用水大户。WUE Source 将间接用水纳入：

WUE Source = WUE Site + (PUE - 1) × 发电侧水耗因子

这意味着：即使数据中心现场 WUE = 0（全风冷），如果用的是火电，其 WUE Source 仍然可能为正数。

水的消耗类型

数据中心用水全景图
├── 直接用水（计入 WUE Site）
│   ├── 蒸发冷却塔（蒸发损耗，占主体，约 80-90%）
│   ├── 加湿系统（干冷地区需要补充湿度）
│   ├── 反渗透/水处理系统（排污损耗）
│   └── 生活用水（人员饮用、清洁）
│
└── 间接用水（仅计入 WUE Source）
    ├── 火力发电（冷却水蒸发、锅炉补水）
    ├── 核电（大量冷却水需求）
    └── 可再生能源（水电站蒸发损耗、光伏板清洗）

WUE 与 PUE 的关系

PUE（Power Usage Effectiveness）衡量的是电力效率，WUE 衡量的是水资源效率。两者不必然正相关：

• 某数据中心可能 PUE 很低（电力高效），但使用大量水做冷却（WUE 高）
• 另一种可能：全风冷 PUE 较高（1.4-1.6），但 WUE ≈ 0

最优解是同时优化两者——这正是当前业界追求的目标，但在物理层面存在 trade-off：用水冷换低 PUE，或用高 PUE 换零水耗。

技术原理（最深）

蒸发冷却的物理基础

数据中心冷却的核心热力学过程：

冷却塔工作原理（简化）

  热水（来自服务器液冷回路）──→ 喷淋入塔
                                      │
                                      ▼
                            ┌──────────────────┐
                            │  填料层（增大接触面积）│
                            │                    │
                            │  水 ←── 干燥空气    │
                            │   ↓ 蒸发传热 ↑     │
                            │  吸收汽化热 ≈ 2260  │
                            │  kJ/kg（100°C 时）  │
                            └──────────────────┘
                                      │
                                      ▼
                            冷却水回路 → 服务器
                            湿热空气 → 排出大气
                            蒸发损耗 → 补充新水 ← 这就是 WUE 的分子来源

关键物理量：

• 水的汽化潜热约为 2260 kJ/kg（100°C 时），远高于显热散热能力
• 这就是为什么蒸发冷却效率远高于纯风冷——单位质量的散热能力高出约 500-1000 倍
• 代价是水被”消耗”了（蒸发进入大气，不可回收）

蒸发损耗估算

冷却塔蒸发量的粗估公式：

蒸发水量 ≈ 循环水量 × 蒸发份额（drift + evaporation）

简化估算：
蒸发量（L/h）≈ 冷却负荷（kW）× 0.00085 × ΔT（°C 温差）

注：这是工程经验公式，实际蒸发量受湿球温度、风机效率、填料性能等多因素影响，此处为量级认知用。

干球温度 vs 湿球温度——WUE 的地理密码

• 湿球温度是冷却塔的理论冷却极限（空气的”饱和温度”）
• 湿球温度低的地区（如美国西北部、北欧），冷却塔效率高、补水量少 → WUE 低
• 湿球温度高的地区（如东南亚、中东），冷却塔需要更多水才能达到同样的冷却效果 → WUE 高
• 这就是为什么同样的冷却塔设计，在不同地点 WUE 可以差 2-3 倍

液冷系统对 WUE 的影响路径

                          ┌─ 直接液冷（Direct-to-Chip）
                          │   CPU/GPU 冷板通冷却液
液冷方案 ────│   └─ 末端仍需散热（CDU + 冷却塔 或 干冷器）
              │
              └── 浸没式液冷（Immersion Cooling）
                  全机架浸入介电冷却液
                  └─ 末端散热方式决定最终 WUE
                      ├─ 干冷器（Dry Cooler）→ WUE ≈ 0
                      └─ 冷却塔（Cooling Tower）→ WUE > 0

核心认知：液冷本身不等于零水耗。末端散热方式才是决定 WUE 的关键。

• 使用干冷器（纯风冷散热器）：WUE ≈ 0，但散热效率受限于环境温度，高功耗场景下可能需要更大的散热面积或更高的风扇功耗
• 使用冷却塔：WUE 仍为正，但因为液冷的温差更精准可控，可能比传统风冷的冷却塔更节水

技术演进史

关键趋势：WUE 正从”锦上添花的 ESG 指标”演变为硬约束条件。水资源紧张地区（如亚利桑那、弗吉尼亚北部、中国部分省份）开始将 WUE 纳入项目审批条件。

技术路线对比（量化表）

⚠️ 以上数据为行业报告、厂商白皮书中的公开披露范围，具体数字取决于部署环境、气候条件、规模等因素。CAPEX 为相对于传统风冷基准的增量估计。

上下游

产业链全景

上游（水资源供给与处理）              中游（冷却技术）              下游（应用方）
┌──────────────────┐     ┌───────────────────┐     ┌──────────────────┐
│ 市政供水 / 地下水  │     │ 冷却塔制造商        │     │ 云计算厂商         │
│ 水处理化学品       │ ──→ │ CDU（冷却分配单元）   │ ──→ │ AI 训练平台        │
│ 反渗透膜 / 过滤设备 │     │ 液冷解决方案商       │     │ 超算中心           │
│ 水务基础设施       │     │ 干冷器 / 空冷器      │     │ Colocation IDC    │
│ 水权交易市场       │     │ 监控与管理系统       │     │ 电信运营商机房      │
└──────────────────┘     └───────────────────┘     └──────────────────┘

关键供应商/玩家

关键指标

WUE 本身的度量

关联指标体系

数据中心效率指标矩阵

├── 电力效率 → PUE（Power Usage Effectiveness）
├── 水效率 → WUE（Water Usage Effectiveness）  ← 本文
├── 碳效率 → CUE（Carbon Usage Effectiveness）
├── 废弃物效率 → ERE（Energy Reuse Effectiveness）
└── 综合 → DCeP（Data Center energy Productivity）

供需与市场数据

全球数据中心用水量估算

⚠️ 上述数据为学术论文或行业报告中的估算值，不同方法论得出的数字差异很大。具体数字取决于假设条件（电网类型、冷却效率等），不宜作为精确引用。

水资源约束趋势

• 美国：多个州（亚利桑那、弗吉尼亚、得克萨斯）已出台或讨论数据中心用水限制政策
• 欧盟：企业可持续发展报告指令（CSRD）要求大型企业披露水资源使用
• 中国：部分缺水地区对数据中心项目提出用水效率要求
• 全球趋势：WUE 从自愿 ESG 披露指标 → 硬性合规指标的趋势明显

代表公司与资本映射

云厂商 WUE 表现（来自各企业公开可持续发展报告）

⚠️ 上述数字来自各公司已公开的可持续发展/环境报告。具体数字每年变化，且各公司统计口径可能存在差异。建议参考各公司最新年度 ESG 报告获取准确数据。

WUE 受益标的逻辑

投资逻辑

核心投资论点

1. AI 算力爆发 × 水资源约束 = WUE 优化的结构性需求

• AI 训练/推理集群功率密度远超传统 IT，冷却需求倍增
• 传统蒸发冷却方案在水资源紧张地区面临监管阻力
• 液冷 + 干冷器组合成为兼顾低 PUE 与低 WUE 的技术路径

2. WUE 合规成本上升 → 重塑选址与架构

• 新建数据中心将更多考虑水资源因素
• 可能推高水资源丰富地区的土地/电力成本
• 水处理和回收技术的附加价值上升

3. 间接用水（WUE Source）纳入核算 = 全链路优化

• 可再生能源占比高的地区 WUE Source 更优
• 风电/光伏丰富且水资源充足的地区（如北欧、加拿大魁北克）具备双重优势

风险因素

常见误读纠偏

❌ 误读一：「WUE 为 0 就是完美方案」

纠偏：WUE = 0 只代表现场零水耗，不意味着环境影响为零。

• 全风冷方案通常 PUE 更高（1.4-1.8），意味着更多电力消耗 → 间接用水（WUE Source 可能更高）+ 更多碳排放
• 在水资源充足但电力紧张的地区，适度用水换取更低的 PUE 和碳排放可能是更优的系统性选择
• WUE 和 PUE 之间存在 trade-off，需要系统级优化，不能孤立看待单一指标

❌ 误读二：「液冷一定比风冷省水」

纠偏：液冷降低的是冷却塔的负担，但液冷系统末端的散热方式才决定 WUE。

• 如果液冷系统末端仍用冷却塔散热 → WUE 仍然为正
• 如果液冷系统末端用干冷器 → WUE ≈ 0，但干冷器在炎热环境中散热能力有限，可能需要更大的面积或更多风扇功耗
• 液冷是降低 WUE 的”前提条件”之一，但不是充分条件

❌ 误读三：「AI 训练消耗了天量水资源，是 AI 的原罪」

纠偏：需要区分口径。

• 学术估算中的高水耗数字通常包含间接用水（发电侧），且依赖大量假设（电网类型、发电效率等）
• 实际数据中心现场的直接水耗取决于冷却方案，全风冷或闭环液冷可大幅降低
• 问题的核心不是 AI 本身，而是”在哪里、用什么方案建数据中心”

❌ 误读四：「PUE 好的公司 WUE 一定好」

纠偏：不一定。

• Google 在炎热地区的数据中心可能用大量水蒸发冷却来实现低 PUE → PUE 好但 WUE 高
• 有些数据中心为了追求低 PUE 而大量使用蒸发冷却，WUE 反而不理想
• 两者独立优化，理想状态是双低，但现实中常常此消彼长

学习路径

入门（1-2 小时）

1. 了解 WUE 定义和公式 → The Green Grid 官方文档
2. 阅读 Google / Microsoft 最新年度可持续发展报告中的 WUE 章节
3. 理解 PUE 与 WUE 的区别

进阶（半天-1天）

4. 阅读 ISO 30134-3 标准概要（了解 WUE Site / Source / Corporate 三种口径）
5. 学习冷却塔工作原理和蒸发冷却热力学基础
6. 了解液冷系统架构（冷板式 vs 浸没式）及其 WUE 影响路径

专家级（1-2 周）

7. 研读 Ren et al. (2023) “Making AI Less ‘Thirsty’” 论文（理解 AI 水耗估算方法论及其局限性）
8. 分析不同气候区的湿球温度对冷却效率和 WUE 的量化影响
9. 研究各主要云厂商的 ESG 报告，比较 WUE 口径差异
10. 关注美国各州数据中心用水政策动态（Virginia、Arizona、Texas）
11. 了解水资源定价机制和水权交易市场

推荐阅读顺序

The Green Grid WUE 白皮书 (2011)
    → ISO 30134-3 概要
        → Google/Microsoft ESG 报告
            → "Making AI Less 'Thirsty'" 论文
                → ASHRAE 数据中心冷却指南

一句话总结

WUE 是数据中心”每度电烧掉多少水”的效率标尺，在 AI 算力需求爆炸与全球水资源约束加剧的双重压力下，正从边缘 ESG 指标升级为核心选址与架构决策因子；液冷 + 干冷器是实现 WUE 趋零的主技术路径，但需与 PUE、碳排放做系统级联合优化。

延伸阅读与来源

⚠️ 数据准确性声明：本文中的具体数字均来自上述公开来源或行业估算区间。因联网检索本次未成功获取最新数据，部分数字（尤其是各厂商 WUE 披露值）可能基于较早年度的公开报告。建议读者参考各企业最新年度 ESG/可持续发展报告获取实时数据。所有明确标注 [估算] 或 [学术估算] 的数字均应作为量级参考，而非精确引用。