宁住核电站旁边也不住AI数据中心附近

全球数据中心位置分布，美国断层第一。少数国家承载了全球大部分计算基础设施，而许多地区则处于明显不足或缺位状态 | Statista 2025

这种空间特征，源于多方面因素。首先是激励方面，AI基础设施本身具有经济、国家安全与主权层面的优势，这使得富裕国家更有动力建设更多数据中心。其次是物理条件限制方面，数据中心对基础设施条件很敏感，包括电力供应的稳定性与成本、网络延迟以及整体政策等，这使得倾向于集中建在少数基础设施成熟的地区。而规模效应也在强化这种趋势：算力集群越集中，其运行效率与成本优势往往越明显，因此空间聚集程度像滚雪球一样上升。

但这是一把双刃剑。从现有实践来看，数据中心选址往往优先考虑电力成本、网络延迟与政策环境，而对水资源压力、区域生态承载能力的综合评估仍然较弱。如果把数据中心的选址分布与全球水资源压力图叠加，会发现两者在一些地区存在明显重合：不少正在快速建设数据中心的区域，本身也正面临较高的水资源紧张程度。而这些设施周边的社区，他们承受着直接资源压力，却往往不是AI的主要服务对象。

2018年夏季干旱期间的爱尔兰威克洛郡普拉福卡水库。爱尔兰正围绕都柏林大力扩建高耗能、高耗水的人工智能数据中心基础设施，或将给本就紧张的淡水供应带来更大压力 | Sentinel-2 Imagery

这种压力已经在一些地区造成了显著负担。例如，在爱尔兰，数据中心用电量已经占全国总用电的约21%，超过全部城市家庭用电总和。当地电网运营机构甚至对新数据中心建设进行阶段性限制，以避免电力系统过载。在墨西哥部分地区，数据中心扩张与长期干旱叠加，加剧了本就紧张的水资源压力；在乌拉圭，数据中心用水需求甚至与极端干旱时期的饮用水危机发生重叠。

这与理想中的AI基础设施管理之间，仍然存在明显差距。

联合国的报告认为，一个负责任的AI建设生态应该基于六项原则建立：透明性、设计驱动的效率、环境与社会公平、生命周期责任、全球合作以及可持续使用。