AI 数据中心浪潮背后的水处理挑战：冷却架构、再生水、浓缩循环与浓水管理如何决定超大规模数据中心的真实水足迹

执行摘要

AI 基础设施正在把数据中心的水问题从传统的“公用工程优化”推向选址、热管理、水化学、污水许可与能源系统共同约束的基础设施问题。美国 EPA 于 2026 年 4 月发布的 Water Reuse Action Plan 2.0 已把“扩大再生水在工业及数据中心冷却中的使用”列为明确行动方向；Water Research Foundation 也已启动专门针对数据中心与水务行业关系以及非蒸发冷却的研究项目。这说明数据中心用水已从企业 ESG 议题进入水务规划与监管层面的正式议程。

与此同时，Berkeley Lab 2026 年更新报告预计，美国数据中心到 2030 年可能消耗约 649 TWh/年电力，占美国总用电约 11.8%，情景范围为 9.5%–15.3%。2025 年 Berkeley Lab 的另一项同行评审研究则发现，不同数据中心工作负载的水消耗差异可以超过 10,000 倍；服务器效率、电网水耗、利用率、冷却方式、设施效率和气候区都属于决定因素。这意味着“一个 AI 数据中心每年耗多少水”并不存在脱离地点和冷却架构的统一答案。

本报告建立了一个统一的 300 MW IT 连续负荷工程模型，以 Northern Virginia/Loudoun、Dallas–Fort Worth, Texas 和 Phoenix, Arizona 为代表场址。为避免将并不存在的具体项目数据伪装成实测值，以下三地的原水离子组成、全年蒸发冷却占比及部分膜系统回收率均明确列为工程假设；模型的价值在于比较机制和数量级，而不是替代项目的 12 个月水质分析、ASHRAE 气象设计数据、膜投影软件和许可审查。

在一个“仍大量依靠湿式热排放”的基准架构中，假定 300 MW IT 负荷、330 MW 平均需排热负荷，Virginia、Texas、Arizona 的年蒸发热排放份额分别取 60%、75%、90%。计算得到年蒸发耗水约为：

场址	假设年蒸发热排放比例	年蒸发量	蒸发本身折算 WUE
Northern Virginia	60%	2.57 GL/y	0.98 L/kWh-IT
Dallas–Fort Worth	75%	3.21 GL/y	1.22 L/kWh-IT
Phoenix	90%	3.85 GL/y	1.47 L/kWh-IT

这些数值不是三地现有数据中心的实际 WUE，而是本报告用于比较 COC 与水化学的湿式冷却基准情景。现实中的最新 hyperscaler 已经能够显著低于这一水平：微软报告其全球平均 WUE 从早期 2.3 L/kWh 降至 2025 年的 0.27 L/kWh；AWS 报告约 0.12 L/kWh；微软和 ASHRAE 都在推动 warm-water direct-to-chip 与 dry cooler，使新建 AI 设施在合适气候下接近零蒸发冷却水。这反过来说明，本报告的塔式模型更应该理解为“湿式系统暴露上限/传统设计比较基线”，而非 2026 年最先进设计的目标值。

对于仍采用冷却塔的系统，COC 是水量与水化学之间最重要的控制变量之一。忽略漂水和泄漏时：

$$COC \approx \frac{M}{B}$$ $$B=\frac{E}{COC-1}$$ $$M=E+B=E\frac{COC}{COC-1}$$

其中 $M$ 为补给水、$E$ 为蒸发、$B$ 为排污。DOE 指出很多系统运行在约 2–4 COC，但经过适当水处理后 6 COC 或更高可能实现；从 3 提高到 6 COC，补给水约减少 20%，排污约减少 50%。然而 COC 提高会同步浓缩溶解盐，因此真正的上限通常不是冷却塔本身，而是水化学和材料体系。

本模型得到一个非常重要的结果：从 COC 3 提到 5 的节水价值远大于从 5 提到 8。 对任一固定蒸发负荷，补水量分别是蒸发量的 1.50、1.25 和 1.143 倍，而排污量分别是 0.50、0.25 和 0.143 倍。COC 3→5 可减少约 16.7% 补水和 50% 排污；COC 5→8 只再减少约 8.6% 补水，却可能显著提高 silica、chloride、hardness、alkalinity、TOC 和营养盐带来的风险。因此，“把 COC 做到最高”通常不是合理的优化目标；更好的目标是找到总成本、用水、化学风险、排污许可与能源的最优 COC。DOE 与 EPA 的冷却塔指导同样强调，最高可运行 COC 必须由补给水质和水处理方案共同决定。

再生水也不应被简单理解成“低成本替代饮用水”。它最大的优势是避免占用 potable water；例如 Loudoun Water 已明确供应 reclaimed water 用于冷却塔，其 Broad Run Water Reclamation Facility 采用 MBR、活性炭和 UV，且受严格氮、磷、TKN 和 COD 限值约束。这说明高等级再生水完全可以成为优秀的冷却补给水源。但再生水质量高度取决于污水厂和管网，不能仅凭“reclaimed”这个标签推断水质。

反过来，一些再生水可能具有更高 chloride、sulfate、alkalinity、silica、TOC、NH₄-N 和微生物/营养盐负荷。在 COC 5–8 时，即使入口浓度并不高，这些组分也会集中到可能影响换热器、冷却塔填料和材料兼容性的区间。EPA 的冷却塔管理资料将 pH、alkalinity、conductivity、hardness、microbial growth、biocide 和 corrosion inhibitor 视为关键控制变量，并给出 silica 100 mg/L、chloride 250 mg/L 等传统筛选值；这些值不应当作普遍适用的材料极限，但足以说明高 COC 设计为什么必须从完整水分析开始。

在本报告的假设 Arizona reclaimed-water 情景中，入口 SiO₂ 为 20 mg/L、Cl⁻ 为 160 mg/L；按“未发生反应的保守浓缩上限”计算，COC 5 时分别达到约 100 和 800 mg/L，COC 8 时达到 160 和 1,280 mg/L。此时继续提高 COC 已不再是单纯节水，而是在将问题转化为 silica scaling、chloride-driven corrosion、硬度结垢以及浓水处置问题。

更关键的是，预处理本身也可以增加取水和浓水量。以 Phoenix 基准情景 COC 8 为例，冷却塔只需要约 4.405 GL/y 补给水、产生约 0.551 GL/y blowdown；但如果为了提高水质而将全部补给水通过一个假定 80% recovery 的 RO 系统，则原水需求会上升至约 5.51 GL/y，并在冷却塔之前先产生约 1.10 GL/y RO concentrate。因此“RO + 高 COC”并不自动等于最低环境影响；在很多情况下，选择性软化/NF、侧流处理、部分 RO + bypass 比全流量 RO 更合理。WRF 长期研究 industrial reclaimed water 的核心思路正是 fit-for-purpose treatment，而不是把所有工业回用水处理成近似纯水。

对新建 300 MW 级 AI 园区，本报告的总体工程判断是：

最优解通常不是“寻找最多的水”，而是首先设计一个不需要大量蒸发水的热架构，然后让水处理解决剩余的、真正必要的湿式冷却负荷。

ASHRAE 2026 AI Data Center Framework 已将 direct-to-chip 视为 AI/HPC 的主流方向，并指出 warm-water、chiller-less 架构可在很多气候下实现接近零冷却耗水；微软也明确承认，从 evaporative cooling 转向机械/干式排热会带来一定 PUE 能耗代价，但较高液冷温度能够显著缓和这一惩罚。真正合理的设计目标因此应同时优化 site water、source water、PUE、water chemistry、排污量和当地水资源压力，而不能只优化 WUE 或 PUE 中的任意一个。

研究方法、边界条件与数据来源

系统边界

本研究把数据中心水问题划分为三个边界：

Boundary A — Site water：

$$W_{site}=W_{cooling}+W_{humidification}+W_{domestic}+W_{treatment\,loss}$$

这里重点研究 cooling 与 treatment losses。

Boundary B — Source water：

$$W_{source} = W_{site} + E_{facility}\times I_{grid,water}$$

其中 $I_{grid,water}$ 是供电系统的 water-consumption intensity。Berkeley Lab 的工作特别重要，因为它指出，电网水耗因子甚至排在 cooling technology 之前，是 workload-level water footprint 的主要决定因素之一。换句话说，一个把现场 WUE 降到接近零、却显著提高电耗并依赖高耗水电源的设施，并不一定把总水足迹降到了最低。

Boundary C — Watershed / discharge：

除了取水，还包括：

$$\text{Blowdown} + \text{RO/NF reject} + \text{regeneration waste} + \text{chemical residuals}$$

这一步决定“节水”究竟是真的避免消耗，还是把水问题转移成高盐 wastewater/brine disposal。

Figure G — Site water 不是 Source water；评价零现场蒸发时仍需要核算电力系统的上游水足迹。

基准热负荷模型

统一假设：

参数	本研究取值	性质
IT load	300 MW	用户指定
运行时间	8,760 h/y	假设全年恒负荷
IT energy	2.628 TWh/y	计算值
湿式系统需排热基准	330 MW	假设：IT × 1.10
水汽化潜热	2.43 MJ/kg ≈ 0.675 kWh/kg	工程热力学取值
drift/leak	忽略	良好维护条件下的简化
Virginia wet-heat share	60%	情景假设
Texas wet-heat share	75%	情景假设
Arizona wet-heat share	90%	情景假设

EPA 的水量平衡同样将 cooling-tower makeup 定义为 evaporation + blowdown + drift + leakage；对于漂水和泄漏受到良好控制的系统，可以近似为 evaporation + blowdown。本研究据此忽略后两项。

全年全部采用蒸发排热时：

$$E_{100\%} = \frac{330,000\ kW\times8,760h} {0.675\ kWh/kg}$$ $$E_{100\%}\approx4.283\times10^9 L/y =4.283\ GL/y$$

因此：

$$E_{site}=4.283\times f_{wet}$$

必须强调，60%、75%、90% 并不是三地任何真实 hyperscaler 的公开运行数据，而是为了捕捉Virginia 较多 economizer/dry operation 机会、Texas 更长高温季、Phoenix 热干气候下湿式排热极具热力学吸引力而设置的比较情景。真正项目应使用 ASHRAE Weather Data Center 的逐时 dry-bulb/wet-bulb 数据重新模拟。ASHRAE 当前气象数据库覆盖超过 12,000 个地点，而同行评审研究也表明 PUE/WUE 必须同时按气候区和冷却技术建模。

为什么不直接使用 hyperscaler 的公开 WUE 放大到 300 MW

因为企业 WUE 通常是整个 fleet 或特定 reporting boundary 的统计值，而本研究需要拆出 evaporation、blowdown 和 water-treatment reject。

现实 benchmark 对“结果是否合理”有价值，但不适合作为水化学质量平衡的唯一输入。微软报告 2025 年平均 WUE 0.27 L/kWh，AWS 报告约 0.12 L/kWh；Google 则明确表示，其选址会权衡 responsibly sourced water、carbon-free electricity 与 cooling method。不同公司的边界条件和基础设施结构并不完全相同，因此不应把这些数值直接当成某个 hypothetical 300 MW campus 的设计指标。

Google 2026 Environmental Report 同时报告，其 2025 年水资源项目补充约 7.7 billion gallons，约等于其 freshwater consumption 的 78%；这类“water replenishment”属于 watershed stewardship 指标，与现场冷却塔的瞬时水量、水质和排污能力是不同的工程问题。

核心过程模型

这个流程中的关键工程思想是：冷却架构应该位于水处理设计的上游，而不是反过来。 如果 D2C + warm-water dry heat rejection 已经把 80%–95% 热量从蒸发系统中移走，那么水处理厂规模、blowdown 流量和排污许可压力都会随之下降。ASHRAE 已明确将 CDU、IT-side loop、facility-side loop、dry cooler、adiabatic system 和 heat-reuse interface 视为 AI liquid-cooling 整体热控制系统的一部分。

冷却技术、水源和水化学如何耦合

四种冷却架构并不是简单的“水多/水少”关系

冷却方式	现场耗水	冷却能耗	气候敏感性	AI 高热流密度能力	水处理需求	CAPEX/OPEX 特征
传统空气冷却 + chiller/dry rejection	低	中–高	高；高环境温度时机械制冷惩罚大	较弱	HVAC 水系统较简单	IT 兼容性好；机械设备和风机/chiller OPEX 较高
Evaporative / cooling tower	高	通常较低	极高，受 wet-bulb 影响	取决于二次冷却架构	最高：scale/corrosion/biofouling	塔本体成熟；持续水、药剂、排污成本
Direct-to-chip + CDU	取决于最终 heat rejection；dry 可接近零	低	温水设计可显著降低气候敏感性	很强	闭式 loop 需严格 coolant chemistry；开放塔若存在仍需水处理	初始液冷基础设施较高；泵送/制冷 OPEX 较低
Immersion	dry rejection 时极低	低	较低	极强	无开放 IT-side 水路，但介电液兼容性复杂	初始设备/介电液/维护生态成本较高

ASHRAE 2026 AI Framework 指出 D2C 已成为 AI/HPC 的主导液冷方向，并认为 warm-water、chiller-less cooling 在很多气候条件下能够使冷却耗水接近零；immersion 则需要解决 dielectric fluid compatibility 和 tank-integrated heat exchanger 等问题。中国近期研究也得到相似方向性结论：液冷与适当冷源组合可以增加自然冷源利用时间并降低 PUE，但成本、泄漏风险、标准和人员技能仍是部署障碍。

Google 公开说明选择 water cooling 的原因之一，是它相较 chiller/air conditioning 可以降低冷却能耗；微软则从另一侧验证了同一个 tradeoff：取消 evaporative cooling 会增加机械冷却功率，但较高的 chip-level coolant temperature 可以通过 economizing 来抵消一部分增量。因此**“水冷一定更环保”与“零水冷却一定更环保”都不是严谨结论**。

下面的图只表示方向性，不代表行业平均数值：

实际点位会因 dry-bulb、wet-bulb、IT supply temperature、PUE、冷水机效率和冗余架构而移动；图中的坐标仅用于展示 tradeoff。Berkeley Lab 的结论正是“不存在单一最小水耗方案”，必须按 site constraints 组合优化。

Potable 与 reclaimed water 真正的区别在“变异性”和“离子谱”

把 potable 与 reclaimed 简化成“干净水”和“脏水”是不正确的。

Loudoun Water 是很好的反例。Broad Run WRF 使用 screening、primary clarification、2 mm fine screening、equalization、MBR、activated carbon 和 UV，且受到 TN 3 mg/L、TP 0.1 mg/L、TKN 1 mg/L、COD 10 mg/L 等严格排放要求；其 reclaimed water 明确用于包括冷却塔在内的非饮用场景。因此高度处理的 reclaimed water 在 turbidity、悬浮物和营养盐方面完全可能优于某些传统水源。

工程上真正应比较的是：

$$\text{Ca, Mg, alkalinity, SO}_4, Cl, SiO_2, PO_4, NH_4, TOC, TSS, SDI, conductivity$$

再加：

$$pH,\ temperature,\ microbial\ activity, oxidant\ demand,\ seasonal\ variability$$

WRF 对 municipal reclaimed water 用于工业冷却/锅炉的研究强调的也是 fit-for-purpose treatment：根据最终用途针对性去除污染物并比较成本，而不是默认采用单一处理标准。

COC 为什么同时是节水工具和风险放大器

在不考虑析出、生物降解、气体交换和化学反应时，保守组分近似：

$$C_{circulating}\approx C_{makeup}\times COC$$

因此：

但这个关系对各参数的实际行为并不完全成立：

Cl⁻、Na⁺ 等通常最接近保守浓缩；Ca²⁺、HCO₃⁻ 与 SO₄²⁻ 一旦开始结垢会低于线性预测；HCO₃⁻ 还会受 CO₂ 脱气、pH 和 CaCO₃ 沉淀影响；NH₄⁺ 会发生 nitrification/stripping；TOC 会被生物利用、氧化或吸附；silica 则可能经历聚合、共沉淀及 Mg/Al interaction。

因此下面的离子计算应理解成：

“如果没有化学反应，循环水最多会走到哪里”的 screening upper bound，绝不是实际运行水样预测。

DOE 和 EPA 都明确指出，高 COC 必须在水化学约束下确定，而不能只根据水量优化。

Scaling、corrosion 和 biofouling 是耦合故障

这三种风险不是相互独立的。

矿物 scale 会增加表面粗糙度，为微生物附着创造环境；biofilm 又会形成局部缺氧、改变局部 pH/ORP，促进 under-deposit corrosion；腐蚀产物进一步成为沉积物或与 silica/phosphate 形成复杂污垢。CDC 因此明确把 scale、corrosion、sediment 和 system cleaning 同时列入 cooling-tower Legionella 风险控制，并指出 biofilm、temperature、water age、disinfectant residual 是 Legionella 增殖的重要因素。

换热器最终看到的不是“单一 CaCO₃ scale”，而可能是：

$$\text{Mineral scale} + \text{corrosion products} + \text{biofilm} + \text{suspended solids} + \text{organic foulants}$$

形成一个复合 fouling layer。其后果是：

$$U_{fouled}^{-1} = U_{clean}^{-1} + R_f$$

即 fouling resistance $R_f$ 上升后，总传热系数下降，进而需要更低冷却温度、更高流量或更多风机/chiller 功率，最后把一个水化学问题转变成 PUE 问题。

三个 300 MW 场址的工程计算

水量结果

利用前述蒸发模型，以及：

$$B=\frac{E}{COC-1}, \qquad M=\frac{E\cdot COC}{COC-1}$$

得到：

场址	COC	Evaporation GL/y	Blowdown GL/y	Makeup GL/y	Makeup 平均 MGD
Virginia	3	2.570	1.285	3.854	2.790
Virginia	5	2.570	0.642	3.212	2.325
Virginia	8	2.570	0.367	2.937	2.125
Texas	3	3.212	1.606	4.818	3.487
Texas	5	3.212	0.803	4.015	2.906
Texas	8	3.212	0.459	3.671	2.657
Arizona	3	3.854	1.927	5.782	4.184
Arizona	5	3.854	0.964	4.818	3.487
Arizona	8	3.854	0.551	4.405	3.188

DOE 的 COC 关系给出了同样的规律：提高 COC 在低循环数阶段非常有效，但收益逐渐递减。

Figure A — 同一 COC 下，系统水量规模主要由仍需蒸发排放的热负荷决定。

归一化后更明显：

COC	Makeup / Evaporation	Blowdown / Evaporation
2	2.000	1.000
3	1.500	0.500
4	1.333	0.333
5	1.250	0.250
6	1.200	0.200
8	1.143	0.143
10	1.111	0.111

这说明为什么COC 3→5 往往是高价值优化，而 COC 5→8 必须接受严格的化学经济性审查。

三地假设补给水水质

以下不是当地水务公司的实测年报，而是为情景计算设定的工程代表值，单位均为 mg/L；NH₄ 以 N 计。

场址/水源	Ca	Mg	HCO₃	SO₄	Cl	SiO₂	TOC	NH₄-N
VA potable	40	10	90	35	25	8	2.0	0.05
VA reclaimed	45	12	100	45	50	10	4.0	0.5
TX potable	65	15	140	60	70	12	2.5	0.05
TX reclaimed	70	18	150	80	100	14	6.0	1.0
AZ potable	75	25	180	90	120	18	2.5	0.05
AZ reclaimed	85	28	190	110	160	20	7.0	1.5

这些数据的设计意图不是声称“Arizona reclaimed water 必然比 Virginia 咸”，而是测试一个合理的敏感度场景。实际项目必须至少使用连续 12 个月、最好包含 95th-percentile water quality的数据，而不是 annual average。

Figure C — 这是无反应条件下的保守浓缩筛选上限，不是实际冷却循环水预测值。

尤其是 Virginia，真实 Loudoun reclaimed water 可能因 Broad Run WRF 的 MBR + activated carbon + UV 深度处理而明显优于一般“secondary effluent”假设，因此 AtlasWTS 正文中应明确把上述表格标成 illustrative chemistry。

Virginia：水资源基础设施相对成熟，真正优势是可获得高等级再生水

对 assumed reclaimed makeup：

参数 mg/L	Makeup	COC 3 理论值	COC 5 理论值	COC 8 理论值
Ca	45	135	225	360
Mg	12	36	60	96
HCO₃	100	300	500	800
SO₄	45	135	225	360
Cl	50	150	250	400
SiO₂	10	30	50	80
TOC	4	12	20	32
NH₄-N	0.5	1.5	2.5	4.0

到 COC 5，理论 chloride 已约 250 mg/L；到 COC 8 则约 400 mg/L。EPA WaterSense 旧版工程指导中把 250 mg/L Cl 与 100 mg/L silica 作为 cooling-water screening values；这些不是普遍材料失效界限，但说明 COC 8 已进入需要按 metallurgy、温度、pH 和 inhibitor program 做详细评估的范围。

Virginia 最大优势并不只是气候。Loudoun Water 已有 reclaimed-water distribution，并明确支持 cooling tower 使用；而 Broad Run WRF 的 treatment train 和 nutrient/COD limits 表明，这里的替代水源有可能比普通市政再生水更容易处理。因此对于 Loudoun 场景，我不会先上全流量 RO，而会优先考察：

$$\text{Reclaimed} \rightarrow \text{UF/side-stream filtration as needed} \rightarrow \text{selective softening} \rightarrow \text{chemical conditioning}$$

并把 COC 4–6 作为第一轮 pilot optimization 区间。Loudoun Water 本身已说明使用 reclaimed water 可以减少饮用水需求和取水压力。

工程判断：Virginia 是三个案例中最适合“reclaimed water + moderate/high COC + hybrid wet/dry”组合的场址。

Texas：水量和水化学开始同时变成一级约束

假设 reclaimed water：

参数 mg/L	Makeup	COC 3	COC 5	COC 8
Ca	70	210	350	560
Mg	18	54	90	144
HCO₃	150	450	750	1,200
SO₄	80	240	400	640
Cl	100	300	500	800
SiO₂	14	42	70	112
TOC	6	18	30	48
NH₄-N	1.0	3	5	8

此时 COC 5 已经不是一个可以只靠 conductivity controller 解决的问题。

Ca 与 alkalinity 同时提高意味着 CaCO₃ saturation potential 会快速上升；COC 8 时 silica 的未反应理论浓度超过 100 mg/L 的传统 screening level；Cl 则达到 800 mg/L。更温暖的循环水还会增加 biological control 的难度。EPA 和 CDC 的指导都表明，高 COC、scale/corrosion control 与 microbiological control 必须同时管理。

Texas 因此更适合比较三条路线：

方案 A：COC 3–4 + 低预处理
较高补水和排污，但系统化学简单。

方案 B：softening/NF + COC 5–7
增加 pretreatment CAPEX，但避免把所有单价离子都像 RO 一样去掉。

方案 C：D2C + dry/hybrid rejection
直接削减需要进入开放冷却塔的热负荷。

在 300 MW 规模上，我认为 C 通常比单纯把 B 推向 COC 8–10 更具有长期扩展性。ASHRAE 当前方向也支持利用 warm-water liquid loops 增加 dry-cooling/economizer capability。

Arizona：最明显的 water–energy paradox

假设 reclaimed water：

参数 mg/L	Makeup	COC 3	COC 5	COC 8
Ca	85	255	425	680
Mg	28	84	140	224
HCO₃	190	570	950	1,520
SO₄	110	330	550	880
Cl	160	480	800	1,280
SiO₂	20	60	100	160
TOC	7	21	35	56
NH₄-N	1.5	4.5	7.5	12

这个案例最能揭示“用水效率”与“水处理强度”之间的矛盾。

COC 5 时：

$$Ca=425\ mg/L$$

折算为 CaCO₃ 硬度大约：

$$425\times2.497\approx1,061\ mg/L\ as\ CaCO_3$$

而：

$$SiO_2\approx100\ mg/L$$ $$Cl^-\approx800\ mg/L$$

这些不是“必然结垢/必然腐蚀”的硬阈值，但相对于 EPA WaterSense 提供的传统 screening values 已明显进入高风险区域。

COC 8：

$$SiO_2\rightarrow160\ mg/L$$ $$Cl^-\rightarrow1280\ mg/L$$ $$HCO_3^-\rightarrow1520\ mg/L$$

这时继续依靠 antiscalant 把 COC 往上推，已经不是一个稳健的工程策略。

更有意思的是全流量 RO：

$$M_{tower,COC8}=4.405\ GL/y$$

如果：

$$R_{RO}=80\%$$

则：

$$Feed_{RO} = \frac{4.405}{0.80} = 5.506\ GL/y$$

RO reject：

$$5.506-4.405 = 1.101\ GL/y$$

而 cooling-tower blowdown 本身只有：

$$0.551\ GL/y$$

也就是说，为了减少塔内结垢而采用 full-flow RO，可以制造出约两倍于原 cooling-tower blowdown 的另一股高盐浓水。

Figure E — 全流量 RO 的预处理权衡：它可以显著改善水化学与可靠性，但必须把额外取水和 RO concentrate 一并计入。

RO 的确能够高效去除 salts、silica 和 TOC，商用 brackish-water RO element 的典型 salt rejection 可达到约 99.5% 或更高；NF 则可以优先去除 Ca/Mg 而保留更多单价盐，因此可能以较低能耗实现“足够的软化”，而不是过度处理。

因此 Arizona 最值得研究的不是：

“怎样把 cooling tower 做到 COC 10？”

而是：

“为什么还要让这么多 IT heat 进入 cooling tower？”

微软已选择 Phoenix 作为 zero-water-evaporation 新一代设计的试点地点之一，这与这一工程逻辑是一致的。

三地风险矩阵

以下以本报告假设 reclaimed-water composition、无专门预处理作为 screening baseline：

场址	COC	CaCO₃/硬度结垢	Silica/复合结垢	Cl-/TDS 腐蚀	Biofouling	综合风险
Virginia	3	低–中	低	中	中	中
Virginia	5	中	中	中	中–高	中
Virginia	8	高	中–高	高	高	高
Texas	3	中	中	中–高	中–高	中–高
Texas	5	高	中–高	高	高	高
Texas	8	很高	高	很高	高	很高
Arizona	3	高	中	高	中–高	高
Arizona	5	很高	高	很高	高	很高
Arizona	8	很高	很高	很高	很高	不建议未经强化处理直接运行

这里的 biofouling 评级不能仅通过 TOC/NH₄ 浓度确定。实际风险必须结合 temperature、water age、disinfectant residual、tower geometry 和 biofilm monitoring；CDC 对 cooling towers 的 Legionella 指南特别强调这些参数。

Figure F — “COC 的化学天花板”并不相同；图中评分仅来自本文假设水质的定性筛选，不是通用设计限值。

补给水处理与 Blowdown/Concentrate 管理

最重要的原则是 fit-for-purpose，而不是“处理得越纯越好”

WRF 对 municipal reclaimed water 工业回用研究的价值正在这里：冷却水不是 semiconductor ultrapure water，没有必要把所有离子全部去除。真正的目标应该是：

$$\min \left[ C_{treatment} + C_{chemical} + C_{blowdown} + C_{energy} + C_{risk} \right]$$

而不是：

$$\min(TDS)$$

WRF 对工业回用的研究本身就是按照 cooling/boiler/end-use target 比较技术和成本。

主要补给水处理方案

技术	主要解决什么	典型设计起点*	优势	局限/副产物	最合适情景
Lime / chemical softening	Ca、Mg、alkalinity，部分 silica	pH/剂量按 jar test 和 saturation model 定	大流量成熟；显著提高可运行 COC	sludge、多设备、化学品	高硬度 reclaimed/source water
Na-cycle IX softening	Ca、Mg	以 hardness leakage 和 bed capacity 控制	几乎不增加膜浓水；系统简单	盐水再生；Na/TDS 不下降	中小流量或 polishing
UF	TSS、胶体、微生物、SDI	0.02–0.05 µm；pressurized UF 常 <30 psig，TMP 通常 <14 psig	为 RO/NF 提供稳定水质；适合 reclaimed water	不去除 dissolved salts	reclaimed water、RO pretreatment
NF	Ca、Mg、多价离子、部分 organics	初步 recovery 常可按 75–90% 试算，最终由 projection/pilot 决定	比 RO 更“选择性”；通常更低压力	仍产生 concentrate；Cl/Na 去除较弱	高硬度但无需完整脱盐
RO	TDS、Ca、Mg、SO₄、Cl、silica、TOC	预设计 recovery 70–85% 后再进行膜投影	最强水质稳定化；可大幅提高下游 COC	energy + concentrate；bio/scaling pretreatment	高盐/高 silica 或高要求系统
GAC	TOC、部分微污染物、oxidant	EBCT 常以约 10–20 min 作初步工程起点，必须 pilot	降低有机污染/消毒剂需求	breakthrough、碳更换；可能生物生长	高 TOC reclaimed water
BAC	biodegradable organics、部分 NH₄/有机物	需根据 upstream oxidation、DO、EBCT pilot	降低 biological nutrient load	启动和微生物控制复杂	高等级 reclaimed water
Chemical conditioning	scale、corrosion、biofouling	不应固定一个 ppm；按 pH、SI、ORP、residual 等反馈	CAPEX 最低，可在线调节	化学品、排污许可、失效模式复杂	几乎所有开放塔

* 除 DuPont 已公开参数外，表中 recovery/EBCT 是本报告建议用于 feasibility study 的起始范围，而不是采购规格。

DuPont 的 UF 资料给出的膜孔径约 0.02–0.05 µm，pressurized UF feed pressure 通常低于 30 psig、TMP 一般低于 14 psig；UF 的核心作用是去除颗粒、胶体、细菌等并稳定 RO feed，而不是脱盐。

对于 RO，DuPont 的商业 brackish-water elements 给出 99.5% 或更高的典型 salt rejection，并指出 RO 可以同时降低 silica、dissolved solids 和 TOC；NF 则特别适用于无需高 NaCl rejection、但希望去除 Ca/Mg 的 softening 情景。

这意味着数据中心尤其值得考虑：

$$\boxed{ \text{Partial NF/RO + bypass} }$$

例如只有 50% makeup 通过 NF，再与未经膜处理的另一半混合：

$$C_{blend} = 0.5C_{NF} + 0.5C_{raw}$$

这往往能够把 hardness/silica 降到允许 COC 5–6 的区域，同时避免 full-flow RO 的取水与 concentrate penalty。

推荐的三种 treatment train archetype

低风险 potable / 高等级 reclaimed：

$$\text{Source} \rightarrow \text{side-stream filtration} \rightarrow \text{chemical conditioning} \rightarrow \text{tower}$$

适合 Virginia 中等 COC。

中高硬度 reclaimed：

$$\text{Reclaimed} \rightarrow UF \rightarrow \text{softening or NF} \rightarrow \text{chemical conditioning} \rightarrow COC\,5{-}7$$

更适合 Texas。

高 TDS / silica / water-stressed site：

$$\text{Reclaimed} \rightarrow UF \rightarrow \text{partial NF/RO} \rightarrow \text{blend} \rightarrow \text{small wet trim load}$$

但对于 Arizona，我更倾向进一步把 thermal architecture 改成：

$$\text{D2C warm-water} \rightarrow \text{dry cooler} \rightarrow \text{adiabatic trim only during extremes}$$

而不是建设越来越复杂的 full-flow water treatment plant。ASHRAE 和微软当前路线都指向这种设计。

Blowdown 并不会因为叫“再生水”就变得容易排放

Blowdown 中包含的质量负荷来自补水：

$$\dot m_i = Q_M C_{M,i} - \text{precipitation/consumption}$$

提高 COC 降低了 blowdown 的体积，但提高了它的浓度。

因此 COC 越高：

• sewer hydraulic load ↓
• salt concentration ↑
• silica/hardness precipitation risk ↑
• pretreatment complexity ↑
• downstream RO recovery potential ↓
• ZLD feed becomes more difficult

这就是“水量效率”和“concentrate manageability”之间的第二个悖论。

排污与浓水去向比较

路径	适用条件	能耗	CAPEX	主要优势	主要风险
Municipal sewer/POTW	有容量且满足 local limits	低	低	最简单	TDS、chloride、temperature、biocide/metal permit；utility capacity
Deep-well injection	地质与 UIC permit 合适	低–中	中–高	可处理高盐流	许可、井完整性、长期 liability、地理受限
Evaporation pond	干旱、土地丰富	太阳能驱动，运行能耗低	土地/liner 较高	简单、适合高 salinity	占地大、渗漏、鸟类/生态、雨季容量
MLD	水稀缺但 ZLD 不经济	中–高	高	高回收率、残液量很小	最终浓水仍需去向
ZLD	排液接近不可接受	高	很高	几乎消除 liquid discharge	能耗、scale、材料、运维复杂
Brine crystallization	必须得到固体盐	最高	很高	真正实现固液终端	energy、scaling、salt purity/disposal

EPA 的 UIC 体系将 injection wells 按用途划分类别，并明确指出 deep injection 长期用于 brine 和工业废液处置；这不是一个可以在场址比较后期才考虑的简单“排水管”，而是选址和许可约束。

近期关于 cooling-tower blowdown 的研究则越来越重视 MLD，因为完全 ZLD 成本和能源强度都很高；2025 年 ACS 研究直接把 MLD 描述为相对于昂贵、energy-intensive ZLD 更实际的替代方向。

一项针对循环冷却水 ZLD 的工程模型研究报告过约 10.43 kWh/m³ treated water 的特定 ZLD 情景，并约为其对应 MLD 情景能耗的 1.93 倍；这个数字不能直接套用数据中心，但它很好地说明，最后几个百分点的 water recovery 往往具有非常高的边际能源成本。

因此：

“Zero Liquid Discharge”不是“zero environmental impact”。

它更准确的含义是：

$$\text{liquid discharge} \rightarrow \text{electricity + chemicals + solids}$$

在 Arizona 这种场址，若为了维持大型湿式冷却而先建设 RO，再为了处理 RO reject 和 tower blowdown 建设 ZLD，就有可能出现一种反常系统：

为了节约水，先用大量设备处理水；
为了处理这些设备制造的浓水，再消耗大量电力。

这正是设计阶段应该避免的 architecture lock-in。

生命周期水–能权衡与场址工程决策框架

Site WUE 不是完整答案

传统：

$$WUE_{site} = \frac{W_{site}}{E_{IT}}$$

但更完整的指标应至少增加：

$$WUE_{source} = \frac{ W_{site} + E_{facility}\times I_{grid,water} }{ E_{IT} }$$

Berkeley Lab 发现 electrical-grid water consumption factor 是导致 workload water use 差异的重要决定因素之一，因此“现场零水”必须与电力来源一起评价。

举一个纯粹的敏感性示例。

如果两个 300 MW IT 方案的 PUE 分别为：

$$1.10,\quad1.20$$

其年设施用电差：

$$2.628\times(1.20-1.10) = 0.2628\ TWh$$

即：

$$262.8\ GWh/y$$

假如边际电力的 water-consumption intensity 为假设的：

$$0.5\ L/kWh$$

则多出的 source-water footprint 为：

$$262.8\times10^6\times0.5 = 131.4\ ML/y$$

若电网水强度为 1 L/kWh，则是约 263 ML/y。

这说明 mechanical/dry cooling 的额外 source water 有时可能达到不能忽略的数量级，但仍可能远小于一个大型 cooling tower 每年数 GL 的直接蒸发。因此“零水设计一定把水耗转移到电网”也不能笼统成立——必须实际计算。

企业实践正在向“动态 tradeoff”而不是单一技术收敛

AWS 表示正在扩大 reclaimed water 使用，并称其已在 24 个 data centers 使用 recycled water，计划到 2030 年扩大到美国超过 120 个地点；微软则推进 closed-loop、zero-water-evaporation design；Google 明确采用 climate-conscious cooling，在水资源和 carbon-free energy 之间进行场址级权衡。这些公司的技术路径并不完全相同，但共同点是：冷却策略正在逐渐从 fleet-wide standard design 变为 site-specific optimization。

建议给场址工程师的决策流程

第一步不应该问“水厂做多大”，而应该问：

多少 IT heat 真正有必要通过蒸发排走？

ASHRAE 当前 AI/HPC 指南已经把 D2C warm-water loop 和 dry rejection 放到了架构层面，而不是当成后期 retrofit。

第二步，建立四条同时运行的模型：

$$Thermal\ Model$$ $$Water\ Balance$$ $$Water\ Chemistry$$ $$Residuals/Permit\ Model$$

而不是单独优化 cooling plant。

第三步，收集 source water 至少全年季节性数据，并重点用 90th/95th percentile 而非平均值评估：

$$Ca,\ Mg,\ alkalinity,\ SiO_2,\ SO_4,\ Cl,\ TOC,\ NH_4,\ TSS,\ conductivity$$

如果 reclaimed source 来自多座污水厂，还必须分析 source switching。

第四步，定义 material-specific chemistry limits，而不是一个统一的“最大 TDS”。例如：

$$SI_{CaCO_3}$$ $$SI_{CaSO_4}$$ $$[SiO_2]$$ $$[Cl^-]$$ $$pH$$ $$ORP$$

以及 metallurgy-specific corrosion constraint。

第五步才优化：

$$COC^*$$

推荐目标函数可以写成：

$$\boxed{ \min J= C_{annualized} +\lambda_1 W_{fresh} +\lambda_2 E +\lambda_3 W_{source} +\lambda_4 R_{chemistry} +\lambda_5 R_{permit} }$$

约束条件：

$$SI_i \le SI_{i,max}$$ $$Cl^- \le Cl^-_{material}$$ $$SiO_2 \le SiO_{2,max}$$ $$Q_{discharge}\le Q_{permit}$$ $$C_{discharge,i}\le C_{permit,i}$$

这个数学结构会产生一个很重要的工程结果：

最佳 COC 通常不是最大 COC。

三地推荐方向

项目	Virginia	Texas	Arizona
首选热架构	D2C + hybrid dry/wet	D2C + dry/hybrid	warm-water D2C + predominantly dry
Wet cooling role	可作为较大辅助系统	peak/seasonal	尽量作为 trim/peak system
Makeup source	reclaimed 优先	reclaimed/alternative source 优先	reclaimed/non-potable 强优先
初始 COC 优化区间	4–6	4–6，经软化后再试更高	不应先追求高 COC
首选 pretreatment	filtration/softening as required	UF + softening/NF	partial NF/RO 或湿式负荷削减
Full-flow RO	多数情况下不首选	水质决定	谨慎
Blowdown strategy	sewer/reuse 较现实	sewer/MLD/site-specific	MLD/pond/injection/site-specific
最大结构性风险	biofouling + chloride at high COC	scale + salt + summer demand	water availability + silica + chloride + concentrate

其中 Virginia 的 reclaimed-water 优势有 Loudoun Water 的现实基础；Arizona 的 dry/D2C 优先级则与微软已宣布在 Phoenix 尝试 zero-water-evaporation design 的方向一致。

一个更合理的“下一代数据中心水处理”理念

传统逻辑：

$$\text{Data Center} \rightarrow \text{Huge Cooling Tower} \rightarrow \text{Find Water} \rightarrow \text{Treat Water} \rightarrow \text{Handle Blowdown}$$

下一代逻辑应该变成：

$$\boxed{ \text{Minimize Evaporative Heat Load First} }$$

↓

$$\text{Use Lowest-Value Suitable Water}$$

↓

$$\text{Treat Only What Chemistry Requires}$$

↓

$$\text{Optimize COC, Don't Maximize It}$$

↓

$$\text{Design Residuals Management Before Finalizing Recovery}$$

这与 EPA WRAP 2.0 推动工业/数据中心再生水、ASHRAE 推动 warm-water liquid cooling，以及 WRF 对 non-evaporative cooling 和 data-center/water-utility economics 的研究方向能够很好地衔接。

关键资料与延伸阅读

• Lawrence Berkeley National Laboratory. United States Data Center Energy Usage Report: 2025 Update。
• Lawrence Berkeley National Laboratory. The water use of data center workloads: A review and assessment of key determinants。
• U.S. EPA. Water Reuse Action Plan 2.0，其中 Action 3.10 专门涉及工业及数据中心冷却再生水。
• ASHRAE. AI Data Center Framework — Integrated Design Principles。
• ASHRAE. AI Data Center Framework — Energy and Thermal Efficiency。
• Microsoft. Inside Microsoft’s two-decade push to cut water intensity while scaling for growth。
• Amazon. Water stewardship。
• Loudoun Water. Water Reclamation / Broad Run Water Reclamation Facility。
• U.S. Department of Energy. Cooling Water Efficiency Opportunities for Federal Data Centers 与 Best Management Practice 10: Cooling Tower Management。
• CDC. Controlling Legionella in Cooling Towers。
• Water Research Foundation. Treating Municipal Reclaimed Water for Multipurpose Industrial Reuse Applications。
• Water Research Foundation. Advancing Non-Evaporative Cooling Technologies in the CII Sector。
• DuPont Water Solutions. Nanofiltration (NF) 与 Brackish Water Reverse Osmosis Solutions。
• U.S. EPA. General Information About Injection Wells。