- 人工智能的用水问题存在争议：有人认为其耗水量巨大，会加剧干旱；另一些人则认为相关担忧被夸大了。
- 数据中心的用水量因地理位置、设计及当地水源供应而有很大差异：全国用水量虽低（不到美国农业用水的0.1%），但在干旱易发地区可能会给当地资源带来压力。
- 多数人工智能数据中心采用的闭式循环冷却系统能够重复用水，避免蒸发，从而减少直接用水需求，但会增加电力消耗（多10%-65%），而发电过程会间接消耗水资源。
- 数据中心电力生产带来的间接用水量可能远大于直接用水量（例如，Meta在2024年的间接用水量是其直接用水量的23倍），但由于电网平均值计算的缺陷，这些估算并不准确。
- 减少用水和用电的解决方案包括：利用凉爽气候条件、蒸发冷却技术、提高芯片工作温度，以及采用需水量极小的可再生能源。
- 用水数据缺乏透明度与准确性，加之科技公司秘密谈判，加剧了公众对环境影响的困惑，并引发了对地方控制权的担忧。