صرح سام ألتمان، الرئيس التنفيذي لشركة OpenAI، علنًا أن المتوسط استخدامات استعلام ChatGPT ≈0.000085 جالون من الماء (حوالي الملاعق 0.32(حوالي واحد على خمسة عشر من ملعقة صغيرة) و ≈0.34 واط/ساعة من الكهرباء لكل استعلام. هذا الرقم لكل استعلام، عند ضربه على نطاق واسع، يصبح ذا معنى، لكنه يبقى أقل بكثير مما زعمته العديد من العناوين المثيرة للقلق سابقًا. المقدمة أنت تقبل افتراضات ألتمان حول استهلاك الطاقة لكل استعلام وكفاءة استخدام المياه في مراكز البيانات التي تخدم ChatGPT. تُنتج التحليلات المستقلة التي تستخدم افتراضات مختلفة (وخاصةً قيم فعالية استخدام المياه المختلفة) أرقامًا قد تكون أعلى أو أقل بعدة مرات.
ما هي كمية المياه التي يستخدمها استعلام ChatGPT واحد فعليًا؟
ما قاله OpenAI (ورئيسها التنفيذي)
في تصريحات عامة، قدم الرئيس التنفيذي لشركة OpenAI والمتحدثون باسمها رقمًا صغيرًا جدًا للمياه لكل استعلام: تقريبًا 0.32 مليلتر لكل استعلام، والذي يتحول إلى حوالي غالون 0.000085 (≈8.45×10⁻⁵ غالون). هذا يعادل تقريبًا واحدًا على خمسة عشر من ملعقة صغيرة من الماء لكل استعلام، وهو الرقم الأكثر استخدامًا عندما تحاول الشركات إثبات التأثير الهامشي الضئيل للتفاعلات الفردية.
لماذا تختلف التقديرات المستقلة
ويستخدم الباحثون المستقلون والمنظمات غير الحكومية نهجًا مختلفًا: إذ يقومون بتقدير الطاقة الكهربائية المستهلكة لكل استعلام، ثم يضربونها في كثافة المياه (الماء المُستخدَم لكل وحدة كهرباء) للحصول على رقم المياه لكل استعلام. هناك نوعان شائعان من المدخلات:
- الطاقة لكل استعلام. تشير العديد من التقديرات الفنية إلى أن استجابات نمط ChatGPT تقع في نطاق 2-4 واط في الساعة (Wh) لكل استعلام (2.9 واط في الساعة هو تقدير مركزي شائع الاستشهاد به). وهذا يعني 0.0029 كيلوواط ساعة لكل استعلام.
- كثافة المياه (WUE / المياه لكل كيلوواط ساعة). تختلف مقاييس مراكز البيانات باختلاف التصميم والمنطقة. يُستشهد عادةً بمتوسط كفاءة استخدام المياه (WUE) على مستوى الصناعة. 1.8 لتر لكل كيلوواط ساعة (≈0.475 جالون/كيلوواط ساعة) — ولكن القيم المقاسة تتراوح على نطاق واسع (من ما يقرب من الصفر بالنسبة لأنظمة الهواء ذات الحلقة المغلقة إلى عدة لترات لكل كيلوواط/ساعة بالنسبة للأنظمة التبخيرية عند الإبلاغ عنها على أنها استهلاك أو سحب).
يؤدي جمع هذه العناصر معًا إلى تحويل مباشر:
- باستخدام 2.9 واط/ساعة/استعلام (0.0029 كيلوواط/ساعة) و 1.8 لتر / كيلوواط ساعة → 0.00522 لتر/استعلام = الملاعق 5.22 ≈ غالون 0.00138 لكل استعلام.
هذا التقدير القائم على الطاقة (~5 مل / 0.0014 جالون) هو أكبر من رقم الاستعلام لكل شركة OpenAI بعشر مرات (٠٫٣٢ مل). تُفسر معظم هذه الفجوة الافتراضات المختلفة حول الطاقة لكل استعلام، وفعالية استخدام المياه، وما إذا كان ينبغي تضمين المياه غير المباشرة من توليد الطاقة، والجزء المخصص من النموذج (التدريب أم الاستدلال) "لاستعلام". انظر أدناه للاطلاع على النطاقات وتحليل الحساسية.
كيف تقوم أنظمة تبريد مراكز البيانات بترجمة الكهرباء إلى استخدام المياه؟
ماذا يعني "استخدام المياه": الاستهلاك مقابل السحب
يمكن أن تعني عبارة "المياه المستخدمة بواسطة مركز البيانات" أشياء مختلفة:
- الاستهلاك في الموقع (المتبخر): المياه التي تتبخر في أبراج التبريد/الأنظمة الكظمية ولا تعود إلى المسطحات المائية المحلية. عادةً ما يكون هذا هو العامل الأكثر تأثيرًا على الإجهاد المائي المحلي.
- انسحاب: المياه المأخوذة من مصدر (نهر، بحيرة، طبقة مائية جوفية) ثم تُعاد لاحقًا (ربما بدرجة حرارة أعلى أو معالجة كيميائيًا). قد يكون السحب كبيرًا حتى في ظل انخفاض الاستهلاك.
- المياه غير المباشرة (المضمنة في الكهرباء): المياه المستخدمة لإنتاج الكهرباء التي تُشغّل مركز البيانات (محطات الطاقة الحرارية، والطاقة الكهرومائية، وغيرها). تُضيف العديد من دراسات دورة الحياة هذه المعلومة.
تستخدم التقارير والهيئات التنظيمية تركيبات مختلفة من هذه المقاييس. يُستخدم على نطاق واسع مقياس استهلاك المياه (WUE) (عدد اللترات المستهلكة لكل كيلوواط/ساعة من طاقة تكنولوجيا المعلومات) كمؤشر عملي ذي دلالة محلية؛ أما في مناقشات دورة الحياة والسياسات، فغالبًا ما تُضاف المياه غير المباشرة الناتجة عن توليد الكهرباء.
تقنيات التبريد وكثافة المياه
أهمية نهج التبريد:
- تبريد الهواء / تبريد الماء في حلقة مغلقة يمكن أن يكون للأنظمة استهلاك منخفض جدًا للمياه في الموقع (قريبة من الصفر WUE) ولكن استخدام أعلى للطاقة الكهربائية ونسبة أعلى من المياه المضمنة في الكهرباء.
- التبريد التبخيري / أبراج التبريد (شائع حيث تكون تكاليف الكهرباء أو الكفاءة هي المحرك للاختيارات) تستهلك المياه حسب التصميم؛ وقد تم توثيق المرافق الكبيرة لاستخدامها ملايين الجالونات يوميا في المناطق الحارة والجافة.
وقد وثقت مراجعة دقيقة (Nature/npj Clean Water) أن قيم الاستهلاك تتفاوت على نطاق واسع - من ما يقرب من الصفر إلى 4.4 لتر لكل كيلوواط ساعة (ويمكن أن تكون عمليات السحب أكبر بكثير) حسب التصميم والمناخ. هذا التباين هو السبب الرئيسي وراء تجاوز أرقام المياه لكل استعلام مرتبتين من حيث الحجم.
كم جالونًا يوميًا / سنويًا يستهلك ChatGPT على نطاق واسع؟
حساب السيناريوهات - الافتراضات الشفافة
دعونا نحسب ثلاثة سيناريوهات لـ صورة واحدة؟ استعلام ChatGPT باستخدام المدخلات المذكورة بشكل شائع، ثم قم بالتوسع إلى الإجماليات اليومية بافتراض أحجام استعلامات افتراضية.
المدخلات
- الطاقة لكل استعلام: 2.9 واط = 0.0029 كيلوواط ساعة (تقدير مركزي).
- شدة المياه (ثلاث حالات):
- انخفاض WUE: 0.2 لتر/كيلوواط ساعة (أنظمة مغلقة عالية الكفاءة في استخدام المياه).
- متوسط WUE للصناعة: 1.8 لتر/كيلوواط ساعة (معيار مستخدم على نطاق واسع).
- ارتفاع WUE: 4.4 لتر/كيلوواط ساعة (الحد الأقصى الذي لوحظ في الأدبيات).
نتائج لكل استعلام (لتر وجالون):
- WUE منخفض (0.2 لتر/كيلووات ساعة): 0.0029 × 0.2 = و0.00058 = 0.58 مل ≈ 0.000153 غال.
- متوسط WUE (1.8 لتر/كيلووات ساعة): 0.0029 × 1.8 = و0.00522 = 5.22 مل ≈ 0.00138 غال.
- ارتفاع WUE (4.4 لتر/كيلوواط ساعة): 0.0029 × 4.4 = و0.01276 = 12.76 مل ≈ 0.00337 غال.
(التحويلات: 1 لتر = 1000 مل؛ 1 لتر = 0.264172 جالون.)
مثال مقيس (إذا كان ChatGPT يتعامل مع مليار استعلام يوميًا):
- كفاءة استخدام الماء منخفضة: 0.58 مل × 1e9 ≈ 580,000 لترات / يوم ≈ 153,000 جالون/يوم.
- متوسط WUE: 5.22 مل × 1e9 ≈ 5.22 مليون لتر/يوم ≈ 1.38 مليون جالون/يوم.
- كفاءة استخدام المياه العالية: 12.76 مل × 1e9 ≈ 12.76 مليون لتر/يوم ≈ 3.37 مليون جالون/يوم.
هذه أرقام توضيحية معقولة - فهي توضح أن يمكن أن يكون الاستخدام الكلي للمياه مفيدًا حتى عندما تكون أرقام الاستعلام لكل استعلام صغيرةتظهر التقارير الأخيرة أن مجموعات المرافق الضخمة تستهلك بالفعل مئات الملايين إلى مليارات الجالونات سنويًا في بعض المناطق.
لماذا التدريب مقابل الاستدلال مهمان
هناك مؤهلان إضافيان ضروريان:
- نماذج التدريب تستهلك عملية إنشاء النموذج (وهي عملية لمرة واحدة) طاقة هائلة، وبالتالي قد تُخلف بصمة مائية كبيرة، ولكن يُوزّع هذا الاستهلاك على العديد من استعلامات الاستدلال المستقبلية. تقديرات التدريب خاصة بالنموذج، وغالبًا ما تكون أكبر بكثير من بصمة الاستدلال لكل استعلام.
- الإستنباط (الاستجابات اليومية التي يراها المستخدمون) هي التكلفة المتكررة وتركيز الحسابات لكل استعلام أعلاه.
إن التقارير التي تمزج بين التدريب والاستدلال دون تخصيص واضح ستُبالغ في تقدير أثر كل استعلام؛ وعلى العكس، فإن تجاهل التدريب يُقلل من أثر عمر النموذج. تُحدد التحليلات المستقلة بدقة ما تتضمنه.
ما هي كمية المياه التي يستهلكها تدريب نموذج كبير (مثل GPT-3/4)؟
يُعد تدريب نماذج المحولات الكبيرة نشاطًا فرديًا أكثر استهلاكًا للمياه من مجرد الإجابة على أسئلة فردية. وقد قدّر تحليلٌ بارزٌ، خضع لمراجعة الأقران/قبل الطباعة، أجراه لي وآخرون (2023) أن تدريب GPT-3 في مراكز البيانات الضخمة في الولايات المتحدة، قد تبخر مباشرة حوالي 700,000 لتر من المياه العذبة (≈ ~185,000 جالون) خلال فترة التدريب - وتوقعوا سحبًا للمياه مرتبطًا بالذكاء الاصطناعي بمليارات الأمتار المكعبة بحلول منتصف عشرينيات القرن الحالي إذا استمرت هذه التوجهات. يُظهر هذا المثال أن التدريب قادر على منافسة أشهر عديدة من وقت التشغيل من حيث استهلاك المياه المطلق. arXiv
تنبع كثافة استهلاك المياه في التدريب من عمليات تشغيل طويلة ومتواصلة وعالية الاستخدام على مجموعات وحدات معالجة رسومية كثيفة، بالإضافة إلى أنظمة تبريد تعتمد - حسب التصميم - على استهلاك كبير للمياه المتبخرة. التدريب متقطع ولكنه واسع النطاق؛ والاستنتاج مستمر ولكنه صغير لكل وحدة. ويحددان معًا البصمة المائية للنموذج طوال حياته.
لماذا التدريب متعطش جداً؟
- المدة والشدة: يمكن أن تستمر عمليات التدريب لأيام أو أسابيع عند استخدام الطاقة القصوى تقريبًا.
- تدفق الحرارة العالية: تخلق وحدات معالجة الرسوميات والتغليف حرارة مركزة، وهو ما يتطلب في كثير من الأحيان تبريدًا فعالًا (وأحيانًا بمساعدة الماء).
- مقياس: قد يتطلب تدريب النماذج الحديثة آلاف وحدات معالجة الرسوميات في رفوف مجمعة.
- القيود الإقليمية: إن نفس مجموعة التدريب في منطقة تعاني من ندرة المياه باستخدام التبريد التبخيري أسوأ بكثير بالنسبة للإجهاد المائي المحلي من مجموعة يتم تبريدها بواسطة مبردات جافة في مناخ بارد.
ما هي الأخبار الأخيرة التي تؤثر على البصمة المائية لـChatGPT؟
توسيع البنية التحتية لـ OpenAI واختيارات الموقع
تُظهر التقارير الأخيرة أن شركة OpenAI تسعى بنشاط إلى مشاريع بنية تحتية ضخمة، بما في ذلك خطاب نوايا رفيع المستوى لمشروع مركز بيانات كبير في الأرجنتين - وهو مشروع من شأنه، في حال تنفيذه، أن يُركز عمليات الحوسبة بشكل كبير في منطقة واحدة، ويُغير ديناميكيات المياه والطاقة الإقليمية. الموقع عامل مهم: فالمناطق الساحلية أو الرطبة، وإمكانية الوصول إلى المياه المُعاد تدويرها، واللوائح المحلية، كلها عوامل تُشكل كفاءة استخدام المياه.
تتجه الصناعة نحو تصميمات ذات مستويات مياه أقل
يقوم كبار مزودي الخدمات السحابية بطرح تصميمات مراكز البيانات الموفرة للمياه:نشرت شركة Microsoft خططًا ودراسات حالة حول التصميمات من الجيل التالي التي يمكنها تشغيل أحمال عمل الذكاء الاصطناعي مع مياه التبخر في الموقع قريبة من الصفر من خلال اعتماد التبريد على مستوى الشريحة وابتكارات أخرى (أُعلن عنها في الفترة 2024-2025). يمكن لهذه المسارات الهندسية أن تُقلل بشكل ملموس من البصمة المائية لكل استعلام مع مرور الوقت، إذا ما تم اعتمادها على نطاق واسع.
الخاتمة
سؤال "كم جالونًا" بسيطٌ بشكلٍ خادع. رقمٌ لكل استعلامٍ مثل غالون 0.000085 إنها صغيرة بشكل مشجع وتساعد في توصيل فكرة أن الخدمات السحابية الحديثة تعمل على تحسين استهلاك الطاقة والمياه - ولكنها قطعة واحدة فقط حل اللغز. تتعلق القصة الأكبر بالاستهلاك التراكمي، والآثار طويلة المدى للتدريب، ومواقع المنشآت الكبيرة. تتفق الأبحاث المستقلة (لي وآخرون)، وتقارير المختبرات الحكومية (مختبر لورانس بيركلي الوطني)، والتعليقات الحديثة للقطاع الصناعي (ألتمان)، جميعها على نفس النتيجة العملية: يمكن إدارة البصمة المائية للذكاء الاصطناعي - ولكن فقط من خلال تحسين الشفافية، وخيارات التبريد الذكية، وكفاءة تصميم النماذج، ومواءمة السياسات لحماية موارد المياه المحلية.
للبدء، استكشف نموذج ChatGPT مثل GPT-5 برو قدراتها في ملعب واستشر دليل واجهة برمجة التطبيقات للحصول على تعليمات مفصلة. قبل الدخول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. كوميت ايه بي اي عرض سعر أقل بكثير من السعر الرسمي لمساعدتك على التكامل.
هل أنت مستعد للذهاب؟→ سجل في CometAPI اليوم !