Respuesta corta: el servicio global de ChatGPT probablemente consume del orden de 2 a 160 millones de litros de agua cada día — un rango muy amplio impulsado por la incertidumbre sobre (1) cuánta energía consume un solo aviso, (2) el consumo de agua de los centros de datos y la red eléctrica que los suministra, y (3) cuántos avisos se procesan cada día. Una estimación plausible en un punto intermedio, utilizando datos bien documentados, es ~17 millones de litros por día para aproximadamente 2.5 mil millones de indicaciones por día.
¿Qué queremos decir exactamente con “uso de agua” en ChatGPT?
Uso directo e indirecto del agua
Cuando la gente pregunta "cuánta agua usa ChatGPT", debemos ser explícitos: el servicio de IA en sí (el software) no vierte agua, el agua es consumida por el usuario. infraestructura física que gestiona el servicio. Dos categorías son importantes:
- Uso directo (en el sitio) del agua: Agua utilizada por los sistemas de refrigeración y humidificación de centros de datos (torres de refrigeración por evaporación, enfriadores de agua, humidificadores). Esto se mide comúnmente mediante la métrica de la industria. Eficacia del uso del agua (WUE), que son litros de agua utilizados por kWh de energía de TI consumida. WUE captura refrigeración/humidificación agua consumida en el sitio.
- Uso indirecto (incorporado) de agua: Agua utilizada para generar la electricidad que alimenta los centros de datos (refrigeración termoeléctrica en centrales eléctricas, agua utilizada en la extracción y procesamiento de combustibles, etc.). En algunas regiones y combinaciones energéticas, el agua utilizada para generar 1 kWh de electricidad puede ser considerable. IEEE Spectrum y otros análisis cuantifican la extracción y el consumo de agua por kWh para la generación de electricidad.
Por lo tanto, una estimación defendible de la huella hídrica total suma las dos:
Agua total por kWh = WUE (L/kWh) + intensidad hídrica de la generación de electricidad (L/kWh).
¿Cómo convertir “energía por consulta” en “agua por consulta”?
¿Qué datos son necesarios?
La conversión de energía en agua requiere tres insumos:
- Energía por consulta (Wh/consulta) — ¿Cuántos vatios-hora consume el modelo para responder a una sola pregunta?
- Energía de salida (WUE) (L/kWh) — cuántos litros de agua se consumen por cada kilovatio-hora utilizado en el centro de datos.
- Número de consultas por día — el total de solicitudes procesadas por el servicio.
Agua por consulta (litros) = (Wh/consulta ÷ 1,000) × WUE (L/kWh)
Agua total por día = Agua por consulta × consultas/día
¿Qué tan confiables son esas entradas?
- Consultas/díaLa cifra de 2.5 millones por día de OpenAI es un punto de partida confiable a partir de los informes de la industria, pero los recuentos diarios reales varían según el mes y la zona horaria.
- Energía por consulta: las estimaciones varían enormemente. El director ejecutivo de OpenAI, Sam Altman, afirmó que una consulta promedio de ChatGPT utiliza aproximadamente 0.34 Wh de energía (y comparó el agua por consulta con una fracción de cucharadita). Las estimaciones académicas y de prensa independientes para los modelos de IA modernos y pesados varían desde menos de un vatio-hora hasta Varios o incluso dos dígitos de vatios-hora por consulta, dependiendo de la versión del modelo que atienda la solicitud y de si la estimación incluye gastos generales (enrutamiento, almacenamiento, etc.). Esta variación es una de las principales razones por las que las estimaciones de agua difieren.
- WUE: También varía según el diseño y la ubicación del centro de datos: desde aproximadamente 0.2 L/kWh (muy eficiente, de circuito cerrado, sin evaporación) hasta más de 10 L/kWh en algunas configuraciones evaporativas o instalaciones con bajo consumo de agua. Los análisis internacionales muestran una amplia banda.
Como cada variable tiene incertidumbre, los cambios pequeños se multiplican en totales muy diferentes.
¿Cuánta agua utiliza ChatGPT por día? Ejemplos prácticos con suposiciones plausibles.
A continuación, presento un conjunto de escenarios transparentes utilizando la cifra de 2.5 millones de consultas diarias y las estimaciones de energía y WUE más comunes. Los cálculos son sencillos y reproducibles; muestro los casos bajo, medio y alto para que pueda apreciar la sensibilidad.
Variables del escenario (fuentes y justificación)
- Consultas/día:2.5 mil millones (informe de OpenAI/prensa).
- Opciones de WUE:
- Bajo (el mejor de su clase): 0.206 L/kWh — ejemplos publicados de instalaciones altamente eficientes.
- Promedio: 1.8 L/kWh — promedio de la industria comúnmente citado.
- Alto: 12 L/kWh — Rangos OCDE/industria para geografías/arquitecturas con mayor intensidad de agua.
- Opciones de energía por consulta:
- Bajo (cifra del CEO de OpenAI): 0.34 Wh/consulta (Declaración de Sam Altman)
- Alto (estimación superior de investigación/prensa para los modelos más grandes): 18 Wh/consulta (representativo de instancias de modelos más pesados; utilizado aquí como ilustración de límite superior).
Resultados calculados (casos seleccionados)
Mostraré litros/día y galones/día para facilitar la lectura. (1 litro = 0.264172 galones estadounidenses).
- Bajo consumo energético y bajo consumo energético (optimista)
- WUE = 0.206 L/kWh; energía/consulta = 0.34 Wh
- Agua por consulta ≈ 0.000070 L (≈0.07 mL)
- Total de agua/día ≈ 175,000 L / día (≈ 46,300 galones estadounidenses/día)
- WUE promedio y bajo consumo de energía (Altman + promedio de la industria)
- WUE = 1.8 L/kWh; energía/consulta = 0.34 Wh
- Agua por consulta ≈ 0.000612 L (≈0.61 mL)
- Total de agua/día ≈ 1,530,000 L / día (≈ 404,000 galones / día).
- Energía promedio-WUE y moderada (1–2 Wh/consulta)
- A 1 Wh/consulta → 4,500,000 L / día (≈1,188,774 galones/día).
- A 2 Wh/consulta → 9,000,000 L / día (≈2,377,548 galones/día).
- WUE promedio y alta energía (10 Wh/consulta)
- 45,000,000 L / día (≈11,887,740 galones/día).
- Alto WUE y alta energía (pesimista, peor caso)
- WUE = 12 L/kWh; energía/consulta = 18 Wh/consulta
- Agua por consulta ≈ 0.216 L
- Total de agua/día ≈ 540,000,000 L / día (≈ 143 millones de galones/día)
Estas instantáneas demuestran que cambiar cualquiera de los dos WUE or Wh/consulta Por factores modestos, se obtienen totales muy diferentes. El caso de Altman + WUE promedio (≈1.53 millones de litros/día, ~400 galones/día) es una estimación intermedia plausible si se acepta su cifra de energía por consulta y un WUE promedio de la industria. T
¿Por qué las estimaciones publicadas varían tanto?
Fuentes primarias de incertidumbre
- Energía por aviso (kWh): Depende del tipo de modelo, la longitud de la solicitud y la eficiencia de la inferencia. Las estimaciones varían en un orden de magnitud entre llamadas simples a modelos pequeños y solicitudes multimodales de gran tamaño de estilo GPT-4/GPT-5. Análisis independientes publicados sitúan valores plausibles entre ~1 Wh y ~10 Wh por solicitud.
- WUE (uso de agua en el sitio): Los proveedores modernos de nube a hiperescala invierten fuertemente en diseños de bajo consumo de agua (economizadores de aire, refrigeración líquida de circuito cerrado). Un hiperescalador de clase Microsoft puede alcanzar valores de eficiencia energética muy bajos en muchas ubicaciones (incluso en experimentos de refrigeración sin agua), mientras que las instalaciones más antiguas o con limitaciones de ubicación pueden tener valores de eficiencia energética mucho más altos. Este rango genera gran parte de la incertidumbre.
- Intensidad del agua de la red: La electricidad puede producirse con intensidades hídricas muy diferentes según la combinación energética. Un centro de datos alimentado 100 % con energía fotovoltaica/eólica tiene una huella hídrica indirecta mucho menor que uno alimentado por plantas termoeléctricas que dependen del agua de refrigeración.
- Volumen de tráfico y qué se considera un aviso: Las indicaciones de OpenAI pueden variar: indicaciones breves de una sola pregunta o largas sesiones de intercambio de ideas. La publicación diaria de la cantidad total de indicaciones ayuda a delimitar el problema, pero el tiempo por indicación varía según la duración de la conversación y los servicios auxiliares utilizados.
Debido a la naturaleza multiplicativa del cálculo (energía × intensidad del agua), la incertidumbre en cada término se agrava, razón por la cual nuestros escenarios bajo/medio/alto difieren en dos órdenes de magnitud.
¿Qué medidas prácticas pueden reducir la huella hídrica de la IA?
Palancas de ingeniería y operativas
- Trasladar cargas de trabajo a regiones con niveles bajos de agua o instalaciones con bajo consumo de agua en el hogar (WUE): Elijan centros de datos que utilicen refrigeración de circuito cerrado o de líquido a chip y que se alimenten de combinaciones de energía con bajo consumo de agua. Los hiperescaladores publican cada vez más métricas de WUE y PUE para fundamentar estas decisiones.
- Adopta refrigeración líquida e inmersión a nivel de chip: La refrigeración líquida reduce drásticamente la demanda de agua evaporativa en comparación con las grandes torres de refrigeración evaporativa. Varios operadores están implementando o escalando la refrigeración líquida para clústeres de GPU.
- Mejorar la eficiencia del modelo y la agrupación de inferencias: Las optimizaciones a nivel de software (procesamiento inteligente de lotes, modelos cuantificados, destilación) reducen la energía por respuesta, lo que disminuye directamente la intensidad del agua al aplicar la conversión de energía a agua. El trabajo académico es activo en este ámbito.
- Transparencia e informes: Los informes estandarizados y auditados por terceros sobre la PUE/WUE y las métricas de inferencia por modelo permitirían una mejor contabilidad pública y la formulación de políticas. Los organismos reguladores en algunas jurisdicciones ya están impulsando la transparencia en los permisos de agua y los impactos locales.
¿Pueden los usuarios reducir la huella hídrica de ChatGPT?
Los usuarios influyen en la huella agregada al configurar la demanda. Sugerencias prácticas:
- Haga preguntas específicas y de alta calidad en lugar de muchas indicaciones pequeñas (esto reduce los cálculos repetidos).
- Prefiera resultados más cortos y específicos cuando sea apropiado.
- Utilice herramientas locales para tareas repetitivas (por ejemplo, modelos en el dispositivo o resultados almacenados en caché) donde la privacidad y el rendimiento lo permitan.
Dicho esto, las opciones de infraestructura por parte de los proveedores (qué centros de datos atienden las consultas y qué tecnología de enfriamiento utilizan) son mucho más determinantes del uso del agua que las indicaciones de un usuario individual.
En resumen: ¿cuál es una estimación responsable de “agua ChatGPT por día”?
Si acepta los informes de OpenAI 2.5 mil millones de indicaciones al día, entonces:
- Usando 0.34 Wh/consulta de Altman más un WUE promedio de la industria de 1.8 L/kWh conduce a un **Estimación de punto medio ≈ 1.53 millones de litros/día (~404,000 galones estadounidenses/día)**Esa es una estimación general defendible si aceptamos esos dos datos.
- Pero cambiando suposiciones Da un rango plausible desde ~175,000 L/día (≈46 galones) en escenarios optimistas de mejor calidad hasta cientos de millones de litros/día En combinaciones pesimistas de alto consumo de agua por consulta y alto consumo de agua por consulta. El extremo inferior corresponde a centros de datos de clase mundial con bajo consumo de agua y bajo consumo de agua por consulta; el extremo superior corresponde a instancias de modelos pesados atendidos en plantas con consumo de agua ineficiente. La dispersión es real y significativa.
Debido a esa incertidumbre, las acciones más útiles son (a) presionar a los operadores para que publiquen métricas claras y estandarizadas de WUE y de energía por inferencia, (b) priorizar diseños de enfriamiento con bajo consumo de agua para nuevos centros de datos de IA, y (c) continuar la investigación sobre enfoques de software y hardware que reduzcan el cómputo por consulta.
Para comenzar, explore el modelo ChatGPT como GPT-5 Pro Las capacidades de 's en el Playground y consultar el Guía de API Para obtener instrucciones detalladas, consulte la sección "Antes de acceder, asegúrese de haber iniciado sesión en CometAPI y de haber obtenido la clave API". CometAPI Ofrecemos un precio muy inferior al oficial para ayudarte a integrarte.
¿Listo para ir?→ Regístrate en CometAPI hoy !