Berapa banyak air yang digunakan oleh ChatGPT setiap hari?

Jawapan ringkas: Perkhidmatan global ChatGPT mungkin digunakan mengikut urutan 2 juta hingga 160 juta liter air setiap hari — julat yang sangat luas didorong oleh ketidakpastian tentang (1) berapa banyak tenaga yang digunakan oleh satu gesaan, (2) betapa intensif air pusat data dan grid yang membekalkan elektrik mereka, dan (3) berapa banyak gesaan yang diproses setiap hari. Anggaran "tengah" yang munasabah menggunakan titik data yang didokumentasikan dengan baik ialah ~17 juta liter sehari untuk ~2.5 bilion gesaan/hari.

Apakah sebenarnya yang kami maksudkan dengan "penggunaan air" untuk ChatGPT?

Penggunaan air langsung vs tidak langsung

Apabila orang bertanya "berapa banyak air yang digunakan oleh ChatGPT," kita mesti jelas: perkhidmatan AI itu sendiri (perisian) tidak menuangkan air — air dimakan oleh infrastruktur fizikal yang menjalankan perkhidmatan. Dua kategori penting:

Penggunaan air terus (di tapak): air yang digunakan oleh sistem penyejukan dan pelembapan pusat data (menara penyejukan penyejatan, penyejuk air, pelembap). Ini biasanya diukur oleh metrik industri Keberkesanan Penggunaan Air (WUE), iaitu liter air yang digunakan bagi setiap kWj tenaga IT yang digunakan. WUE menangkap penyejukan/pelembapan air yang digunakan di tapak.
Penggunaan air tidak langsung (diwujudkan): air yang digunakan untuk menjana elektrik yang menggerakkan pusat data (penyejukan termoelektrik pada loji kuasa, air yang digunakan dalam pengekstrakan dan pemprosesan bahan api, dsb.). Di sesetengah kawasan dan campuran kuasa, air yang digunakan untuk menjana 1 kWj elektrik boleh menjadi besar. Spektrum IEEE dan analisis lain mengukur pengeluaran dan penggunaan air setiap kWj untuk penjanaan elektrik.

Oleh itu, anggaran yang boleh dipertahankan bagi jumlah jejak air menambah dua:
Jumlah air setiap kWj = WUE (L/kWj) + keamatan air penjanaan elektrik (L/kWj).

Bagaimanakah anda menukar "tenaga setiap pertanyaan" kepada "air setiap pertanyaan"?

Apakah kepingan data yang diperlukan?

Menukar daripada tenaga kepada air memerlukan tiga input:

Tenaga setiap pertanyaan (Wj/pertanyaan) — berapa watt-jam yang digunakan model untuk menjawab satu gesaan.
WUE (L/kWj) — berapa liter air yang digunakan untuk setiap kilowatt-jam yang digunakan dalam pusat data.
Bilangan pertanyaan setiap hari — jumlah permintaan yang diproses oleh perkhidmatan.

Air setiap pertanyaan (liter) = (Wj/pertanyaan ÷ 1,000) × WUE (L/kWj)

Jumlah air sehari = Air setiap pertanyaan × pertanyaan/hari

Sejauh manakah input tersebut boleh dipercayai?

Pertanyaan/hari: Angka 2.5 bilion/hari OpenAI ialah titik permulaan yang boleh dipercayai daripada pelaporan industri, tetapi kiraan harian sebenar berbeza mengikut bulan dan zon waktu.
Tenaga setiap pertanyaan: anggaran berbeza-beza. Ketua Pegawai Eksekutif OpenAI Sam Altman menyatakan purata pertanyaan ChatGPT digunakan secara kasar 0.34 Wh tenaga (dan dia menyamakan air bagi setiap pertanyaan dengan pecahan satu sudu teh). Anggaran akademik dan akhbar bebas untuk model AI moden dan berat berjulat dari bawah watt-jam hingga beberapa atau bahkan dua digit watt-jam setiap pertanyaan, bergantung pada versi model yang menyediakan permintaan dan sama ada anggaran itu termasuk overhed (penghalaan, storan, dsb.). Variasi itu adalah sebab utama anggaran air menyimpang.
WUE: juga berbeza mengikut reka bentuk pusat data dan geografi — daripada ≈0.2 L/kWj (sangat cekap, gelung tertutup, tidak penyejatan) hingga melebihi 10 L/kWj dalam beberapa tetapan penyejatan atau pemasangan tidak cekap air. Analisis antarabangsa menunjukkan jalur yang luas.

Oleh kerana setiap pembolehubah mempunyai ketidakpastian, perubahan kecil berganda kepada jumlah yang sangat berbeza.

Berapa banyak air yang digunakan oleh ChatGPT setiap hari — contoh berkesan dengan andaian yang munasabah?

Di bawah saya membentangkan satu set senario telus menggunakan angka 2.5 bilion pertanyaan/hari dan biasa disebut WUE dan anggaran tenaga. Pengiraan adalah mudah dan boleh dihasilkan semula; Saya menunjukkan kes rendah, sederhana dan tinggi supaya anda dapat melihat sensitiviti.

Pembolehubah senario (sumber dan justifikasi)

Pertanyaan/hari: 2.5 bilion (laporan OpenAI/akhbar).
pilihan WUE:
Rendah (terbaik dalam kelas): 0.206 L/kWj — menerbitkan contoh kemudahan yang sangat cekap.
Purata: 1.8 L/kWj — purata industri yang biasa disebut.
Tinggi: 12 L/kWj — Julat OECD/industri untuk geografi/seni bina yang lebih intensif air.
Tenaga setiap pilihan pertanyaan:
Rendah (angka CEO OpenAI): 0.34 Wj/pertanyaan (Kenyataan Sam Altman).
Tinggi (penyelidikan/tekan anggaran atas untuk model terbesar): 18 Wh/pertanyaan (wakil contoh model yang lebih berat; digunakan di sini sebagai ilustrasi sempadan atas).

Output yang dikira (kes terpilih)

Saya akan menunjukkan liter/hari dan gelen/hari untuk kebolehbacaan. (1 liter = 0.264172 gelen AS.)

WUE Rendah & Tenaga Rendah (optimis)

WUE = 0.206 L/kWj; tenaga/pertanyaan = 0.34 Wh
Air setiap pertanyaan ≈ 0.000070 L (≈0.07 mL)
Jumlah air/hari ≈ 175,000 L / hari (≈ 46,300 gelen AS/hari)

Purata-WUE & Tenaga Rendah (Altman + purata industri)

WUE = 1.8 L/kWj; tenaga/pertanyaan = 0.34 Wh
Air setiap pertanyaan ≈ 0.000612 L (≈0.61 mL)
Jumlah air/hari ≈ 1,530,000 L / hari (≈ 404,000 gelen/hari).

Tenaga Purata-WUE & Sederhana (1–2 Wj/pertanyaan)

Pada 1 Wj/pertanyaan → 4,500,000 L / hari (≈1,188,774 gelen/hari).
Pada 2 Wj/pertanyaan → 9,000,000 L / hari (≈2,377,548 gelen/hari).

Purata-WUE & Tenaga tinggi (10 Wj/pertanyaan)

45,000,000 L / hari (≈11,887,740 gelen/hari).

WUE tinggi & tenaga tinggi (kes terburuk pesimis)

WUE = 12 L/kWj; tenaga/pertanyaan = 18 Wj/pertanyaan
Air setiap pertanyaan ≈ 0.216 L
Jumlah air/hari ≈ 540,000,000 L / hari (≈ 143 juta gelen/hari)

Gambar ini menunjukkan perubahan itu sama ada WUE or Wh/pertanyaan oleh faktor sederhana menghasilkan jumlah yang sangat berbeza. Kes Altman + purata-WUE (≈1.53 juta liter/hari, ~400k gelen/hari) ialah satu anggaran pertengahan yang munasabah jika anda menerima tenaga bagi setiap angka pertanyaan dan WUE purata industri. T

Mengapakah anggaran yang diterbitkan sangat berbeza-beza?

Sumber utama ketidakpastian

Tenaga setiap gesaan (kWj): bergantung pada jenis model, panjang segera, dan kecekapan inferens. Anggaran berbeza mengikut susunan magnitud antara panggilan model kecil mudah dan permintaan gaya GPT-4/GPT-5 berbilang mod besar. Analisis bebas yang diterbitkan meletakkan nilai yang munasabah daripada ~1 Wj hingga ~10 Wj setiap gesaan.
WUE (penggunaan air di tapak): pembekal awan skala besar moden melabur banyak dalam reka bentuk air rendah (penjimat udara, penyejukan cecair gelung tertutup). Hyperscaler kelas Microsoft boleh mencapai WUE yang sangat rendah di banyak lokasi (malah percubaan ke arah penyejukan sifar air), manakala kemudahan yang lebih lama atau terhad lokasi mungkin mempunyai WUE yang lebih tinggi. Julat itu memacu sebahagian besar ketidakpastian.
Keamatan air grid: elektrik boleh dihasilkan dengan keamatan air yang sangat berbeza bergantung pada campuran kuasa. Pusat data yang dikuasakan oleh 100% PV/angin mempunyai jejak air tidak langsung yang jauh lebih rendah daripada yang dikuasakan oleh loji termo-elektrik yang bergantung pada air penyejuk.
Kelantangan trafik dan perkara yang dikira sebagai "prompt": "Gesaan" OpenAI boleh berbeza-beza: gesaan soalan tunggal yang pendek berbanding sesi ulang-alik yang panjang. Jumlah gesaan harian yang diterbitkan membantu menyelesaikan masalah, tetapi air setiap segera berbeza-beza mengikut tempoh perbualan dan perkhidmatan tambahan yang digunakan.

Disebabkan sifat pengiraan yang berganda (tenaga × keamatan air), ketidakpastian dalam setiap sebatian istilah, itulah sebabnya senario rendah/pertengahan/tinggi kami berbeza mengikut dua urutan magnitud.

Apakah langkah praktikal mengurangkan jejak air AI?

Tuas kejuruteraan dan operasi

Alihkan beban kerja ke kawasan air rendah atau kemudahan WUE rendah: pilih pusat data yang menggunakan penyejukan gelung tertutup atau cecair ke cip dan sumber kuasa daripada campuran elektrik air rendah. Hyperscalers semakin menerbitkan metrik WUE dan PUE untuk memaklumkan pilihan tersebut.
Gunakan penyejukan cecair dan rendaman tahap cip: penyejukan cecair mengurangkan permintaan air penyejatan secara mendadak berbanding dengan menara penyejukan penyejatan yang besar. Beberapa pengendali sedang merintis atau menskalakan penyejukan cecair untuk kluster GPU.
Tingkatkan kecekapan model dan pengumpulan inferens: pengoptimuman peringkat perisian (pengumpulan lebih pintar, model terkuantisasi, penyulingan) mengurangkan tenaga setiap tindak balas, secara langsung merendahkan keamatan air apabila tenaga→penukaran air digunakan. Kerja akademik aktif di sini.
Ketelusan dan pelaporan: pelaporan piawaian pihak ketiga yang diaudit bagi metrik inferens PUE/WUE dan setiap model akan membolehkan perakaunan awam dan penggubalan dasar yang lebih baik. Pengawal selia di beberapa bidang kuasa sudah pun mendesak ketelusan mengenai permit air dan kesan tempatan.

Bolehkah pengguna mengurangkan jejak air ChatGPT?

Pengguna mempengaruhi jejak agregat dengan membentuk permintaan. Cadangan praktikal:

Tanya gesaan yang berfokus dan berkualiti tinggi dan bukannya banyak gesaan kecil (ini mengurangkan pengiraan berulang).
Lebih suka output yang lebih pendek dan disasarkan bila sesuai.
Gunakan perkakas tempatan untuk tugasan berulang (cth, model pada peranti atau hasil tembolok) di mana privasi dan prestasi membenarkan.
Yang berkata, pilihan infrastruktur oleh pembekal (pusat data yang menyediakan pertanyaan dan teknologi penyejukan yang mereka gunakan) jauh lebih menentukan penggunaan air daripada gesaan pengguna individu.

Intinya: apakah anggaran yang bertanggungjawab untuk "air ChatGPT setiap hari"?

Jika anda menerima laporan OpenAI 2.5 bilion gesaan/hari, maka:

Menggunakan 0.34 Wh/pertanyaan Altman tambah satu purata industri WUE sebanyak 1.8 L/kWj membawa kepada a anggaran titik tengah ≈ 1.53 juta liter/hari (~404,000 gelen AS/hari). Itu anggaran tajuk yang boleh dipertahankan jika anda menerima kedua-dua input tersebut.
Tetapi mengubah andaian memberikan julat yang munasabah daripada ~175,000 L/hari (≈46k gelen) dalam senario terbaik dalam kelas yang optimistik sehingga ratusan juta liter/hari dalam kombinasi pesimis tenaga setiap pertanyaan yang tinggi dan WUE yang tinggi. Bahagian bawah sepadan dengan pusat data air rendah bertaraf dunia dan tenaga setiap pertanyaan yang rendah; hujung atas sepadan dengan contoh model berat yang disajikan di loji yang tidak cekap air. Penyebarannya adalah nyata dan material.

Disebabkan ketidakpastian itu, tindakan yang paling berguna ialah (a) mendorong pengendali untuk menerbitkan metrik WUE dan tenaga setiap inferens yang jelas, piawai, (b) mengutamakan reka bentuk penyejukan air rendah untuk pusat data AI baharu, dan (c) meneruskan penyelidikan ke dalam pendekatan perisian dan perkakasan yang mengurangkan pengiraan setiap pertanyaan.

Untuk memulakan, terokai model ChatGPT seperti GPT-5 Pro keupayaan dalam Taman Permainan dan berunding dengan Panduan API untuk arahan terperinci. Sebelum mengakses, sila pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga yang jauh lebih rendah daripada harga rasmi untuk membantu anda menyepadukan.

Bersedia untuk Pergi?→ Daftar untuk CometAPI hari ini !