Ile galonów wody zużywa ChatGPT?

Dyrektor generalny OpenAI, Sam Altman, publicznie oświadczył, że średni Zapytanie ChatGPT używa ≈0.000085 galonów wody (około Mililitry 0.32(około jednej piętnastej łyżeczki) i ≈0.34 watogodzin energii elektrycznej na zapytanie. Ta liczba, po pomnożeniu na dużą skalę, staje się znacząca, ale pozostaje znacznie mniejsza, niż twierdziły liczne wcześniejsze alarmistyczne nagłówki — pod warunkiem, Akceptujesz założenia Altmana dotyczące zużycia energii na zapytanie i efektywności wykorzystania wody w centrach danych obsługujących ChatGPT. Niezależne analizy wykorzystujące różne założenia (w szczególności różne wartości efektywności zużycia wody, WUE) dają wyniki, które mogą być kilkakrotnie wyższe lub niższe.

Ile wody faktycznie zużywa pojedyncze zapytanie ChatGPT?

Co powiedzieli OpenAI (i jego dyrektor generalny)

W publicznych wystąpieniach dyrektor generalny i rzecznicy OpenAI podali bardzo małą liczbę zapytań dotyczących wody: około 0.32 mililitrów na zapytanie, co przekłada się na około Galon 0.000085 (≈8.45×10⁻⁵ gal). To mniej więcej jedna piętnasta łyżeczki wody na zapytanie i jest to wartość najczęściej cytowana, gdy firmy próbują wykazać niewielki, marginalny wpływ indywidualnych interakcji.

Dlaczego niezależne szacunki różnią się

Niezależni badacze i organizacje pozarządowe stosują inne podejście: szacują zużycie energii elektrycznej na jedno zapytanie, a następnie mnożą przez intensywność wody (woda zużyta na jednostkę energii elektrycznej), aby uzyskać liczbę wody na zapytanie. Dwa typowe elementy danych wejściowych to:

Energia na zapytanie. Kilka szacunków technicznych określa odpowiedzi w stylu ChatGPT na około 2–4 watogodzin (Wh) na zapytanie (2.9 Wh to powszechnie podawana średnia wartość szacunkowa). To jest 0.0029 kWh na zapytanie.
Intensywność zużycia wody (WUE / woda na kWh). Wskaźniki centrów danych różnią się w zależności od projektu i regionu. Często cytowana „średnia branżowa” efektywność zużycia wody (WUE) wynosi około 1.8 litra na kWh (≈0.475 galona/kWh) — ale zmierzone wartości wahają się w szerokim zakresie (od niemal zera w przypadku układów zamkniętych do kilku litrów na kWh w przypadku układów parowych, gdy są podawane jako zużycie lub pobór).

Połączenie tych dwóch elementów daje prostą konwersję:

Korzystanie z 2.9 Wh/zapytanie (0.0029 kWh) oraz 1.8 l/kWh → 0.00522 l/zapytanie = Mililitry 5.22 ≈ Galon 0.00138 na zapytanie.

Ta ocena oparta na energii (~5 ml / 0.0014 gal) to rząd wielkości większy niż liczba zapytań OpenAI (0.32 ml). Różne założenia dotyczące energii na zapytanie, WUE, tego, czy uwzględnić pośrednią wodę z wytwarzania energii, oraz tego, która część modelu (uczenie czy wnioskowanie) zostanie przypisana do „zapytania”, wyjaśniają znaczną część tej luki. Poniżej przedstawiono zakresy i analizę wrażliwości.

W jaki sposób systemy chłodzenia centrów danych przekształcają energię elektryczną w zużycie wody?

Co oznacza „zużycie wody”: zużycie a pobór

Zwrot „woda wykorzystywana w centrum danych” może oznaczać różne rzeczy:

Zużycie na miejscu (odparowanie): Woda odparowująca w chłodniach kominowych/systemach adiabatycznych i niewprowadzana z powrotem do lokalnych zbiorników wodnych. Ma to zazwyczaj największe konsekwencje dla lokalnego stresu wodnego.
wycofanie: Woda pobierana ze źródła (rzeki, jeziora, warstwy wodonośnej), a następnie odprowadzana (być może cieplejsza lub poddana obróbce chemicznej). Pobór może być duży nawet przy niskim zużyciu.
Woda pośrednia (wbudowana w elektryczność): Woda używana do produkcji energii elektrycznej zasilającej centrum danych (elektrownie cieplne, elektrownie wodne itp.). Wiele badań cyklu życia uwzględnia to zjawisko.

Raporty i organy regulacyjne stosują różne kombinacje tych wskaźników. W przypadku wskaźnika operacyjnego, istotnego lokalnie, powszechnie stosuje się WUE (litry zużyte na kWh energii IT); w debatach dotyczących cyklu życia i polityki często dodaje się pośrednie zużycie wody z wytwarzania energii elektrycznej.

Technologie chłodzenia i intensywność zużycia wody

Ważne jest podejście do chłodzenia:

Chłodzone powietrzem/woda chłodzona w obiegu zamkniętym systemy mogą mieć bardzo niskie zużycie wody na miejscu (blisko zera WUE), ale wyższe zużycie energii elektrycznej i wyższa zawartość wody w energii elektrycznej.
Chłodnie wyparne / wieże chłodnicze (częste w przypadku, gdy koszty energii elektrycznej lub decyzje dotyczące efektywności energetycznej są podejmowane w oparciu o projekt; udokumentowano, że duże obiekty zużywają wodę miliony galonów dziennie w gorących i suchych regionach.

Rygorystyczna analiza (Nature/npj Clean Water) udokumentowała, że wartości zużycia wahają się w szerokim zakresie – od niemal zera do 4.4 litra na kWh (i poboru, który może być o rzędy wielkości większy) w zależności od projektu i klimatu. Ta zmienność jest głównym powodem, dla którego dane dotyczące wody w poszczególnych zapytaniach różnią się o ponad dwa rzędy wielkości.

Ile galonów dziennie/rocznie zużywa ChatGPT w warunkach dużej skali?

Arytmetyka scenariuszy — przejrzyste założenia

Obliczmy trzy scenariusze dla pierwszej Zapytanie ChatGPT wykonuje się przy użyciu często cytowanych danych wejściowych, a następnie skaluje do dziennych sum, zakładając hipotetyczną liczbę zapytań.

Wejścia

Energia na zapytanie: 2.9 Wh = 0.0029 kWh (szacunek centralny).
Intensywność wody (trzy przypadki):
1. Niski WUE: 0.2 l/kWh (bardzo oszczędne zużycie wody, systemy zamknięte).
2. Średnia branżowa WUE: 1.8 l/kWh (powszechnie stosowana wartość odniesienia).
3. Wysoki WUE: 4.4 l/kWh (górna granica obserwowana w literaturze).

Wyniki dla każdego zapytania (litry i galony):

Niski WUE (0.2 L/kWh): 0.0029 × 0.2 = 0.00058 L = 0.58 ml ≈ 0.000153 gal.
Średnie WUE (1.8 L/kWh): 0.0029 × 1.8 = 0.00522 L = 5.22 ml ≈ 0.00138 gal.
Wysoka WUE (4.4 L/kWh): 0.0029 × 4.4 = 0.01276 L = 12.76 ml ≈ 0.00337 gal.
(Przeliczenia: 1 l = 1000 ml; 1 l = 0.264172 gal.)

Przykład skalowany (jeśli ChatGPT obsługuje 1 miliard zapytań dziennie):

Niski WUE: 0.58 ml × 1e9 ≈ 580,000 litrów/dzień ≈ 20 000 galonów dziennie.
Średnia WUE: 5.22 ml × 1e9 ≈ 5.22 mln litrów dziennie ≈ 1.38 miliona galonów dziennie.
Wysoki WUE: 12.76 ml × 1e9 ≈ 12.76 mln litrów dziennie ≈ 3.37 miliona galonów dziennie.

Są to wiarygodne liczby ilustrujące, które pokazują, że łączne zużycie wody może mieć znaczenie nawet wtedy, gdy liczba zapytań jest niewielka. Najnowsze raporty pokazują, że klastry obiektów o dużej skali już zużywają od setek milionów do miliardów galonów rocznie w niektórych regionach.

Dlaczego szkolenie a nie wnioskowanie ma znaczenie

Niezbędne są dwa dodatkowe kryteria kwalifikacyjne:

Modele szkoleniowe (jednorazowy proces tworzenia modelu) zużywa ogromne ilości energii, a zatem może wiązać się z dużym zużyciem wody – ale to zużycie amortyzuje się w wielu przyszłych zapytaniach wnioskowania. Szacunki dotyczące treningu są specyficzne dla modelu i często znacznie większe niż ślad wnioskowania dla każdego zapytania.
Wnioskowanie (codzienne odpowiedzi, jakie widzą użytkownicy) stanowią cykliczny koszt i główny cel powyższych obliczeń dla każdego zapytania.

Raportowanie łączące trening i wnioskowanie bez jasnej alokacji zawyża dane dotyczące śladów dla każdego zapytania; z kolei ignorowanie treningu zaniża dane dotyczące śladu w całym cyklu życia modelu. Niezależne analizy dokładnie określają, które dane uwzględniają.

Ile wody zużywa się podczas trenowania dużego modelu (np. GPT-3/4)?

Szkolenie dużych modeli transformatorów to o wiele bardziej wymagające pod względem zużycia wody i jednorazowe działanie niż odpowiadanie na pojedyncze pytania. W godne uwagi, recenzowanej i przedpremierowej analizie autorstwa Li i in. (2023) oszacowano, że szkolenie GPT-3 w amerykańskich centrach danych o dużej skali mogłyby bezpośrednio odparowuje ~700 000 litrów słodkiej wody (≈ ~185,000 galonów) podczas treningu — i prognozowali, że pobór wody przez sztuczną inteligencję wyniesie miliardy metrów sześciennych do połowy lat dwudziestych XXI wieku, jeśli trendy się utrzymają. Ten przykład pokazuje, że trening może konkurować z wieloma miesiącami pracy operacyjnej w przeliczeniu na bezwzględne zużycie wody. arXiv

Intensywność wody w treningu wynika z długich, ciągłych przebiegów o wysokim obciążeniu na gęstych klastrach GPU w połączeniu z systemami chłodzenia, które – w zależności od projektu – wymagają znacznego zużycia wody przez parowanie. Trening jest epizodyczny, ale rozległy; wnioskowanie jest ciągłe, ale jednostkowe – małe. Razem określają one ślad wodny modelu w całym okresie jego życia.

Dlaczego trening jest tak spragniony?

Czas trwania i intensywność: Treningi mogą trwać od kilku dni do kilku tygodni przy wykorzystaniu energii bliskiej maksymalnemu.
Wysoki strumień ciepła: Procesory graficzne i obudowy wytwarzają skoncentrowane ciepło, które często wymaga wydajnego (a czasem wspomaganego wodą) chłodzenia.
Skala: szkolenie najnowocześniejszych modeli może wymagać tysięcy procesorów graficznych w klastrowych szafach.
Ograniczenia regionalne: ten sam klaster szkoleniowy w regionie z niedoborem wody, wykorzystujący chłodzenie wyparne, jest znacznie bardziej podatny na lokalny stres wodny niż klaster chłodzony za pomocą suchych chłodziarek w zimnym klimacie.

Jakie najnowsze informacje mają wpływ na zużycie wody przez ChatGPT?

Rozszerzenie infrastruktury i wybór lokalizacji OpenAI

Najnowsze doniesienia pokazują, że OpenAI aktywnie realizuje duże projekty infrastrukturalne, w tym głośny list intencyjny dotyczący dużego projektu budowy centrum danych w Argentynie – projektu, który, jeśli zostanie zrealizowany, skupi znaczną część mocy obliczeniowych w jednym regionie i zmieni regionalną dynamikę gospodarki wodnej i energetycznej. Lokalizacja ma znaczenie: regiony nadmorskie lub wilgotne, dostęp do wody z recyklingu oraz lokalne przepisy wpływają na WUE.

Branża przechodzi na projekty o niższym zużyciu wody

Duzi dostawcy usług w chmurze wdrażają projekty centrów danych oszczędzające wodęFirma Microsoft opublikowała plany i studia przypadków dotyczące projektów nowej generacji, które mogą obsługiwać obciążenia AI woda parująca na miejscu o wartości bliskiej zeru poprzez wdrożenie chłodzenia na poziomie chipa i innych innowacji (zapowiedzianych w latach 2024–2025). Te rozwiązania inżynieryjne mogą z czasem znacząco zmniejszyć zużycie wody na zapytanie, jeśli zostaną powszechnie wdrożone.

Podsumowanie

Pytanie „ile galonów” jest pozornie proste. Liczba podawana w każdym zapytaniu, np. Galon 0.000085 jest zachęcająco mały i pomaga przekazać, że nowoczesne usługi w chmurze są zoptymalizowane pod kątem zużycia energii i wody — ale jest tylko jeden kawałek zagadki. Szersza historia dotyczy skumulowanego zużycia, długofalowego wpływu szkoleń oraz lokalizacji dużych obiektów. Niezależne badania (Li i in.), raporty z laboratoriów rządowych (LBNL) i najnowsze komentarze branżowe (Altman) prowadzą do tego samego praktycznego wniosku: ślad wodny sztucznej inteligencji można kontrolować — ale tylko dzięki większej przejrzystości, inteligentniejszym rozwiązaniom w zakresie chłodzenia, efektywności projektowania modeli i dostosowaniu polityki do ochrony lokalnych zasobów wodnych.

Na początek zapoznaj się z modelem ChatGPT, takim jak GPT-5 Pro możliwości w Plac zabaw i zapoznaj się z Przewodnik po API aby uzyskać szczegółowe instrukcje. Przed uzyskaniem dostępu upewnij się, że zalogowałeś się do CometAPI i uzyskałeś klucz API. Interfejs API Comet zaoferuj cenę znacznie niższą niż oficjalna, aby ułatwić Ci integrację.

Gotowy do drogi?→ Zarejestruj się w CometAPI już dziś !