ChatGPT ใช้น้ำวันละเท่าไร?

คำตอบสั้นๆ: บริการทั่วโลกของ ChatGPT น่าจะกิน ประมาณ 2 ล้านถึง 160 ล้านลิตรต่อวัน — ช่วงกว้างมากที่เกิดจากความไม่แน่นอนเกี่ยวกับ (1) ปริมาณการใช้พลังงานต่อพรอมต์เดียว (2) ปริมาณการใช้น้ำของศูนย์ข้อมูลและระบบโครงข่ายไฟฟ้าที่จ่ายไฟฟ้า และ (3) จำนวนพรอมต์ที่ได้รับการประมวลผลในแต่ละวัน การประมาณค่า “ค่ากลาง” ที่สมเหตุสมผลโดยใช้จุดข้อมูลที่มีการบันทึกข้อมูลไว้อย่างดีคือ ~17 ล้านลิตรต่อวัน สำหรับการแจ้งเตือนประมาณ 2.5 พันล้านครั้งต่อวัน

เราหมายถึงอะไรด้วยคำว่า "การใช้น้ำ" สำหรับ ChatGPT กันแน่?

การใช้น้ำโดยตรงกับการใช้น้ำโดยอ้อม

เมื่อผู้คนถามว่า "ChatGPT ใช้น้ำเท่าไร" เราต้องระบุให้ชัดเจนว่าบริการ AI เอง (ซอฟต์แวร์) ไม่ได้เทน้ำลงไป แต่ใช้น้ำโดย โครงสร้างพื้นฐานทางกายภาพ ที่รันบริการ มีสองหมวดหมู่ที่สำคัญ:

การใช้น้ำโดยตรง (ในสถานที่): ปริมาณน้ำที่ใช้ในระบบทำความเย็นและความชื้นของศูนย์ข้อมูล (หอหล่อเย็นแบบระเหย เครื่องทำน้ำเย็น เครื่องทำความชื้น) โดยทั่วไปจะวัดโดยใช้หน่วยเมตริกของอุตสาหกรรม **ประสิทธิภาพการใช้น้ำ (WUE)**ซึ่งเท่ากับปริมาณน้ำที่ใช้ต่อกิโลวัตต์ชั่วโมงของพลังงานไอทีที่ใช้ WUE เก็บข้อมูล การทำความเย็น/เพิ่มความชื้น ปริมาณน้ำที่ใช้ภายในพื้นที่
การใช้น้ำทางอ้อม (แบบรวม): น้ำที่ใช้ผลิตกระแสไฟฟ้าสำหรับศูนย์ข้อมูล (เช่น ระบบระบายความร้อนด้วยเทอร์โมอิเล็กทริกที่โรงไฟฟ้า น้ำที่ใช้ในการสกัดและแปรรูปเชื้อเพลิง ฯลฯ) ในบางภูมิภาคและแหล่งพลังงานผสม น้ำที่ใช้ผลิตกระแสไฟฟ้า 1 กิโลวัตต์ชั่วโมงอาจมีปริมาณมาก IEEE Spectrum และการวิเคราะห์อื่นๆ ได้วิเคราะห์ปริมาณการใช้น้ำและการใช้น้ำต่อกิโลวัตต์ชั่วโมงสำหรับการผลิตกระแสไฟฟ้า

การประมาณค่าการใช้น้ำทั้งหมดที่สามารถป้องกันได้จึงรวมสองสิ่งเข้าด้วยกัน:
ปริมาณน้ำทั้งหมดต่อกิโลวัตต์ชั่วโมง = WUE (ลิตร/กิโลวัตต์ชั่วโมง) + ความเข้มข้นของน้ำในการผลิตไฟฟ้า (ลิตร/กิโลวัตต์ชั่วโมง).

คุณจะแปลง “พลังงานต่อการค้นหา” เป็น “น้ำต่อการค้นหา” ได้อย่างไร

ต้องใช้ข้อมูลชิ้นใดบ้าง?

การแปลงพลังงานเป็นน้ำต้องอาศัยปัจจัยนำเข้า 3 ประการ:

พลังงานต่อการค้นหา (Wh/การค้นหา) — โมเดลใช้พลังงานกี่วัตต์ชั่วโมงในการตอบคำถามเพียงข้อเดียว
WUE (ลิตร/กิโลวัตต์ชั่วโมง) — ปริมาณน้ำที่ใช้ต่อกิโลวัตต์ชั่วโมงที่ใช้ในศูนย์ข้อมูลคือกี่ลิตร
จำนวนการสอบถามต่อวัน — ยอดรวมคำขอที่ได้รับการดำเนินการโดยบริการ

น้ำต่อแบบสอบถาม (ลิตร) = (Wh/แบบสอบถาม ÷ 1,000) × WUE (L/kWh)

ปริมาณน้ำทั้งหมดต่อวัน = ปริมาณน้ำต่อการค้นหา × การค้นหา/วัน

ข้อมูลอินพุตเหล่านั้นเชื่อถือได้แค่ไหน?

คำถาม/วัน:ตัวเลข 2.5 พันล้านต่อวันของ OpenAI ถือเป็นจุดเริ่มต้นที่เชื่อถือได้จากการรายงานของอุตสาหกรรม แต่จำนวนจริงต่อวันจะแตกต่างกันไปในแต่ละเดือนและแต่ละโซนเวลา
พลังงานต่อการค้นหา: การประมาณการมีความแตกต่างกันอย่างมาก Sam Altman ซีอีโอของ OpenAI กล่าวว่าโดยเฉลี่ยแล้ว การค้นหา ChatGPT จะใช้ข้อมูลประมาณ Wh 0.34 ของพลังงาน (และเขาเปรียบเทียบน้ำต่อหนึ่งแบบสอบถามกับเศษช้อนชา) นักวิชาการอิสระและสื่อมวลชนประมาณการว่าโมเดล AI หนักสมัยใหม่มีตั้งแต่ต่ำกว่าหนึ่งวัตต์ชั่วโมงไปจนถึง หลายวัตต์ชั่วโมงหรือแม้กระทั่งสองหลักต่อการค้นหาขึ้นอยู่กับว่ารุ่นใดของโมเดลที่ทำหน้าที่ให้บริการคำขอ และค่าประมาณรวมค่าใช้จ่ายทางอ้อม (เช่น การกำหนดเส้นทาง การจัดเก็บ) หรือไม่ ความแตกต่างดังกล่าวเป็นสาเหตุหลักที่ทำให้ค่าประมาณการใช้น้ำแตกต่างกัน
WUE: แตกต่างกันไปตามการออกแบบและภูมิศาสตร์ของศูนย์ข้อมูล ตั้งแต่ประมาณ 0.2 ลิตร/กิโลวัตต์ชั่วโมง (ประสิทธิภาพสูง เป็นระบบปิด ไม่ระเหย) ไปจนถึงมากกว่า 10 ลิตร/กิโลวัตต์ชั่วโมง ในระบบระเหยบางระบบหรือระบบที่ไม่ประหยัดน้ำ การวิเคราะห์ระหว่างประเทศแสดงให้เห็นแถบกว้าง

เนื่องจากตัวแปรแต่ละตัวมีความไม่แน่นอน การเปลี่ยนแปลงเล็กน้อยจึงคูณเป็นผลรวมที่แตกต่างกันมาก

ChatGPT ใช้น้ำเท่าไรต่อวัน — ตัวอย่างการทำงานพร้อมสมมติฐานที่สมเหตุสมผล?

ด้านล่างนี้ ผมขอเสนอชุดสถานการณ์จำลองแบบโปร่งใส โดยใช้ตัวเลข 2.5 พันล้านคิวรีต่อวัน และค่าประมาณ WUE และพลังงานที่มักถูกอ้างถึง การคำนวณนั้นง่ายและสามารถทำซ้ำได้ ผมแสดงกรณีตัวอย่างระดับต่ำ กลาง และสูง เพื่อให้คุณเห็นถึงความละเอียดอ่อน

ตัวแปรสถานการณ์ (แหล่งที่มาและเหตุผล)

คำถาม/วัน: 2.5 พันล้าน (OpenAI/รายงานข่าว)
ตัวเลือก WUE:
ต่ำ (ดีที่สุดในระดับเดียวกัน): 0.206 ลิตร/กิโลวัตต์ชั่วโมง — เผยแพร่ตัวอย่างสิ่งอำนวยความสะดวกที่มีประสิทธิภาพสูง
ค่าเฉลี่ย: 1.8 ลิตร/กิโลวัตต์ชั่วโมง — ค่าเฉลี่ยของอุตสาหกรรมที่มักอ้างถึง
สูง: 12 ลิตร/กิโลวัตต์ชั่วโมง — กลุ่ม OECD/อุตสาหกรรมสำหรับภูมิศาสตร์/สถาปัตยกรรมที่ใช้น้ำมากขึ้น
พลังงานต่อตัวเลือกการค้นหา:
ต่ำ (ตัวเลข CEO ของ OpenAI): 0.34 Wh/query (คำกล่าวของแซม อัลท์แมน)
สูง (การวิจัย/การประมาณค่าสูงสุดสำหรับรุ่นที่ใหญ่ที่สุด): 18 Wh/การสอบถาม (ตัวแทนของอินสแตนซ์โมเดลที่หนักกว่า ใช้ที่นี่เป็นภาพประกอบขอบเขตบน)

ผลลัพธ์ที่คำนวณได้ (กรณีที่เลือก)

ฉันจะแสดงหน่วยเป็นลิตรต่อวันและแกลลอนต่อวันเพื่อให้สามารถอ่านได้ (1 ลิตร = 0.264172 แกลลอนสหรัฐ)

WUE ต่ำและพลังงานต่ำ (มองโลกในแง่ดี)

WUE = 0.206 ลิตร/กิโลวัตต์ชั่วโมง; พลังงานต่อคำถาม = 0.34 วัตต์ชั่วโมง
น้ำต่อคิวรี ≈ 0.000070 ลิตร (≈0.07 มล.)
ปริมาณน้ำรวมต่อวัน ≈ 175,000 ลิตร / วัน ( 46,300 แกลลอนสหรัฐ/วัน)

ค่าเฉลี่ย WUE และพลังงานต่ำ (Altman + ค่าเฉลี่ยของอุตสาหกรรม)

WUE = 1.8 ลิตร/กิโลวัตต์ชั่วโมง; พลังงานต่อคำถาม = 0.34 วัตต์ชั่วโมง
น้ำต่อคิวรี ≈ 0.000612 ลิตร (≈0.61 มล.)
ปริมาณน้ำรวมต่อวัน ≈ 1,530,000 ลิตร / วัน ( 404,000 แกลลอน/วัน).

ค่าเฉลี่ย-WUE และพลังงานปานกลาง (1–2 Wh/คิวรี)

ที่ 1 Wh/query → 4,500,000 ลิตร / วัน (≈1,188,774 แกลลอน/วัน)
ที่ 2 Wh/query → 9,000,000 ลิตร / วัน (≈2,377,548 แกลลอน/วัน)

ค่าเฉลี่ย-WUE และพลังงานสูง (10 Wh/คิวรี)

45,000,000 ลิตร / วัน (≈11,887,740 แกลลอน/วัน)

WUE สูงและพลังงานสูง (กรณีเลวร้ายที่สุด)

WUE = 12 ลิตร/กิโลวัตต์ชั่วโมง; พลังงานต่อการค้นหา = 18 วัตต์ชั่วโมงต่อการค้นหา
น้ำต่อคิวรี ≈ 0.216 ลิตร
ปริมาณน้ำรวมต่อวัน ≈ 540,000,000 ลิตร / วัน ( 143 ล้านแกลลอน/วัน)

ภาพรวมเหล่านี้แสดงให้เห็นว่าการเปลี่ยนแปลงอย่างใดอย่างหนึ่ง WUE or คำถาม/ข้อสงสัย หากพิจารณาจากปัจจัยที่ไม่มากนัก ผลลัพธ์ที่ได้จะแตกต่างกันมาก กรณี Altman + ค่า WUE เฉลี่ย (ประมาณ 1.53 ล้านลิตร/วัน หรือประมาณ 400 แกลลอน/วัน) ถือเป็นค่าประมาณกลางที่สมเหตุสมผล หากยอมรับตัวเลขพลังงานต่อแบบสอบถามของเขาและค่า WUE เฉลี่ยของอุตสาหกรรม T

เหตุใดค่าประมาณการที่เผยแพร่จึงแตกต่างกันมาก

แหล่งที่มาหลักของความไม่แน่นอน

พลังงานต่อพรอมต์ (kWh): ขึ้นอยู่กับประเภทของโมเดล ความยาวของพรอมต์ และประสิทธิภาพการอนุมาน ค่าประมาณจะแตกต่างกันไปตามลำดับความสำคัญระหว่างการเรียกใช้โมเดลขนาดเล็กแบบง่ายกับคำขอแบบมัลติโมดัล GPT-4/GPT-5 ขนาดใหญ่ การวิเคราะห์อิสระที่เผยแพร่ให้ค่าที่น่าเชื่อถืออยู่ระหว่าง ~1 Wh ถึง ~10 Wh ต่อพรอมต์
WUE (การใช้น้ำในสถานที่): ผู้ให้บริการคลาวด์ไฮเปอร์สเกลยุคใหม่ลงทุนอย่างหนักในการออกแบบที่ใช้น้ำน้อย (เช่น เครื่องประหยัดพลังงานอากาศ ระบบระบายความร้อนด้วยของเหลวแบบวงจรปิด) ไฮเปอร์สเกลระดับ Microsoft สามารถให้ค่า WUE ต่ำมากในหลายพื้นที่ (แม้กระทั่งการทดลองที่มุ่งสู่การระบายความร้อนด้วยน้ำเป็นศูนย์) ในขณะที่สถานที่เก่าหรือสถานที่ที่มีข้อจำกัดด้านสถานที่อาจมีค่า WUE สูงกว่ามาก ช่วงค่า WUE ดังกล่าวเป็นปัจจัยสำคัญที่ทำให้เกิดความไม่แน่นอน
ความเข้มข้นของน้ำกริด: สามารถผลิตไฟฟ้าได้โดยใช้ความเข้มข้นของน้ำที่แตกต่างกันมาก ขึ้นอยู่กับส่วนผสมของพลังงาน ศูนย์ข้อมูลที่ใช้พลังงานแสงอาทิตย์และพลังงานลม 100% มีค่าการใช้น้ำทางอ้อมต่ำกว่าศูนย์ข้อมูลที่ใช้พลังงานเทอร์โมอิเล็กทริกซึ่งใช้น้ำหล่อเย็นมาก
ปริมาณการรับส่งข้อมูลและสิ่งที่นับเป็น "การแจ้งเตือน": "คำเตือน" ของ OpenAI อาจแตกต่างกันไป: คำเตือนสั้นๆ เพียงคำถามเดียว เทียบกับคำเตือนยาวๆ ที่มีการเผยแพร่ทุกวัน จำนวนคำเตือนที่เผยแพร่จะช่วยจำกัดปัญหาได้ แต่ปริมาณน้ำต่อคำเตือนจะแตกต่างกันไปตามความยาวของการสนทนาและบริการเสริมที่ใช้

เนื่องจากลักษณะการคูณของการคำนวณ (พลังงาน × ความเข้มของน้ำ) ความไม่แน่นอนในแต่ละเทอมจึงรวมกัน ซึ่งเป็นสาเหตุที่สถานการณ์ต่ำ/กลาง/สูงของเราจึงแตกต่างกันสองลำดับความสำคัญ

ขั้นตอนปฏิบัติจริงใดบ้างที่ช่วยลดปริมาณการใช้น้ำของ AI?

คันโยกด้านวิศวกรรมและการปฏิบัติการ

ย้ายภาระงานไปยังพื้นที่ที่มีน้ำน้อยหรือสถานที่ที่มี WUE ต่ำ: เลือกศูนย์ข้อมูลที่ใช้ระบบระบายความร้อนแบบวงจรปิดหรือระบบระบายความร้อนด้วยของเหลวถึงชิป และใช้พลังงานจากไฟฟ้าผสมที่ใช้น้ำน้อย ผู้ให้บริการ Hyperscaler เผยแพร่ตัวชี้วัด WUE และ PUE มากขึ้นเรื่อยๆ เพื่อประกอบการตัดสินใจ
ใช้ระบบระบายความร้อนด้วยของเหลวและการแช่ในระดับชิป: การระบายความร้อนด้วยของเหลวช่วยลดความต้องการน้ำระเหยได้อย่างมากเมื่อเทียบกับหอระบายความร้อนแบบระเหยขนาดใหญ่ ผู้ให้บริการหลายรายกำลังนำร่องหรือขยายระบบระบายความร้อนด้วยของเหลวสำหรับคลัสเตอร์ GPU
ปรับปรุงประสิทธิภาพของโมเดลและการแบ่งกลุ่มการอนุมาน: การปรับปรุงประสิทธิภาพระดับซอฟต์แวร์ (เช่น การแบ่งชุดที่ชาญฉลาดขึ้น แบบจำลองเชิงปริมาณ การกลั่น) ช่วยลดพลังงานต่อการตอบสนอง ส่งผลให้ความเข้มข้นของน้ำลดลงโดยตรงเมื่อมีการเปลี่ยนพลังงานเป็นน้ำ งานวิชาการกำลังดำเนินการอยู่ที่นี่
ความโปร่งใสและการรายงาน: การรายงาน PUE/WUE และเมตริกการอนุมานต่อแบบจำลองที่ได้มาตรฐานและผ่านการตรวจสอบโดยบุคคลที่สาม จะช่วยให้การบัญชีสาธารณะและการกำหนดนโยบายมีประสิทธิภาพมากขึ้น หน่วยงานกำกับดูแลในบางเขตอำนาจศาลกำลังผลักดันให้เกิดความโปร่งใสเกี่ยวกับใบอนุญาตใช้น้ำและผลกระทบในท้องถิ่น

ผู้ใช้สามารถลดปริมาณการใช้น้ำของ ChatGPT ได้หรือไม่

ผู้ใช้มีอิทธิพลต่อภาพรวมโดยการกำหนดความต้องการ ข้อเสนอแนะเชิงปฏิบัติ:

ถามคำถามที่เน้นคุณภาพสูง แทนที่จะมีการแจ้งเตือนเล็กๆ น้อยๆ มากมาย (ซึ่งจะช่วยลดการคำนวณซ้ำๆ)
ต้องการผลลัพธ์ที่สั้นและตรงเป้าหมายมากขึ้น เมื่อเหมาะสม
ใช้เครื่องมือในพื้นที่สำหรับงานที่ทำซ้ำ (เช่น โมเดลบนอุปกรณ์หรือผลลัพธ์ที่แคชไว้) ที่ความเป็นส่วนตัวและประสิทธิภาพอนุญาต
กล่าวได้ว่าการเลือกโครงสร้างพื้นฐานโดยผู้ให้บริการ (ศูนย์ข้อมูลใดที่ให้บริการการสอบถาม และเทคโนโลยีการทำความเย็นใดที่พวกเขาใช้) เป็นตัวกำหนดการใช้น้ำมากกว่าคำแจ้งเตือนของผู้ใช้แต่ละราย

สรุป: ค่าประมาณที่รับผิดชอบสำหรับ "ปริมาณน้ำ ChatGPT ต่อวัน" คือเท่าไร?

หากคุณยอมรับรายงานของ OpenAI 2.5 พันล้านข้อความต่อวัน, แล้ว:

การใช้ 0.34 วัตต์ชั่วโมง/คิวรีของอัลท์แมน บวกกับ ค่าเฉลี่ย WUE ของอุตสาหกรรมอยู่ที่ 1.8 ลิตร/กิโลวัตต์ชั่วโมง นำไปสู่ **ประมาณค่ากลาง ≈ 1.53 ล้านลิตร/วัน (~404,000 แกลลอนสหรัฐ/วัน)**นั่นเป็นการประมาณค่าหัวข้อข่าวที่สามารถป้องกันได้หากคุณยอมรับข้อมูลสองรายการนี้
แต่ การเปลี่ยนแปลงสมมติฐาน ให้ช่วงที่สมเหตุสมผลจาก ~175,000 ลิตร/วัน (≈46 แกลลอน) ในสถานการณ์ที่ดีที่สุดในระดับเดียวกันที่มองโลกในแง่ดีถึง หลายร้อยล้านลิตรต่อวัน ในรูปแบบที่มองโลกในแง่ร้ายของพลังงานต่อคิวรีที่สูงและ WUE ที่สูง ระดับล่างสอดคล้องกับศูนย์ข้อมูลระดับโลกที่ใช้น้ำน้อยและพลังงานต่อคิวรีต่ำ ระดับบนสอดคล้องกับอินสแตนซ์แบบจำลองขนาดใหญ่ที่ให้บริการในโรงงานที่ใช้น้ำน้อย การกระจายตัวนั้นเป็นจริงและเป็นรูปธรรม

เนื่องจากความไม่แน่นอนดังกล่าว การดำเนินการที่เป็นประโยชน์ที่สุดจึงเป็น (ก) การผลักดันให้ผู้ปฏิบัติงานเผยแพร่ WUE ที่ชัดเจนและเป็นมาตรฐานและหน่วยวัดพลังงานต่อการอนุมาน (ข) การให้ความสำคัญกับการออกแบบระบบระบายความร้อนด้วยน้ำต่ำสำหรับศูนย์ข้อมูล AI ใหม่ และ (ค) การวิจัยอย่างต่อเนื่องเกี่ยวกับแนวทางซอฟต์แวร์และฮาร์ดแวร์ที่ลดการประมวลผลต่อแบบสอบถาม

เริ่มต้นด้วยการสำรวจโมเดล ChatGPT เช่น จีพีที-5 โปร ศักยภาพของใน สนามเด็กเล่น และปรึกษา คู่มือ API สำหรับคำแนะนำโดยละเอียด ก่อนเข้าใช้งาน โปรดตรวจสอบให้แน่ใจว่าคุณได้เข้าสู่ระบบ CometAPI และได้รับรหัส API แล้ว โคเมทเอพีไอ เสนอราคาที่ต่ำกว่าราคาอย่างเป็นทางการมากเพื่อช่วยคุณบูรณาการ

พร้อมไปหรือยัง?→ ลงทะเบียน CometAPI วันนี้ !