ChatGPT sử dụng bao nhiêu gallon nước?

Giám đốc điều hành của OpenAI, Sam Altman, đã công khai tuyên bố rằng Trung bình cộng Sử dụng truy vấn ChatGPT ≈0.000085 gallon của nước (khoảng MillilX milliliter(khoảng một phần mười lăm thìa cà phê) và ≈0.34 watt-giờ điện cho mỗi truy vấn. Con số này, khi được nhân lên theo quy mô lớn, sẽ trở nên có ý nghĩa nhưng vẫn nhỏ hơn nhiều so với những gì nhiều tiêu đề giật gân trước đây đã tuyên bố — cung cấp Bạn chấp nhận các giả định của Altman về năng lượng trên mỗi truy vấn và hiệu quả sử dụng nước của các trung tâm dữ liệu phục vụ ChatGPT. Các phân tích độc lập sử dụng các giả định khác nhau (đặc biệt là các giá trị Hiệu quả Sử dụng Nước (WUE) khác nhau) sẽ đưa ra các con số có thể cao hơn hoặc thấp hơn nhiều lần.

Một truy vấn ChatGPT thực sự sử dụng bao nhiêu nước?

Những gì OpenAI (và CEO của công ty) đã nói

Trong các phát biểu công khai, CEO và người phát ngôn của OpenAI đã đưa ra một con số rất nhỏ về lượng nước cho mỗi truy vấn: đại khái 0.32 mililít cho mỗi truy vấn, chuyển đổi thành khoảng 0.000085 gallon (≈8.45×10⁻⁵ gal). Tức là khoảng một phần mười lăm thìa cà phê nước cho mỗi truy vấn và là con số thường được trích dẫn nhất khi các công ty cố gắng chứng minh tác động biên nhỏ của các tương tác riêng lẻ.

Tại sao các ước tính độc lập lại khác nhau

Các nhà nghiên cứu độc lập và các tổ chức phi chính phủ sử dụng một cách tiếp cận khác: họ ước tính năng lượng điện tiêu thụ cho mỗi truy vấn, sau đó nhân với cường độ nước (nước sử dụng trên mỗi đơn vị điện) để có được số lượng nước theo truy vấn. Hai thông tin đầu vào phổ biến là:

Năng lượng cho mỗi truy vấn. Một số ước tính kỹ thuật đưa ra các phản hồi theo kiểu ChatGPT ở mức lân cận 2–4 watt-giờ (Wh) mỗi truy vấn (2.9 Wh là ước tính trung tâm thường được trích dẫn). Đó là 0.0029 kWh theo truy vấn.
Cường độ nước (WUE / nước trên kWh). Các số liệu của trung tâm dữ liệu thay đổi tùy theo thiết kế và khu vực. Hiệu quả sử dụng nước (WUE) thường được trích dẫn là "trung bình ngành". 1.8 lít mỗi kWh (≈0.475 gallon/kWh) — nhưng các giá trị đo được có phạm vi rộng (từ gần bằng không đối với hệ thống không khí vòng kín cho đến vài lít trên mỗi kWh đối với hệ thống bay hơi khi được báo cáo là mức tiêu thụ hoặc lượng khí thải).

Kết hợp những điều đó lại với nhau sẽ cho ra một phép chuyển đổi đơn giản:

Sử dụng 2.9 Wh/truy vấn (0.0029 kWh) và 1.8 L / kWh → 0.00522 L/truy vấn = MillilX milliliter ≈ 0.00138 gallon theo truy vấn.

Ước tính dựa trên năng lượng đó (~5 ml / 0.0014 gal) là lớn hơn một bậc so với con số theo truy vấn của OpenAI (0.32 ml). Các giả định khác nhau về năng lượng trên mỗi truy vấn, WUE, việc có nên bao gồm nước gián tiếp từ phát điện hay không, và phần nào của mô hình (huấn luyện so với suy luận) được phân bổ cho "một truy vấn" giải thích phần lớn khoảng cách này. Xem bên dưới để biết phạm vi và phân tích độ nhạy.

Hệ thống làm mát trung tâm dữ liệu chuyển đổi điện năng thành nước như thế nào?

“Sử dụng nước” có nghĩa là gì: tiêu thụ so với rút nước

Cụm từ “nước được sử dụng bởi trung tâm dữ liệu” có thể có nhiều nghĩa khác nhau:

Tiêu thụ tại chỗ (bốc hơi): Nước bốc hơi trong các tháp giải nhiệt/hệ thống đoạn nhiệt và không được trả lại cho các nguồn nước địa phương. Điều này thường gây hậu quả nghiêm trọng nhất cho tình trạng thiếu nước cục bộ.
Rút tiền: Nước được lấy từ nguồn (sông, hồ, tầng chứa nước) và sau đó được trả lại (có thể là nước ấm hơn hoặc được xử lý hóa học). Lượng nước khai thác có thể lớn ngay cả khi mức tiêu thụ thấp.
Nước gián tiếp (có trong điện): nước được sử dụng để sản xuất điện cung cấp cho trung tâm dữ liệu (nhà máy nhiệt điện, thủy điện, v.v.). Nhiều nghiên cứu về vòng đời sản phẩm bổ sung yếu tố này.

Các báo cáo và cơ quan quản lý sử dụng các kết hợp khác nhau của các số liệu này. Để có một chỉ số vận hành có ý nghĩa cục bộ, WUE (lít tiêu thụ trên mỗi kWh năng lượng CNTT) được sử dụng rộng rãi; trong các cuộc tranh luận về vòng đời và chính sách, nước gián tiếp từ sản xuất điện thường được bổ sung.

Công nghệ làm mát và cường độ nước

Phương pháp làm mát quan trọng:

Nước lạnh làm mát bằng không khí / vòng kín hệ thống có thể có mức tiêu thụ nước tại chỗ rất thấp (gần bằng 0 WUE) nhưng sử dụng năng lượng điện cao hơn và hàm lượng nước trong điện cao hơn.
Làm mát bay hơi / tháp giải nhiệt (phổ biến ở những nơi chi phí điện hoặc hiệu quả thúc đẩy sự lựa chọn) tiêu thụ nước theo thiết kế; các cơ sở lớn đã được ghi nhận là sử dụng hàng triệu gallon mỗi ngày ở những vùng nóng và khô.

Một đánh giá nghiêm ngặt (Nature/npj Clean Water) đã ghi nhận rằng giá trị tiêu thụ thay đổi rất nhiều — từ gần bằng không đến 4.4 lít mỗi kWh (và lượng nước rút có thể lớn hơn gấp nhiều lần) tùy thuộc vào thiết kế và khí hậu. Sự biến động đó là lý do cốt lõi khiến số lượng nước theo từng truy vấn dao động hơn hai lần.

ChatGPT tiêu thụ bao nhiêu gallon mỗi ngày/năm ở quy mô lớn?

Số học kịch bản — giả định minh bạch

Hãy tính toán ba kịch bản cho một Truy vấn ChatGPT bằng cách sử dụng các dữ liệu đầu vào thường được trích dẫn, sau đó mở rộng theo tổng số hàng ngày với giả định khối lượng truy vấn giả định.

Đầu vào

Năng lượng cho mỗi truy vấn: 2.9 Wh = 0.0029 kWh (ước tính trung tâm).
Cường độ nước (ba trường hợp):
1. WUE thấp: 0.2 L/kWh (hệ thống kín, tiết kiệm nước).
2. WUE trung bình của ngành: 1.8 L/kWh (mức chuẩn được sử dụng rộng rãi).
3. WUE cao: 4.4 L/kWh (giới hạn trên được ghi nhận trong tài liệu).

Kết quả theo từng truy vấn (lít và gallon):

WUE thấp (0.2 L/kWh): 0.0029 × 0.2 = 0.00058 L = 0.58 ml ≈ 0.000153 gal.
WUE trung bình (1.8 L/kWh): 0.0029 × 1.8 = 0.00522 L = 5.22 ml ≈ 0.00138 gal.
WUE cao (4.4 L/kWh): 0.0029 × 4.4 = 0.01276 L = 12.76 ml ≈ 0.00337 gal.
(Chuyển đổi: 1 L = 1000 ml; 1 L = 0.264172 gal.)

Ví dụ về tỷ lệ (nếu ChatGPT xử lý 1 tỷ truy vấn mỗi ngày):

WUE thấp: 0.58 ml × 1e9 ≈ 580,000 lít / ngày ≈ 153,000 gallon / ngày.
WUE trung bình: 5.22 ml × 1e9 ≈ 5.22 triệu lít/ngày ≈ 1.38 triệu gallon/ngày.
WUE cao: 12.76 ml × 1e9 ≈ 12.76 triệu lít/ngày ≈ 3.37 triệu gallon/ngày.

Đây là những con số minh họa hợp lý — chúng chứng minh rằng tổng lượng nước sử dụng có thể có ý nghĩa ngay cả khi số lượng mỗi truy vấn là rất nhỏ. Các báo cáo gần đây cho thấy các cụm cơ sở siêu quy mô đã tiêu thụ hàng trăm triệu đến hàng tỷ gallon mỗi năm ở một số vùng.

Tại sao đào tạo so với suy luận lại quan trọng

Hai tiêu chí bổ sung cần thiết:

Mô hình đào tạo (quy trình một lần để tạo mô hình) sử dụng rất nhiều năng lượng và do đó có thể tạo ra một lượng nước tiêu thụ lớn — nhưng lượng nước tiêu thụ đó sẽ được phân bổ cho nhiều truy vấn suy luận trong tương lai. Ước tính cho việc đào tạo phụ thuộc vào từng mô hình và thường lớn hơn nhiều so với lượng nước tiêu thụ cho mỗi truy vấn.
Sự suy luận (các phản hồi hàng ngày mà người dùng nhìn thấy) là chi phí định kỳ và là trọng tâm của các phép tính theo từng truy vấn ở trên.

Việc báo cáo kết hợp đào tạo và suy luận mà không phân bổ rõ ràng sẽ phóng đại dấu chân dữ liệu trên mỗi truy vấn; ngược lại, việc bỏ qua đào tạo sẽ đánh giá thấp dấu chân dữ liệu trọn đời của một mô hình. Các phân tích độc lập sẽ nêu rõ những gì chúng bao gồm.

Việc đào tạo một mô hình lớn (như GPT-3/4) tiêu tốn bao nhiêu nước?

Việc đào tạo các mô hình máy biến áp lớn là một hoạt động tốn nhiều nước và chỉ thực hiện một lần, hơn là trả lời từng câu hỏi riêng lẻ. Một phân tích đáng chú ý, được bình duyệt/tiền xuất bản của Li và cộng sự (2023) ước tính rằng đào tạo GPT-3 trong các trung tâm dữ liệu siêu quy mô của Hoa Kỳ có thể bốc hơi trực tiếp ~700,000 lít của nước ngọt (≈ ~185,000 gallon) trong quá trình chạy thử nghiệm — và họ dự đoán lượng nước tiêu thụ liên quan đến AI sẽ lên tới hàng tỷ mét khối vào giữa những năm 2020 nếu xu hướng này tiếp tục. Ví dụ này cho thấy việc chạy thử nghiệm có thể sánh ngang với nhiều tháng vận hành thực tế về mặt nước. arXiv

Cường độ nước trong quá trình huấn luyện đến từ các lần chạy liên tục, dài ngày với mức sử dụng cao trên các cụm GPU dày đặc kết hợp với hệ thống làm mát — tùy thuộc vào thiết kế — dựa vào mức tiêu thụ nước bốc hơi đáng kể. Quá trình huấn luyện diễn ra theo từng đợt nhưng với quy mô lớn; suy luận diễn ra liên tục nhưng nhỏ trên mỗi đơn vị. Cả hai yếu tố này cùng nhau xác định lượng nước tiêu thụ trong suốt vòng đời của một mô hình.

Tại sao việc tập luyện lại tốn nhiều năng lượng như vậy?

Thời lượng và cường độ: các buổi tập luyện có thể kéo dài từ vài ngày đến vài tuần ở mức sử dụng năng lượng gần như tối đa.
Thông lượng nhiệt cao: GPU và bao bì tạo ra nhiệt tập trung, thường đòi hỏi phải làm mát hiệu quả (và đôi khi cần hỗ trợ bằng nước).
Tỉ lệ: việc đào tạo các mô hình tiên tiến có thể yêu cầu hàng nghìn GPU trong các giá đỡ được nhóm lại.
Hạn chế khu vực: cùng một cụm đào tạo trong một khu vực khan hiếm nước sử dụng phương pháp làm mát bay hơi sẽ gây ra tình trạng thiếu nước cục bộ tệ hơn nhiều so với một cụm được làm mát bằng máy làm lạnh khô ở vùng khí hậu lạnh.

Tin tức gần đây nào ảnh hưởng đến lượng nước tiêu thụ của ChatGPT?

Việc mở rộng cơ sở hạ tầng và lựa chọn vị trí của OpenAI

Các báo cáo gần đây cho thấy OpenAI đang tích cực theo đuổi các dự án cơ sở hạ tầng lớn, bao gồm một thư bày tỏ ý định nổi bật cho một dự án trung tâm dữ liệu lớn ở Argentina — một dự án mà nếu được xây dựng, sẽ tập trung đáng kể năng lực tính toán vào một khu vực và thay đổi động lực nước/năng lượng của khu vực. Vị trí địa lý rất quan trọng: các vùng ven biển hoặc ẩm ướt, khả năng tiếp cận nguồn nước tái chế và các quy định địa phương đều định hình WUE.

Ngành công nghiệp chuyển sang thiết kế ít nước hơn

Các nhà cung cấp đám mây lớn đang triển khai thiết kế trung tâm dữ liệu tiết kiệm nước:Microsoft đã công bố các kế hoạch và nghiên cứu điển hình về các thiết kế thế hệ tiếp theo có thể chạy khối lượng công việc AI với gần như không có nước bốc hơi tại chỗ bằng cách áp dụng công nghệ làm mát cấp chip và các cải tiến khác (được công bố vào năm 2024–2025). Các lộ trình kỹ thuật này có thể giảm đáng kể lượng nước tiêu thụ trên mỗi truy vấn theo thời gian nếu được áp dụng rộng rãi.

Kết luận

Câu hỏi "bao nhiêu gallon" thực ra lại đơn giản đến mức đánh lừa. Một con số cho mỗi truy vấn như 0.000085 gallon có kích thước nhỏ đáng khích lệ và giúp truyền đạt rằng các dịch vụ đám mây hiện đại được tối ưu hóa về năng lượng và nước — nhưng nó chỉ có một mảnh của câu đố. Câu chuyện lớn hơn là về mức tiêu thụ tích lũy, tác động dài hạn của đào tạo, và vị trí đặt các cơ sở lớn. Nghiên cứu độc lập (Li và cộng sự), báo cáo phòng thí nghiệm của chính phủ (LBNL) và bình luận gần đây của ngành (Altman) đều hội tụ ở cùng một kết luận thực tế: Dấu chân nước của AI có thể được quản lý — nhưng chỉ với tính minh bạch cao hơn, lựa chọn làm mát thông minh hơn, hiệu quả trong thiết kế mô hình và sự phù hợp chính sách để bảo vệ tài nguyên nước địa phương.

Để bắt đầu, hãy khám phá mô hình ChatGPT như sau GPT-5 Pro khả năng của 's trong Sân chơi và tham khảo ý kiến Hướng dẫn API để biết hướng dẫn chi tiết. Trước khi truy cập, vui lòng đảm bảo bạn đã đăng nhập vào CometAPI và lấy được khóa API. Sao chổiAPI cung cấp mức giá thấp hơn nhiều so với giá chính thức để giúp bạn tích hợp.

Sẵn sàng chưa?→ Đăng ký CometAPI ngay hôm nay !