Вы, вероятно, слышали популярное утверждение, что каждый запрос к ChatGPT «выпивает» полбутылки воды. Если вы эксплуатируете или планируете инфраструктуру для AI-нагрузок, настоящий вопрос не в том, оправдана ли паника, — а в том, сколько воды на самом деле потребляют ваши AI-дата-центры, откуда берётся эта цифра и что вы можете с этим сделать.
Согласно отчёту Университета ООН за июнь 2026 года, AI-дата-центры, поддерживающие глобальные нагрузки искусственного интеллекта, к 2030 году будут потреблять воду, эквивалентную базовым потребностям в воде 1,3 миллиарда человек в год. Это не статистика по одному запросу. Это общая картина, которая требует пристального внимания к тому, куда уходит вода.
Почему AI-дата-центрам нужно так много воды
AI-дата-центры потребляют воду по двум причинам: охлаждение серверов и производство электроэнергии, которая их питает. Каждый кластер GPU, выполняющий большие языковые модели, выделяет огромное количество тепла. Большинство дата-центров полагается на испарительные системы охлаждения, которые распыляют воду в потоки горячего воздуха — вода испаряется в атмосферу и никогда не возвращается в местный водосборный бассейн.
Второй, часто более значительный источник — за пределами площадки. Теплоэлектростанции, поставляющие электроэнергию AI-дата-центрам, используют воду для выработки пара и охлаждения. Согласно широко цитируемому исследованию Калифорнийского университета в Риверсайде 2023 года «Making AI Less Thirsty», вода, потребляемая на электростанциях, может составлять до 75% общего водного следа одного AI-запроса. Если сложить прямое охлаждение и косвенное потребление воды на электроэнергию, полная картина водопотребления AI-дата-центра становится яснее — и больше, чем большинство оценок, учитывающих только потребление на площадке.
Помимо охлаждения и электроэнергии, производство чипов добавляет ещё один уровень на начальном этапе. По оценкам ОЭСР, выпуск одного чипа класса AI требует примерно 2200 галлонов сверхчистой воды. Хотя это разовые затраты на каждый чип, огромный объём GPU, развёрнутых сегодня в AI-дата-центрах, делает это существенной частью уравнения жизненного цикла.
Разбивка стоимости воды на один запрос
Показатели воды на один запрос действительно малы — но сильно различаются в зависимости от того, у кого вы спрашиваете. Исследователи Калифорнийского университета в Риверсайде подсчитали, что короткий разговор с ChatGPT из 10–50 вопросов потребляет примерно 500 миллилитров воды, около одной стандартной бутылки, если учитывать и охлаждение дата-центра, и воду региональных электростанций. Это примерно 10–50 миллилитров на запрос.
Позже генеральный директор OpenAI Сэм Альтман привёл гораздо более низкую цифру: примерно 0,32 миллилитра на запрос, или около одной пятнадцатой чайной ложки. С тех пор независимые аналитики утверждают, что многие вирусные оценки завышают реальный показатель в 50–250 раз, а прямое потребление воды на площадке на один запрос может составлять всего 0,5 миллилитра при эффективном охлаждении. Анализ 2026 года от China Economic Net, опирающийся на новейшие данные исследований, показал, что сложный длинный запрос к таким моделям, как GPT-4.5 или DeepSeek R1, может потреблять более 100 миллилитров воды, тогда как более простые запросы к меньшим моделям, например GPT-4.1 Nano, укладываются далеко ниже 1 миллилитра.
Урок для вас прост: показатель на один запрос зависит гораздо больше от размера модели, сложности запроса и местоположения дата-центра, чем от того, каким AI-брендом вы пользуетесь. Ваше отдельное сообщение — не проблема; проблема — совокупность миллиардов сообщений.
Водопотребление AI-дата-центров в масштабе
На уровне объекта цифры переходят от чайных ложек к миллионам галлонов. Институт Брукингса сообщил в июне 2026 года, что типичный AI-дата-центр использует около 300 000 галлонов воды в день, тогда как гипермасштабные объекты могут потреблять до 5 миллионов галлонов в сутки — это эквивалентно водопотреблению города с населением от 10 000 до 50 000 человек.
Годовые корпоративные отчёты рисуют поразительную картину. Amazon раскрыл, что его AI-дата-центры AWS потребили примерно 2,5 миллиарда галлонов воды по всему миру в 2025 году. Google сообщил о более чем 6,1 миллиарда галлонов в 2024 году, Microsoft — примерно о 2,75 миллиарда галлонов, а Meta — около 1,4 миллиарда галлонов. В совокупности эти четыре компании использовали более 12,7 миллиарда галлонов за один год — при этом линия тренда резко уходит вверх. Потребление воды Microsoft выросло на 34%, а Google — на 20% в год, когда генеративный AI стал массовым.
Институт мировых ресурсов прогнозирует, что инфраструктура AI-дата-центров может потреблять от 1,1 до 1,7 триллиона галлонов пресной воды ежегодно к 2030 году. Для сравнения: вся территория США использует примерно 117 триллионов галлонов в год во всех секторах. AI-дата-центры не осушат океаны, но их концентрированный спрос в отдельных регионах — это реальная проблема.
Обучение и инференс: куда уходит вода
Можно предположить, что обучение — самая «жаждущая» фаза. Обучение GPT-3 потребовало, по оценкам, 700 000 литров пресной воды, а отчёт Университета ООН прогнозирует, что обучение GPT-5 потребует примерно 1 миллиарда литров воды и 100 гигаватт-часов электроэнергии. Эти разовые затраты попадают в заголовки.
Однако инференс — непрерывный процесс ответов на пользовательские запросы — составляет от 80% до 90% общего потребления энергии и воды AI-модели за время её жизни. Согласно отчёту Университета ООН, ChatGPT в настоящее время обрабатывает примерно 2,5 миллиарда пользовательских запросов в день, что приводит к оценочной годовой потребности в электроэнергии в 383 гигаватт-часа. Соответствующий водный след равен минимальным бытовым потребностям в воде примерно 500 000 человек в странах Африки к югу от Сахары.
Если вы развёртываете AI-инференс в масштабе, именно этот показатель важнее всего для вашего операционного планирования. Один цикл обучения попадает в новости. Непрерывный инференс — в счета и во вращение счётчика воды.
Какие AI-дата-центры используют больше всего воды
Ни одна AI-компания не публикует данные о воде на один запрос, поэтому для прямых сравнений требуются оценки. Что вы можете измерить — это показатели эффективности использования воды. AWS сообщает примерно 0,25 литра воды на киловатт-час — самый низкий показатель среди крупных облачных провайдеров. Средний глобальный показатель Google составляет около 1,1 литра на киловатт-час, Meta — 1,26, а Microsoft — примерно 1,8 по данным их отчётности за 2022 год. Microsoft с тех пор объявила о цели нулевого потребления воды к 2030 году.
Эти различия важны, но география важнее. Дата-центр в Аризоне, использующий испарительное охлаждение при температуре 40°C, потребляет значительно больше воды, чем идентичный объект в Финляндии, использующий бесплатное воздушное охлаждение. Согласно отчёту Industrial Commission за 2025 год, более 40% запланированных AI-дата-центров по всему миру расположены в регионах с высоким или очень высоким уровнем водного стресса.
Почему местоположение вашего дата-центра имеет значение
Местоположение — это не просто переменная WUE: оно определяет, станет ли ваш AI-дата-центр точкой конфликта для сообщества. Дата-центр Meta в округе Ньютон, штат Джорджия, в настоящее время потребляет примерно 10% всего водоснабжения округа. Округ Лаудон, штат Вирджиния — самый плотный центр дата-центров в мире — уже видит, как дата-центры забирают примерно 8% муниципальной воды, с прогнозами до 29% к 2050 году.
Техас демонстрирует самый резкий масштаб: по прогнозам, дата-центры в штате должны были использовать от 25 до 49 миллиардов галлонов воды в 2024 году, а аналитики прогнозируют, что к 2030 году эта цифра может взлететь до 399 миллиардов галлонов. В регионах, подверженных засухе, такая концентрация спроса одной отрасли создаёт политический риск, который вы не можете позволить себе игнорировать. Ирландия увидела, как дата-центры потребляют 21% всей учтённой электроэнергии в 2023 году, превысив все городские домохозяйства вместе взятые, а потребление воды росло синхронно.
Если вы оцениваете регионы колокации или облачные регионы для AI-инференс-нагрузок, местный индекс водного стресса должен стоять рядом с задержкой и стоимостью в вашей матрице решений.
Как снизить водный след AI-дата-центра
У вас есть несколько практических рычагов. Первый — технология охлаждения. Жидкостное охлаждение по замкнутому контуру и иммерсионное охлаждение перерабатывают воду вместо того, чтобы испарять её, резко сокращая потребление на площадке. Новейшие AI-дата-центры Google на TPU v5 используют значительно меньше воды на единицу вычислений, чем предыдущие поколения, благодаря внедрению этих подходов.
Второй — планирование нагрузки. Исследование Калифорнийского университета в Риверсайде показало, что запуск водоёмких AI-нагрузок в более прохладные ночные часы или в более холодные сезоны может заметно снизить потери от испарения. Если ваш уровень оркестрации поддерживает планирование с учётом времени и местоположения, вы можете сократить потребление воды, не меняя оборудование.
Третий — прозрачность и мониторинг. В большинстве объектов отсутствует детальный учёт воды, а значит, вы не можете оптимизировать то, что не измеряете. Развёртывание инструментов мониторинга воды в реальном времени — даёт вам видимость по каждой стойке и каждой нагрузке, превращая расплывчатую цель устойчивого развития в отслеживаемый операционный показатель.
Помимо технологий, программы восполнения водных ресурсов становятся обязательным условием. Amazon обязался реализовать 50 проектов по восстановлению водных ресурсов, которые должны возвращать 5,8 миллиарда галлонов воды ежегодно в местные водосборные бассейны. Google запустил 165 проектов по управлению водными ресурсами, нацеленных на восполнение 19 миллиардов галлонов в год к 2030 году. Это не решения проблемы потребления — это компенсации, но они сигнализируют о том, куда движутся ожидания регуляторов и сообществ.
Суть в том, что водопотребление AI-дата-центров одновременно и меньше, и больше, чем предполагают заголовки. Ваши отдельные запросы стоят доли чайной ложки. Ваша совокупная инфраструктура, обрабатывающая миллиарды запросов в регионах с водным стрессом, — совсем другая история. Операторы, которые измеряют, раскрывают и активно управляют потреблением воды уже сейчас, — это те, кто избежит конфликтов за разрешения, противодействия сообществ и операционных сбоев, которые уже разворачиваются от Джорджии до Ирландии. AI-дата-центры продолжат расти. Вырастут ли они ответственно — это выбор, который вы делаете каждый раз, когда выбираете регион, архитектуру охлаждения и стек мониторинга.
发表回复