Crédito: dominio público Unsplash/CC0
Los sistemas de inteligencia artificial tienen sed, consumiendo tanto como 500 mililitros de agua-a botella de agua de un solo servicio—Por cada uno conversación corta Un usuario tiene con la versión GPT-3 del sistema CHATGPT de Openai. Usan aproximadamente la misma cantidad de agua para Redactar un correo electrónico de 100 palabras mensaje.
Esa figura incluye el agua utilizada para enfriar los servidores del centro de datos y el agua consumida en las centrales eléctricas que generan la electricidad para ejecutarlas.
Pero el estudio que calculó esas estimaciones también señaló que el uso del agua de los sistemas de IA puede variar ampliamente, dependiendo de dónde y cuándo La computadora que responde a la consulta se está ejecutando.
Para mi, como un Bibliotecario académico y profesor de educaciónComprender la IA no se trata solo de saber cómo escribir indicaciones. También implica comprender el Infraestructura, las compensaciones y las opciones cívicas que rodean la IA.
Mucha gente Suponga que AI es inherentemente dañinoespecialmente los titulares dados llamando a su vastas huella de energía y agua. Esos efectos son reales, pero solo son parte de la historia.
Cuando las personas pasan de ver a la IA como simplemente un drenaje de recursos para comprender su huella real, de dónde provienen los efectos, cómo varían y qué se puede hacer para reducirlos, están mucho mejor equipados para tomar decisiones que equilibran la innovación con la sostenibilidad.
2 corrientes ocultas
Detrás de cada consulta de IA están Dos corrientes de uso de agua.
El primero es enfriamiento en el sitio de servidores que generan enormes cantidades de calor. Esto a menudo utiliza torres de enfriamiento evaporativas: misteros gigantes que rocían agua sobre tuberías calientes o cuencas abiertas. La evaporación lleva el calor, pero esa agua se elimina del suministro de agua local, como un río, un depósito o un acuífero. Otros sistemas de enfriamiento pueden usar menos agua pero más electricidad.
La segunda corriente es utilizada por las centrales eléctricas que generan la electricidad para alimentar el centro de datos. Las plantas de carbón, gas y nucleares usan grandes volúmenes de agua para ciclos de vapor y enfriamiento.
HydroPower también utiliza cantidades significativas de agua, que evaporas de embalses. Plantas solares concentradas, que funcionan más como las centrales eléctricas de vapor tradicionales, puede ser intensivo en agua Si confían en el enfriamiento húmedo.
Por el contrario, Las turbinas eólicas y los paneles solares usan casi ningún agua Una vez construido, aparte de la limpieza ocasional.
Materia climática y de tiempo
El uso del agua los cambios dramáticamente con la ubicación. Un centro de datos en Irlanda fría y húmeda a menudo puede depender del aire exterior o enfriadores y correr durante meses con Uso mínimo de agua. Por el contrario, un centro de datos en Arizona en julio puede depender en gran medida de enfriamiento evaporativo. El aire caliente y seco hace que ese método sea altamente efectivo, pero también consume grandes volúmenes de agua, ya que la evaporación es el mecanismo que elimina el calor.
El tiempo también importa. Un estudio de Amherst de la Universidad de Massachusetts encontró que un centro de datos podría Use solo la mitad de agua en invierno que en verano. Y al mediodía durante una onda de calor, los sistemas de enfriamiento funcionan horas extras. Por la noche, la demanda es menor.
Los enfoques más nuevos ofrecen alternativas prometedoras. Por ejemplo, enfriamiento de inmersión Subserques servidores en fluidos que no conducen electricidad, como aceites sintéticos, reduciendo casi por completo la evaporación del agua.
Y un nuevo diseño de Microsoft afirma usar Agua cero para enfriarCirculando un líquido especial a través de tuberías selladas directamente a través de las chips de la computadora. El líquido absorbe el calor y luego lo libera a través de un sistema de circuito cerrado sin necesidad de evaporación. Los centros de datos aún usarían un poco de agua potable para baños y otras instalaciones de personal, pero el enfriamiento en sí ya no se basaría de los suministros de agua locales.
Sin embargo, estas soluciones aún no son convencionales, principalmente debido al costo, la complejidad de mantenimiento y la dificultad de convertir los centros de datos existentes en nuevos sistemas. La mayoría de los operadores dependen de los sistemas evaporativos.
Una habilidad simple que puedes usar
El tipo de modelo AI que se consulta también es importante. Eso es por Los diferentes niveles de complejidad y el hardware y la cantidad de energía del procesador Ellos requieren. Algunos modelos pueden usar muchos más recursos que otros. Por ejemplo, un estudio encontró que ciertos modelos pueden consumir más de 70 veces más energía y agua que los ultraeficientes.
Puede estimar la huella de agua de AI en solo tres pasos, sin que se requieran matemáticas avanzadas.
Paso 1: mira para una investigación creíble o divulgaciones oficiales. Los análisis independientes estiman que una respuesta GPT-5 de longitud media, que es de 150 a 200 palabras de producción, o aproximadamente 200 a 300 tokens, usa Alrededor de 19.3 vatios-horas. Una respuesta de longitud similar de los usos de GPT-4O alrededor de 1.75 vatios-horas.
Paso 2: use una estimación práctica para la cantidad de agua por unidad de electricidad, combinando el uso de enfriamiento y energía.
Investigadores independientes y industria informes Sugerir que un rango razonable hoy es de aproximadamente 1.3 a 2.0 mililitros por vatio-hora. El extremo inferior refleja instalaciones eficientes que utilizan enfriamiento moderna y cuadrículas más limpias. El extremo superior representa sitios más típicos.
Paso 3: ahora es hora de armar las piezas. Tome el número de energía que encontró en el Paso 1 y multiplíquelo por el factor de agua del Paso 2. Eso le da la huella de agua de una sola respuesta de IA.
Aquí está la fórmula de una línea que necesitará: energía por aviso (vatio-hora) × factor de agua (mililitros por vatio-hora) = agua por aviso (en mililitros).
Para una consulta de longitud media a GPT-5, ese cálculo debe usar las cifras de 19.3 vatios y 2 mililitros por vatio-hora. 19.3 x 2 = 39 mililitros de agua por respuesta.
Para una consulta de longitud media a GPT-4O, el cálculo es de 1.75 vatios x 2 mililitros por vatio-hora = 3.5 mililitros de agua por respuesta.
Si asume que los centros de datos son más eficientes y usan 1.3 mililitros por vatio-hora, los números disminuyen: alrededor de 25 mililitros para GPT-5 y 2.3 mililitros para GPT-4O.
Un informe técnico reciente de Google dijo que un mensaje de texto medio para su sistema Gemini utiliza solo 0.24 vatios de electricidad y alrededor de 0.26 mililitros de agua—No, el volumen de cinco gotas. Sin embargo, el informe no dice cuánto tiempo es ese aviso, por lo que no se puede comparar directamente con el uso de agua GPT.
Esas diferentes estimaciones, que van de 0.26 mililitros a 39 mililitros, demuestran cuánto importan los efectos de la eficiencia, el modelo de IA y la infraestructura de generación de potencia.
Las comparaciones pueden agregar contexto
Para comprender realmente cuánta agua usan estas consultas, puede ser útil compararlas con otros usos de agua familiares.
Cuando se multiplica por millones, el uso de agua de AI consultas se suma. OpenAI informes sobre 2.5 mil millones de indicaciones por día. Esa cifra incluye consultas a sus sistemas GPT-4O, GPT-4 Turbo, GPT-3.5 y GPT-5, sin un desglose público de cuántas consultas se emiten a cada modelo en particular.
El uso de estimaciones independientes y los informes oficiales de Google da una idea del posible rango:
Todas las indicaciones medias de Google Géminis: alrededor de 650,000 litros por día. Todas las indicaciones de GPT 4O Medium: alrededor de 8.8 millones de litros por día. Todas las indicaciones de GPT 5 medianas: alrededor de 97.5 millones de litros por día.
A modo de comparación, los estadounidenses usan alrededor de 34 mil millones de litros por día Riegue de céspedes y jardines residenciales. Un litro es aproximadamente una cuarta parte de un galón.
La IA generativa usa agua, pero, al menos por ahora, sus totales diarios son pequeños en comparación con otros usos comunes, como céspedes, duchas y lavandería.
Pero su demanda de agua no es fija. La divulgación de Google muestra lo que es posible cuando los sistemas están optimizados, con chips especializados, enfriamiento eficiente y gestión de carga de trabajo inteligente. Reciclaje de agua y localizar centros de datos en regiones más frías y húmedas También puede ayudar.
La transparencia también es importante: cuando las empresas publican sus datos, el público, los formuladores de políticas e investigadores pueden ver lo que se puede lograr y comparar los proveedores de manera justa.
Proporcionado por la conversación
Este artículo se republicó de La conversación bajo una licencia Creative Commons. Leer el artículo original.
Cita: AI tiene un costo de agua oculto: está cómo calcular el suyo (2025, 2 de septiembre) recuperado el 2 de septiembre de 2025 de https://techxplore.com/news/2025-09-ai-hidden.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
