Setiap pertanyaan yang Anda ajukan ke AI konon meminum sebotol air. Atau lima tetes. Kedua angka tersebut dikutip setiap hari, berasal dari sumber yang kredibel, dan keduanya berbeda dua ribu kali lipat.Botol tersebut berasal dari studi universitas tahun 2023 yang diperkuat oleh Washington Post; lima tetes berasal dari pengungkapan pengukuran Google sendiri dua tahun kemudian; dan pada tahun 2026, peneliti di balik botol tersebut telah mengoreksi perkiraannya ke bawah sementara total di tingkat fasilitas terus bertambah. Hampir tidak ada yang mengutip salah satu angka tersebut bisa memberi tahu Anda apa yang dihitung, yang merupakan satu-satunya hal yang menentukan apakah itu benar.
Studi ini melakukan untuk air apa yang dilakukan oleh kamiStudi energi AImelakukan pengukuran listrik: telusuri setiap angka yang banyak dikutip ke sumbernya, nyatakan apa yang diukur oleh masing-masing angka, dan lakukan perhitungan yang penting pada skala di mana air benar-benar diputuskan, megawatt dan daerah aliran sungai, bukan yang langsung. Kami menjalankan infrastruktur komputasi untuk kehidupan, dariHosting GPUuntuk penambangan, dan pertanyaan tentang air juga menjadi perhatian di sisi industri kami, jadi angka-angka di bawah ini adalah yang kami inginkan sebelum menentukan lokasi fasilitas, bukan yang memenangkan argumen di media sosial.
Studi ini melakukan untuk air apa yang dilakukan oleh kamiStudi energi AImelakukan pengukuran listrik: telusuri setiap angka yang banyak dikutip ke sumbernya, nyatakan apa yang diukur oleh masing-masing angka, dan lakukan perhitungan yang penting pada skala di mana air benar-benar diputuskan, megawatt dan daerah aliran sungai, bukan yang langsung. Kami menjalankan infrastruktur komputasi untuk kehidupan, dariHosting GPUuntuk penambangan, dan pertanyaan tentang air juga menjadi perhatian di sisi industri kami, jadi angka-angka di bawah ini adalah yang kami inginkan sebelum menentukan lokasi fasilitas, bukan yang memenangkan argumen di media sosial.
Jawaban singkat
- Menurut prompt, diukur:Google melaporkan 0,26 mL air di lokasi untuk permintaan teks Gemini median (sekitar lima tetes); angka yang dinyatakan oleh OpenAI adalah 0,32 mL. Menghitung pembangkit listrik di balik data centre, perkiraan kisaran tahun 2026 yang jujur untuk armada modern adalah sekitar 1-5 mL per query.
- Botol viral:angka sekitar 519 mL "per email 100 kata" adalah perkiraan siklus penuh tahun 2023 dari kondisi jaringan listrik terburuk; peneliti di baliknya sekarang memperkirakan prompt kelas GPT-4 mendekati 15 mL secara keseluruhan, sekitar 5 mL di lokasi.
- Dalam skala besar, itu nyata:Rechenzentren di AS mengkonsumsi sekitar 17 miliar galon secara langsung pada tahun 2023, dengan sekitar 211 miliar galon lagi di pembangkit listrik yang memasoknya, dan angka langsung tersebut diperkirakan akan mencapai 38-73 miliar galon pada tahun 2028.
- Desain pendinginan menentukan segalanya:Menara evaporatif berjalan sekitar 1,8 L/kWh; sistem tertutup cairan berjalan di bawah 0,05. Dengan perhitungan yang sama, 36x kurang air.
Berapa banyak air yang digunakan oleh satu prompt AI
Jawaban singkat: beberapa tetes di tempat, beberapa mililiter setelah Anda menghitung listriknya, dan sebotol kecil hanya di bawah asumsi 2023 yang tidak lagi menggambarkan armada modern. Jawaban panjangnya adalah rangkaian klaim, masing-masing benar dalam ruang lingkupnya sendiri, dan tangga itu sendiri adalah hal yang paling berguna di halaman ini.
Asal-usul angka botol air
Angka 519 mL mengacu pada “Making AI Less Thirsty,” studi UC Riverside tahun 2023 yang pertama kali menyoroti penggunaan air dalam AI. Perkiraan utamanya: inferensi era GPT-3 menggunakan sekitar 500 mL air tawar per 10 hingga 50 respons sedang, yang kemudian disempurnakan oleh Washington Post menjadi kerangka terkenal botol-per-100-kata email. Dua hal tentang angka tersebut sering kali diabaikan saat dikutip. Angka itu menghitung gambaran lengkap, termasuk pendinginan di lokasi dan air yang menguap di pembangkit listrik yang menghasilkan listrik, serta memodelkan kondisi terburuk, termasuk grid Iowa tahun 2023 yang berat menggunakan batu bara dan tidak lagi mencerminkan di mana atau bagaimana model-model ini dijalankan. Itu adalah penelitian yang sah yang menjawab pertanyaan yang tidak diajukan orang lain; itu bukan pengukuran chat Anda hari ini.
Apa yang sebenarnya diungkapkan perusahaan
Pada bulan Juni 2025, Sam Altman menyatakan bahwa rata-rata pertanyaan ChatGPT menggunakan 0,000085 galon, sekitar 0,32 mL, bersamaan dengan 0,34 Wh listrik, tanpa metodologi yang dipublikasikan, itulah sebabnya para peneliti menganggapnya sebagai dasar yang mungkin daripada penghitungan. Dua bulan kemudian Google menerbitkan angka yang menyudahi perdebatan: sebuah median Gemini teks prompt mengonsumsi0,26 mL air, sekitar lima tetes, diukur di seluruh armadanya dengan metodologi yang mencakup pendinginan, kapasitas cadangan idle, CPU dan RAM, serta overhead data centre. Per juta query itu adalah 260 liter. Kedua angka hanya menghitung air di lokasi, dan perkiraan Google kira-kira cocok dengan apa yang akan Anda prediksi dari efisiensi air armada modern, yang membuatnya sangat kredibel.
Mengapa angkanya berbeda 2.000x, dan siapa yang melakukan revisi
Sebaran adalah cakupan, bukan ketidakjujuran. Pendinginan di lokasi mungkin sekitar 15-25% dari cerita air sebenarnya dari sebuah prompt; pembangkit listrik di balik soket adalah mayoritas; pembuatan chip menambah sisanya. Hitung hanya yang pertama dan Anda mendapatkan tetesan; hitung semuanya berdasarkan asumsi tahun 2023 dan Anda mendapatkan botol. Perkembangan yang mengungkapkan pada tahun 2026: Shaolei Ren, peneliti di balik angka asli, telah merevisi perkiraannya untuk sebuah prompt setingkat GPT-4 menjadi sekitar15 mL cakupan penuh, sekitar 5 mLmenghitung hanya data centre, dan perkiraan armada modern yang independen berkisar sekitar 1-5 mL semua-in. Botol tersebut menyampaikan poinnya; tetes-tetesnya lebih mendekati realitas Anda; dan satu kalimat jujur adalah bahwaKesalahan pembulatan terjadi pada Anda, sementara fasilitas yang menyediakannya tidak.
Pernyataan, dalam satu tabel:
Pernyataan, dalam satu tabel:
| Gambar | Sumber & tahun | Apa yang dihitung | Status pada tahun 2026 |
|---|---|---|---|
| ~519 mL / email | UC Riverside melalui Washington Post, 2023 | Daur hidup penuh: pendinginan + air dari pembangkit listrik, kasus terburuk jaringan listrik, era GPT | Digantikan; penulis telah menurunkan revisi |
| 10-50 mL / balas | "Mempersempit Kebutuhan AI," 2023 / CACM 2025 | Di lokasi + listrik air, asumsi 2023 | Rentang akademik dari botol tersebut |
| ~15 mL (5 mL di tempat) | Revisi tim Ren, 2026 | Prompt kelas GPT-4, cakupan lengkap / hanya onsite | Perkiraan akademik saat ini |
| 1-5 mL | Perkiraan armada modern independen, 2026 | Air tanah + air grid realistis, infrastruktur saat ini | Rentang all-in yang jujur hari ini |
| 0,32 mL | OpenAI (Altman), Juni 2025 | Pendinginan di lokasi saja; tidak ada metodologi yang dipublikasikan | lantai yang masuk akal |
| 0,26 mL | Pengungkapan Google, Agustus 2025 | Median Gemini prompt, di lokasi, termasuk cadangan idle + biaya overhead | pengukuran yang paling terdokumentasi |
Reproduksi tabel ini secara bebas dengan atribusi dan tautan; ini adalah cara tercepat untuk menyelesaikan perdebatan airAI apapun.
Berapa banyak air yang digunakan oleh pusat data AI secara total?
Zoom keluar dari perintah dan angka-angka itu berhenti terlihat imut. Data pusat AS langsung mengkonsumsi sekitar17 miliar galon pada tahun 2023, menurut laporan Lawrence Berkeley National Laboratory kepada Kongres, secara perkiraan penggunaan tahunan setara dengan 160.000 rumah tangga, dan laporan yang sama memproyeksikan38 hingga 73 miliar galon pada tahun 2028seiring perkembangan AI. Secara global, IEA memperkirakan volume air di pusat data pada tahun 2023 sekitar 560 miliar liter, menuju sekitar 1.200 miliar pada tahun 2030, dan estimasi yang telah ditinjau sejawat pada tahun 2025 mengaitkan 312-765 miliar liter hanya untuk sistem AI. Sebuah kampus hyperscale dengan beban penuh menarik 1 hingga 5 juta galon per hari, setara dengan kota berpenduduk 10.000 hingga 50.000 orang, sementara sebuah lokasi pendingin udara modern hampir tidak menggunakan air: perbedaan antara fasilitas adalah cerita utamanya.
Layar skor perusahaan, dan kesenjangan pengungkapan
Google, pelapor paling transparan, mengonsumsi 6,1 miliar galon di pusat data mereka pada tahun 2024 (naik dari 4,3 miliar pada tahun 2021) dan 10,9 miliar galon secara keseluruhan di perusahaan pada tahun 2025, naik 34% dalam satu tahun; situs terbesarnya, Council Bluffs, Iowa, mengonsumsi 2,8 juta galon per hari. Amazon melaporkan 2,5 miliar galon dengan WUE armada sebesar 0,12, tidak termasuk situs sewaan. Angka terakhir yang dipublikasikan oleh Meta adalah 813 juta galon (2023). Microsoft berhenti melaporkan jumlah galon absolut setelah 2022, dan mempublikasikan rasio efisiensi sebagai gantinya, yang membuat tren totalnya tidak dapat diverifikasi, dan celah itu sendiri adalah sebuah data poin: di Texas, yang merupakan rumah bagi 341 pusat data yang diketahui, hanya 17% yang melaporkan penggunaan air sama sekali. Definisi juga sering berubah, antara penarikan dan konsumsi, tahun kalender versus tahun fiskal, sehingga perbandingan antar perusahaan bersifat perkiraan yang dikemas sebagai pengukuran sampai standar pengungkapan disusun.
Di mana konsentrasi: masalah regional
Secara nasional, data centre sekitar 0,2% dari penggunaan air di AS, kurang dari lapangan golf; secara lokal, mereka dapat menjadi seperlima dari sebuah kota. Klaster di Northern Virginia mengkonsumsi hampir 2 miliar galon pada 2023, naik lebih dari 60% sejak 2019. Situs Google di The Dalles, Oregon diungkapkan, setelah pertarungan hukum atas catatan, menggunakan 29% dari seluruh pasokan air kota tersebut. Sekitar satu dari lima data centre di AS mengambil dari wilayah tangkapan air yang sudah diklasifikasikan sebagai stres, dan dengan 63% dari negara dalam kondisi kekeringan pada pertengahan 2026, penempatan lokasi telah menjadi pertempuran: para legislator Virginia bergerak untuk membatasi pendinginan evaporatif, dan PBB menghabiskan Juni 2026 menuntut pengungkapan. Pola yang harus dipertahankan:Airwater adalah masalah penempatan lokal dengan narasi nasional, dan kedua bagian kalimat tersebut sama pentingnya.
Siap Memulai Penambangan?
Pengiriman DDP gratis seluruh dunia. Hosting profesional mulai dari $0.055/kWh.
Kemudian, ke mana sebenarnya air itu pergi?
Tiga destinasi, dan kosakata sangat penting.Penarikanapakah air diambil;konsumsiApakah air yang tidak pernah kembali, kehilangan sebagian besar sebagai uap. Tower pendingin menarik air, menguapkan sekitar 80% dari itu untuk membawa panas server ke langit, dan mengembalikan sisanya. Penguapan itu adalah satu-satunya air yang secara langsung tersentuh oleh prompt Anda, dan merupakan bagian yang lebih kecil dari jejak karbon:
Pembagian global dari IEA membuatnya menjadi konkret: dari 560 miliar liter pada tahun 2023, 67% menguap di pembangkit listrik yang menghasilkan listrik tersebut, 25% di pusat data itu sendiri, dan 8% dalam pembuatan perangkat keras, di mana satu chip canggih membutuhkan sekitar 8.300 liter air ultra murni untuk diproduksi. Inilah sebabnya mengapa campuran listrik secara diam-diam adalah penggerak air terbesar: yang samaserver AIdengan tenaga angin, tenaga surya, atau turbin gas modern membawa sebagian kecil dari bayangan air yang akan terjadi pada jaringan listrik batu bara atau termal yang lebih tua, dan itulah sebabnya kamistudi energidan yang ini adalah dua setengah dari penghitungan yang sama.
Pertarungan antara air dan energi yang tidak pernah dijelaskan
Inilah bagian yang hampir selalu dilewatkan dalam setiap artikel: data centre menggunakan air untuk menghemat energi. Penguapan air adalah cara termurah yang pernah dirancang untuk menyingkirkan panas, sehingga pendinginan evaporatif memberikan fasilitas overhead daya yang rendah dengan minum; pendinginan kering dan chiller mengeluarkan listrik tambahan untuk menghemat air. WUE, liter yang menguap per kilowatt-jam beban TI, adalah metrik yang menilai pilihan tersebut, dan perbedaan antar desain sangat besar:
Putaran 2026 adalah bahwa AI menyelesaikan masalah airnya sendiri karena alasan yang sama sekali tidak terkait dengan air. Rak kelas Blackwell dengan daya 60-140 kW tidak dapat didinginkan secara ekonomis dengan udara ruangan, sehingga industri beralih keSirkuit tertutup langsung-ke-chip cairan, teknologi yang sama yang dipetakan oleh panduan persyaratan hosting GPU kami untuk alasan kepadatan, dan sirkuit tertutup diisi sekali dan tidak menguapkan apa pun. Pilot desain nol air Microsoft di Phoenix tahun ini didasarkan pada prinsip ini, dan perkiraan industri menunjukkan bahwa air di lokasi hanya meningkat sekitar 50% hingga tahun 2030 meskipun kapasitas berlipat ganda, tepat karena kombinasi pendinginan yang berubah. Garis politik juga telah dilalui: operator semakin melaporkan bahwa biaya komunitas untuk penggunaan air yang terlihat sekarang lebih besar daripada penghematan energi dari menara evaporatif. Kepadatan memaksa transisi cair; air diam-diam memenangkan permintaan darinya.
Pelatihan vs inferensi: mana yang membutuhkan lebih banyak energi?
Pelatihan adalah judul utama, inferensi adalah total keseluruhan. Pelatihan GPT-3 secara langsung menguapkan sekitar 700.000 liter di pusat data Microsoft di AS, angka nyata yang tetap saja diimbangi oleh sebagian kecil mililiter per query seumur hidup, pola yang sama yang ditemukan studi energi kami dengan listrik: jejak pelatihan sebuah model dihabiskan kembali oleh trafik inferensinya dalam beberapa minggu. Apa yang memindahkan total air adalah rutinitas harian ratusan juta query dan, semakin lama, bobot dari model yang menjawabnya: balasan kelas penalaran yang menghabiskan 5-10 kali lipat energi dari obrolan singkat membawa bayangan air 5-10 kali lipat dengan mereka, tetes demi tetes mengikuti watt. Pelajaran bagi siapa saja yang menjalankan tumpukan mereka sendiri adalah pelajaran yang sama darianalisis sewa versus beli: pemanfaatan dan pilihan model, bukan keberadaan AI, menentukan tagihan sumber daya.
Bagaimana penggunaan air oleh AI dibandingkan dengan penambangan Bitcoin?
Kami menjalankan kedua sisi dari perbandingan ini untuk kehidupan sehari-hari, jadi berikut ini tanpa pemasaran. Studi utama yang menempatkan Bitcoin memiliki jejak air yang besar, seperti angka botol AI, didominasi oleh air tidak langsung: penguapan di pembangkit listrik yang menghasilkan listrik, yang berkaitan dengan campuran jaringan listrik, bukan mesin. Perbedaan yang jujur adalah di lokasi. SebuahFasilitas penambanganber-udara,Didim berair pendingin air di loop tertutup, atau didinginkan dengan cairan dielektrik, dan tidak ada dari desain tersebut yang menggunakan menara pendingin evaporatif; air diisi sekali dan didaur ulang, prinsip isi sekali ini sedang diadopsi AI sekarang di bawah tekanan densitas.
Pertambangan juga berbeda dalam hal lokasi: di sumber pembangkitan, membeli tenaga listrik yang dikurangi dan terhambat di bawahstruktur PPA, dan semakin banyak menggunakan kembali panasnya daripada membuangnya, pola yang tercakup dalam kamiLaporan pendinginan imersidan cakupan penggunaan kembali panas. Air mengikuti pilihan lokasi tersebut sama seperti perangkat keras pendingin.
Jadi kalimat yang adil berbunyi:Cerita air dari kedua industri sebagian besar adalah cerita tentang listrik, dan perbedaan di lokasi mendukung warisan pendinginan dari pertambangan., yang secara tepat merupakan keahlian yang melintasi saat penambang mengonversi megawatt menjadi hosting AI. Itulah sebabnya mengapa pendinginan loop tertutup dengan aliran air rendah bukanlah sebuah aspirasi dalam kamiHosting GPUdesain tetapi suatu warisan: industri penambangan menghabiskan satu dekade belajar mendinginkan silikon padat dan panas tanpa tagihan air kota, dan rak AI sekarang menjadi penerima manfaatnya. Gambar lingkungan secara lengkap, termasuk sisi jaringan listrik, ada dalam kamistudi keberlanjutan penambangan.
Pertambangan juga berbeda dalam hal lokasi: di sumber pembangkitan, membeli tenaga listrik yang dikurangi dan terhambat di bawahstruktur PPA, dan semakin banyak menggunakan kembali panasnya daripada membuangnya, pola yang tercakup dalam kamiLaporan pendinginan imersidan cakupan penggunaan kembali panas. Air mengikuti pilihan lokasi tersebut sama seperti perangkat keras pendingin.
Jadi kalimat yang adil berbunyi:Cerita air dari kedua industri sebagian besar adalah cerita tentang listrik, dan perbedaan di lokasi mendukung warisan pendinginan dari pertambangan., yang secara tepat merupakan keahlian yang melintasi saat penambang mengonversi megawatt menjadi hosting AI. Itulah sebabnya mengapa pendinginan loop tertutup dengan aliran air rendah bukanlah sebuah aspirasi dalam kamiHosting GPUdesain tetapi suatu warisan: industri penambangan menghabiskan satu dekade belajar mendinginkan silikon padat dan panas tanpa tagihan air kota, dan rak AI sekarang menjadi penerima manfaatnya. Gambar lingkungan secara lengkap, termasuk sisi jaringan listrik, ada dalam kamistudi keberlanjutan penambangan.
Apa yang sebenarnya diminum oleh satu megawatt
Per-prompt mililiter menyembunyikan keputusan sebenarnya; per-megawatt liter mengungkapkannya. Lakukan perhitungan pada skala di mana pendinginan dipilih:
Satu megawatt beban TI menjalankan 24 MWh melalui meter setiap hari. Pada menara evaporatif tradisional dengan konsumsi 1,8 L/kWh, satu megawatt menguapkan sekitar43.000 liter (11.400 galon) seharidi tempat; pada loop tertutup di bawah 0,05 L/kWh, megawatt yang sama dan komputasi yang sama menguapdi bawah 1.200 literSkalakan: sebuah kampus evapotranspirasi dengan daya 100 MW mengkonsumsi sekitar 1,1 juta galon per hari, seperti profil air dari sebuah kota nyata, sementara kampus identik dengan loop tertutup hampir tidak terdeteksi oleh utilitas. Angka yang patut diulang adalah rasio:36x, sepenuhnya ditentukan oleh desain pendinginan, bukan seberapa banyak AI yang dijalankan oleh siapa pun. Ketika Anda mengevaluasi klaim fasilitas apa pun, termasuk kami, WUE adalah angka yang harus diminta; semuanya lainnya adalah adjektiva.
Apa yang tidak dapat diberitahu oleh angka-angka
Empat batas jujur. Median menyembunyikan ekor: 0,26 mL dari Google adalah prompt teks median, dan pekerjaan yang memerlukan banyak penalaran atau konteks panjang berada jauh di atasnya. Pengungkapan bersifat sukarela dan tidak konsisten: operator terbesar melaporkan cakupan yang berbeda-beda dari tahun ke tahun, satu berhenti melaporkan total sama sekali, dan 83% fasilitas di Texas tidak melaporkan apa-apa, sehingga total industri apa pun hanyalah batas bawah. Volume bukanlah stres: satu miliar galon dari daerah basah adalah fakta yang berbeda dari seratus juta dari akuifer yang tertekan, dan konteks DAS, bukan tonase, yang seharusnya memandu penentuan lokasi. Dan posisi kami sendiri: kami menjualHardware AIdan mengoperasikanFasilitas hosting GPU, sehingga kami memperoleh manfaat ketika jawabannya adalah “jalankan di fasilitas yang efisien”; angka-angka di atas bersumber sehingga Anda dapat memeriksanya tanpa mempercayai kami.
Kesimpulan utama
Berapa banyak air yang digunakan AI? Diukur langsung di lokasi, sekitar lima tetes per prompt; dengan jujur dihitung bersamaan dengan listriknya, beberapa mililiter; skala fasilitas, 17 miliar galon AS pada 2023 menuju jumlah sebanyak 73 miliar pada 2028, terkonsentrasi di wilayah yang paling tidak mampu menyediakannya. Botol viral tersebut merupakan kasus terburuk tahun 2023 yang pembuatnya sendiri telah pindah; kisah nyata tahun 2026 adalah kesenjangan 36x antara fasilitas yang haus dan fasilitas tertutup, serta fakta diam-diam bahwa kepadatan rak AI memaksa industri ke tingkat air yang rendah demi alasan fisika murni. Tanyakan kepada operator apa pun dua angka, WUE dan watershed, dan Anda akan mengetahui lebih banyak daripada seluruh debat per prompt yang bisa diajarkan kepada Anda. Disiplin yang sama berlaku untukserverdanGPUPeralatan yang efisien dalam bangunan yang efisien adalah jawaban lengkap, dan hal itu dapat diperiksa.
Pertanyaan yang Sering Diajukan
Berapa banyak air yang digunakan oleh ChatGPT untuk setiap pertanyaan?
Angka yang dinyatakan oleh OpenAI adalah 0,32 mL per query rata-rata (0,000085 galon), menghitung pendinginan di lokasi saja. Jika termasuk perkiraan realistis dari bagian air pembangkit listrik pada infrastruktur modern, estimasi independen tahun 2026 berkisar sekitar 1-5 mL per query, dari tetes kecil hingga sebagian kecil dari sendok teh. Angka botol air yang terkenal menggambarkan asumsi skenario terburuk tahun 2023 dan telah direvisi ke bawah oleh penulisnya sendiri menjadi sekitar 15 mL untuk cakupan penuh pada prompt setingkat GPT-4.
Apakah klaim "sebotol air per email" benar?
It was an defensible estimate for 2023 and is an outdated claim for 2026. The ~519 mL figure came from research at UC Riverside amplified by the Washington Post; it counted full-lifecycle water, including power plants, on a worst-case grid. The same research group's revised estimate for a current GPT-4-class prompt is about 15 mL full scope (roughly 5 mL onsite), and measured disclosures from Google put a median prompt at 0,26 mL onsite. Quote the bottle today and you are citing a superseded scenario.
Mengapa pusat data AI sama sekali menggunakan air?
Untuk memindahkan panas dengan biaya rendah. Server mengubah hampir setiap watt menjadi panas, dan menguapkan air adalah cara paling efisien energi untuk membuang panas tersebut: menara pendingin menguapkan sekitar 80% air yang mereka tarik untuk mengalirkan panas server ke atmosfer. Desain yang menghindari penggunaan air, seperti pendingin kering dan chiller, membayar biaya tambahan listrik, dan sistem cairan sirkulasi tertutup menghindari kompromi tersebut hampir sepenuhnya dengan mengalirkan kembali isi sekali pakai.
Berapa banyak air yang digunakan oleh pusat data di AS?
Sekitar 17 miliar galon konsumsi langsung di lokasi pada tahun 2023 menurut laporan Lawrence Berkeley National Laboratory kepada Kongres, dengan sekitar 211 miliar galon tambahan dikonsumsi di pembangkit listrik yang menghasilkan listrik mereka. LBNL memproyeksikan penggunaan langsung sebesar 38-73 miliar galon pada tahun 2028 saat kapasitas AI berkembang. Sebagai perbandingan, penggunaan langsung setara dengan sekitar 160.000 rumah tangga, dan konteks nasional penting: data centre menyerap sekitar 0,2% dari air AS, tetapi terkonsentrasi secara lokal di area yang terdampak.
Perusahaan AI mana yang mengungkapkan penggunaan airnya dengan terbaik?
Google, dengan jarak yang cukup jauh: ia menerbitkan total galon (10,9 miliar secara perusahaan di tahun 2025, 6,1 miliar di pusat data untuk tahun 2024), angka per lokasi untuk fasilitas terbesarnya, dan pengukuran per prompt (median 0,26 mL) beserta metodologinya. Amazon mengungkapkan total dan WUE armadanya (0,12, tidak termasuk situs yang disewa). Microsoft berhenti menerbitkan jumlah galon absolut setelah 2022 dan beralih ke rasio efisiensi, dan total terakhir Meta dari tahun 2023. Di Texas, hanya 17% dari fasilitas yang diketahui melaporkan penggunaan air sama sekali.
Apa itu WUE di pusat data?
Efektivitas Penggunaan Air: liter air yang dikonsumsi (sebagian besar menguap) per kilowatt-jam energi TI. Pendinginan evaporatif tradisional sekitar 1,8 L/kWh; total armada AS sekitar 0,36; armada Microsoft Azure melaporkan 0,30 dan Amazon 0,12; desain tertutup sirkulasi cair dan udara dingin berjalan di bawah 0,05. Ini adalah angka paling berguna untuk membandingkan fasilitas, karena desain pendinginan, bukan volume komputasi, yang menentukan berapa banyak suatu lokasi minum.
Apakah penambangan Bitcoin menggunakan lebih banyak air daripada AI?
Di fasilitas, secara umum lebih sedikit; di pembangkit listrik, keduanya merupakan cerita tentang jaringan. Fasilitas penambangan modern berpendingin udara, berpendingin hidro closed-loop, atau berpendingin cairan immersi, tanpa menara evaporatif, sehingga konsumsi langsung di lokasi minimal, sementara studi utama tentang air penambangan didominasi oleh air dari pembangkit listrik tidak langsung yang mengikuti campuran jaringan. Armada AI secara historis bergantung pada pendinginan evaporatif, meskipun rak baru yang paling padat sekarang beralih ke prinsip closed-loop yang sama yang diterapkan saat penambangan matang terlebih dahulu.
Apakah penggunaan AI di rumah membuang-buang air?
Tidak secara signifikan pada tingkat individu. Setahun penggunaan pribadi yang intens, ribuan permintaan, jumlahnya dalam liter, kurang dari satu kali mandi. Pertanyaan air nyata di tingkat fasilitas dan daerah aliran sungai, di mana satu kampus hyperscale dapat mengkonsumsi 1-5 juta galon per hari dan satu dari lima pusat data di AS berada di daerah aliran sungai yang stres. Jika Anda ingin penggunaan Anda berpengaruh, tuas yang dapat digunakan adalah pemilihan model (model yang lebih ringan untuk tugas ringan) dan penyedia yang mengungkapkan WUE, bukan abstinensi.
Berapa banyak air yang dibutuhkan untuk melatih GPT-4 atau GPT-3?
Angka yang didokumentasikan untuk GPT-3: sekitar 700.000 liter evaporasi langsung di data centre Microsoft di AS, menurut studi UC Riverside. Pelatihan skala GPT-4 kemungkinan mengonsumsi beberapa kali lipat jumlah tersebut, meskipun tidak ada angka resmi yang tersedia. Jika dibagi selama masa hidup model, pelatihan merupakan bagian kecil dari total penggunaan air; inferensi, yang dilakukan berulang ratusan juta kali setiap hari, mendominasi, pola yang sama berlaku untuk energi.
Apakah data centre mendaur ulang air pendingin mereka?
Sebagian, tergantung pada desain. Sistem evaporatif mendaur ulang air melalui beberapa siklus pendinginan tetapi akhirnya menguapkan sekitar 80% dari volume yang diambil, dan sisa yang terkonsentrasi (blowdown) dibuang. Sistem cairan loop tertutup benar-benar mendaur ulang: diisi sekali, didaur ulang tanpa batas, konsumsi berkelanjutan hampir nol, itulah sebabnya fasilitas dengan kepadatan AI baru dan desain tanpa air seperti pilot Phoenix Microsoft 2026 dibangun di atasnya. Beberapa operator juga menggunakan air daur ulang atau non-potable untuk mengurangi pasokan air minum.
Apakah penggunaan air oleh AI akan terus meningkat?
Total penggunaan akan meningkat seiring pembangunan, tetapi lebih lambat daripada kapasitas komputasi: perkiraan menunjukkan air di lokasi meningkat sekitar 50% pada tahun 2030 bahkan ketika kapasitas hampir dua kali lipat, karena kepadatan rak AI sendiri memaksa pergeseran dari pendinginan evaporatif ke cairan tertutup. Pertanyaan terbuka adalah penempatan: pertumbuhan terfokus di daerah yang mengalami kekeringan dengan pengungkapan yang lemah menciptakan krisis lokal terlepas dari rata-rata efisiensi yang efisien, itulah sebabnya konteks daerah aliran sungai dan pengungkapan WUE, yang sekarang diminta oleh PBB dan beberapa negara bagian AS, lebih penting daripada total nasional.
Sumber dan catatan
Angka per-prompt: “Membuat AI Kurang Haus” (Li, Yang, Ren dan lain-lain, 2023; diperluas CACM 2025) untuk estimasi 500 mL per 10-50 respons dan pelatihan GPT-3 (~700.000 L); Washington Post (2024) untuk sekitar 519 mL per pengiriman email berbingkai 100 kata; The Atlantic dan liputan selanjutnya (2026) untuk revisi tim Ren (~15 mL ruang lingkup penuh, ~5 mL onsite, kelas GPT-4); OpenAI (Altman, “The Gentle Singularity,” Juni 2025) untuk 0,000085 gal (0,32 mL) + 0,34 Wh, metodologi tidak dipublikasikan; Pengungkapan lingkungan Google (Agustus 2025) untuk 0,26 mL / 0,24 Wh / 0,03 gCO2e median prompt Gemini termasuk cadangan idle dan overhead; estimasi armada modern independen (1-5 mL) per cakupan benchmarking 2026. Total: laporan LBNL/DOE ke Kongres (AS sekitar 17 miliar galon 2023; diproyeksikan 38-73 miliar 2028; sekitar 211 miliar galon di pabrik pembangkit listrik; WUE armada sekitar 0,36); IEA (global 560 miliar L 2023, split 67/25/8 di seluruh listrik/penyejuk/produksi; sekitar 1.200 miliar L pada 2030); de Vries-Gao (2025, peer-reviewed) 312-765 miliar L untuk AI secara khusus; laporan korporasi: Google (6,1 miliar galon DC 2024; 10,9 miliar perusahaan 2025, +34% YoY; Council Bluffs 2,8 juta galon/hari dikonsumsi), Amazon (2,5 miliar galon, WUE 0,12, tidak termasuk sewaan), Meta (813 juta galon 2023), Microsoft (total absolut terakhir dipublikasikan 2022; Azure WUE 0,30; pilot tanpa air Phoenix/Mt. Pleasant 2026), Equinix (85% dari penarikan dikonsumsi). Regional: LBNL (Virginia Utara sekitar 1,85-2 miliar galon 2023, +63-65% dibandingkan 2019), The Oregonian (The Dalles 29% dari air kota, 2021, catatan melalui litigasi), HARC (Texas 341 fasilitas, 17% pelaporan), US Drought Monitor (63% AS dalam kekeringan, Juni 2026), satu dari lima angka daerah aliran sungai yang stres menurut pelaporan 2026; inisiatif pengungkapan PBB Juni 2026. Pangsa penguapan (~80% dari penarikan) menurut Ren via Bloomberg. Fabrikasi chip ~2.200 gal air ultra-murni per chip canggih per studi siklus hidup. Ekonomi pendinginan dan trade-off evaporatif-vs-dry menurut survei industri pendinginan 2026; sekitar 1,8 L/kWh tradisional dan <0,05 L/kWh terbaik dalam kelas menurut yang sama. Perbandingan Bitcoin: estimasi utama air tambang didominasi oleh air dari pembangkit listrik secara tidak langsung; karakterisasi onsite pendinginan udara/hidro/selam dari praktik operasional kami dan desain fasilitas yang dipublikasikan. Angka-angka adalah yang terbaik tersedia per Agustus 2026; lingkup pengungkapan berbeda antar perusahaan dan tahun, jadi perlakukan perbandingan antar perusahaan sebagai perkiraan. Kami menjual perangkat keras AI dan mengoperasikan hosting GPU serta infrastruktur penambangan; posisi tersebut disampaikan dalam teks. Hero: Derek Dye, CC BY-SA 2.0; tubuh: Radomianin, CC BY-SA 4.0, via Wikimedia Commons. Diagram dan tabel klaim: karya asli MillionMiner, bebas digunakan ulang dengan atribusi dan tautan ke halaman ini. Konten informatif, bukan saran kepatuhan lingkungan
Sumber dan catatan
Angka per-prompt: “Membuat AI Kurang Haus” (Li, Yang, Ren dan lain-lain, 2023; diperluas CACM 2025) untuk estimasi 500 mL per 10-50 respons dan pelatihan GPT-3 (~700.000 L); Washington Post (2024) untuk sekitar 519 mL per pengiriman email berbingkai 100 kata; The Atlantic dan liputan selanjutnya (2026) untuk revisi tim Ren (~15 mL ruang lingkup penuh, ~5 mL onsite, kelas GPT-4); OpenAI (Altman, “The Gentle Singularity,” Juni 2025) untuk 0,000085 gal (0,32 mL) + 0,34 Wh, metodologi tidak dipublikasikan; Pengungkapan lingkungan Google (Agustus 2025) untuk 0,26 mL / 0,24 Wh / 0,03 gCO2e median prompt Gemini termasuk cadangan idle dan overhead; estimasi armada modern independen (1-5 mL) per cakupan benchmarking 2026. Total: laporan LBNL/DOE ke Kongres (AS sekitar 17 miliar galon 2023; diproyeksikan 38-73 miliar 2028; sekitar 211 miliar galon di pabrik pembangkit listrik; WUE armada sekitar 0,36); IEA (global 560 miliar L 2023, split 67/25/8 di seluruh listrik/penyejuk/produksi; sekitar 1.200 miliar L pada 2030); de Vries-Gao (2025, peer-reviewed) 312-765 miliar L untuk AI secara khusus; laporan korporasi: Google (6,1 miliar galon DC 2024; 10,9 miliar perusahaan 2025, +34% YoY; Council Bluffs 2,8 juta galon/hari dikonsumsi), Amazon (2,5 miliar galon, WUE 0,12, tidak termasuk sewaan), Meta (813 juta galon 2023), Microsoft (total absolut terakhir dipublikasikan 2022; Azure WUE 0,30; pilot tanpa air Phoenix/Mt. Pleasant 2026), Equinix (85% dari penarikan dikonsumsi). Regional: LBNL (Virginia Utara sekitar 1,85-2 miliar galon 2023, +63-65% dibandingkan 2019), The Oregonian (The Dalles 29% dari air kota, 2021, catatan melalui litigasi), HARC (Texas 341 fasilitas, 17% pelaporan), US Drought Monitor (63% AS dalam kekeringan, Juni 2026), satu dari lima angka daerah aliran sungai yang stres menurut pelaporan 2026; inisiatif pengungkapan PBB Juni 2026. Pangsa penguapan (~80% dari penarikan) menurut Ren via Bloomberg. Fabrikasi chip ~2.200 gal air ultra-murni per chip canggih per studi siklus hidup. Ekonomi pendinginan dan trade-off evaporatif-vs-dry menurut survei industri pendinginan 2026; sekitar 1,8 L/kWh tradisional dan <0,05 L/kWh terbaik dalam kelas menurut yang sama. Perbandingan Bitcoin: estimasi utama air tambang didominasi oleh air dari pembangkit listrik secara tidak langsung; karakterisasi onsite pendinginan udara/hidro/selam dari praktik operasional kami dan desain fasilitas yang dipublikasikan. Angka-angka adalah yang terbaik tersedia per Agustus 2026; lingkup pengungkapan berbeda antar perusahaan dan tahun, jadi perlakukan perbandingan antar perusahaan sebagai perkiraan. Kami menjual perangkat keras AI dan mengoperasikan hosting GPU serta infrastruktur penambangan; posisi tersebut disampaikan dalam teks. Hero: Derek Dye, CC BY-SA 2.0; tubuh: Radomianin, CC BY-SA 4.0, via Wikimedia Commons. Diagram dan tabel klaim: karya asli MillionMiner, bebas digunakan ulang dengan atribusi dan tautan ke halaman ini. Konten informatif, bukan saran kepatuhan lingkungan
