استخدام الذكاء الاصطناعي للمياه لكل استعلام: ما الذي يمكننا معرفته بالفعل؟

لا يوجد رقم واحد لاستخدام المياه لاستعلام الذكاء الاصطناعي. تضع إفصاحات المشغل الأخيرة المطالبات النصية العادية عند حوالي 0.26 مل للمتوسط Gemini تطبيقات سريعة و0.0.32 مل في المتوسط ChatGPT الاستعلام. أنتج النموذج الأكاديمي لعام 2023 نطاقًا أعلى بكثير يبلغ حوالي 10–25 مل لكل استجابة لنموذج اللغة في مواقع معينة وحدود النظام.

لا ينبغي حساب متوسط هذه التقديرات أو التعامل معها على أنها قياسات لنفس الشيء. وهي تغطي نماذج مختلفة، والأجهزة، والتبريد، والشبكات، والتواريخ وتعريفات المياه. طول الاستعلام وأدواته مهمة أيضًا. الإجابة الأكثر دقة للمستهلك هي نطاق المصادر مع حدوده المرفقة.

الرقمين المشغلين المنخفضين

Google ذكرت 0.26 مل من الماء لمتوسط Gemini تمت مطالبة إنشاء نصوص التطبيقات في مايو 2025. كما أبلغ التحليل المصاحب لها أيضًا عن 0.24 واط في الساعة من الطاقة ووصف حدود الخدمة الشاملة بما في ذلك البنية التحتية الداعمة.

OpenAI صرح الرئيس التنفيذي سام التمان أن المتوسط ChatGPT الاستعلام المستخدم 0.000085 US gallons‎حوالي 0.32 مل. لم ينشر المنشور حسابًا أو يحدد مزيج الطلب الأساسي.

الأرقام متقاربة، لكنها لا تحدد معدلا عالميا. أحدهما عبارة عن متوسط ​​زمني مُقاس لتطبيق مسمى؛ والآخر هو متوسط ​​الأسطول غير المبرر. الوسيط والمتوسط ​​عبارة عن إحصائيات مختلفة، وتستمر كلتا الخدمتين في التغير.

تقديرات البحوث العليا

في جعل الذكاء الاصطناعي أقل "عطشا"قام الباحثون بوضع نموذج للتبريد المباشر والمياه المرتبطة بالكهرباء غير المباشرة لنماذج لغوية كبيرة. وقد خصص مثالهم الذي تم الاستشهاد به على نطاق واسع زجاجة سعة 500 مل لحوالي 20–50 استجابة متوسطة الطول، أي ما يعادل حوالي 10–25 مل لكل منها.

كان هذا سيناريو يعتمد على مواقع النشر المفترضة والطقس وكثافة مياه الشبكة وطاقة النموذج. ولم تكن قراءة العداد منها ChatGPT. تظهر قيمة البحث أن متى وأين يتم تشغيل النموذج يمكن أن يغير بصمته المائية بشكل ملموس.

قد تعكس فجوة الحجم مع أرقام المزودين اللاحقة أجهزة أكثر كفاءة وتبريدًا، وطاقة نموذجية مختلفة، ومحاسبة أضيق أو مختلفة ببساطة. ولأن البيانات الأساسية القابلة للمقارنة ليست علنية، فإن إسناد الفجوة لسبب واحد سيكون بمثابة تكهنات.

لا تزال عملية حسابية بسيطة تحتاج إلى مدخلات صعبة

في أبسط صوره، يمكن تقدير المياه المباشرة لكل استعلام على أنها طاقة استعلام مضروبة في فعالية استخدام المياه في المنشأة. تضيف المياه غير المباشرة الطاقة مضروبة في كثافة المياه المستخدمة في توليد الكهرباء. يتطلب التدريب والتصنيع مخصصات منفصلة.

يتحرك كل إدخال. تتغير طاقة الاستعلام باستخدام الرموز المميزة للإدخال والإخراج والدفعات واستدعاءات الأجهزة والأدوات. تتغير مياه المنشأة مع الطقس ووضع التبريد. تتغير كثافة مياه الشبكة مع الجيل. يخفف المتوسط ​​السنوي الساعات التي قد يكون فيها ضغط المياه المحلي في أعلى مستوياته.

قام مختبر بيركلي بوضع نموذج لمتوسط فعالية استخدام المياه في المواقع الأمريكية بما يزيد قليلاً 0.36 لتر لكل كيلووات ساعة في عام 2023. إن ضرب تقدير الأسطول الوطني هذا بتقدير سريع للمنتج من شأنه أن يخلط بين الأنظمة غير ذات الصلة، ولن يكشف عن المياه الفعلية للمزود.

"الاستعلام" ليس وحدة مستقرة

قد يؤدي إكمال النص القصير إلى توليد بضع عشرات من الرموز المميزة. يمكن لطلب البحث معالجة المستندات الطويلة والبحث في الويب والاتصال بالنموذج عدة مرات. يستخدم إنشاء الصور والفيديو خطوط أنابيب مختلفة. إن حساب كل منها كاستعلام واحد يجعل القاسم مناسبًا ولكنه ضعيف بيئيًا.

تتضمن الوحدة الأفضل عبء العمل: النموذج، ورموز الإدخال، ورموز الإخراج، والطريقة، ونشاط الأداة. وحتى في هذه الحالة، فإن البنية الأساسية للخدمة المشتركة تعني أن التخصيص يكون تقريبيًا. تدعم الخوادم الخاملة والشبكات والتبريد العديد من المستخدمين في وقت واحد.

هذا هو السبب كم من الماء ChatGPT الاستخدامات لا يمكن الرد من عدد الرسائل وحده. ولهذا السبب أيضًا قد تكون توزيعات المزودين أكثر فائدة من متوسط ​​واحد: يحتاج القراء إلى رؤية الاستخدام العادي والمتطور والاستخدام الثقيل للأدوات بشكل منفصل.

المياه المباشرة ليست البصمة بأكملها

يعد الاستهلاك في الموقع مهمًا محليًا وغالبًا ما يتم تنظيم ما تسمح به التصاريح. ولا يشمل المياه المستخدمة من قبل نظام الطاقة. وعلى العكس من ذلك، قد يقوم نموذج غير مباشر واسع النطاق بتعيين المياه من توليد بعيد والتي تكون أقل صلة بمستجمع المياه المباشر في مركز البيانات.

وتستخدم مصانع الرقائق المياه فائقة النقاء، كما أن البناء له تأثيرات على سلسلة التوريد. عادةً ما تكون هذه المراحل غائبة عن عمليات الكشف لكل استعلام لأنه لا توجد طريقة عامة يمكنها تخصيص عمر المعالج بثقة عبر جميع أعماله. مياه التدريب لها نفس مشكلة القاسم.

تقدم التقارير الواضحة عدة طبقات بدلاً من الادعاء بأن إحدى هذه الطبقات هي الحقيقة: التشغيل المباشر، والكهرباء غير المباشرة، وتخصيص التدريب، وسلسلة التوريد المتجسدة. دليلنا ل كيف يستخدم الذكاء الاصطناعي الماء يشرح مكان حدوث كل طبقة.

كيفية اقتباس رقم بمسؤولية

اسم الخدمة والإحصائيات: "Google ذكرت 0.26 مل لمتوسطها Gemini المطالبة النصية للتطبيقات في مايو 2025." الحفاظ على "الوسيط" و"النص" والتاريخ. ل ChatGPT، قل "ذكر ألتمان متوسطًا يبلغ حوالي 0.32 مل، دون نشر الطريقة".

عند الاستشهاد بالعمل الأكاديمي، قل "النموذج مقدر 500 مل عبر تقريبا 20–50 الاستجابات في ظل سيناريوهاتها”. لا تختصر ذلك ل زجاجة لكل رسالة.

Treechat يستخدم افتراضًا ثابتًا بالملليلتر لكل واط في الساعة لإنشاء تقديرات متسقة من طاقة الرسالة. ال المنهجية يصنف هذا على أنه تقديري لأن التبريد الفعلي ومياه الطاقة غير متوفرة. الاتساق يمكن أن يساعد في المقارنة Treechat الرسائل؛ ولا يمكنها تحويل عامل عام إلى قياس للمنشأة.

والخلاصة العملية هي تقليل الحسابات غير الضرورية والمطالبة بإفصاح أفضل. النطاق الشفاف أقل تذكرًا من الزجاجة، ولكنه أقرب كثيرًا إلى ما هو معروف بالفعل.