Wie viel Wasser tut ChatGPT verwenden?
Öffentliche Schätzungen für ChatGPT reichen von Brüchen bis zu mehreren zehn Millilitern pro Abfrage. Hier erfahren Sie, warum sie miteinander in Konflikt stehen und worauf es jeweils ankommt.
Der einzige öffentliche Erstanbieterdurchschnitt sagt a ChatGPT Die Abfrage verbraucht etwa 0.000085 US-Gallonen Wasser – etwa 0.32 Milliliter. OpenAI Geschäftsführer Sam Altman veröffentlichte diese Zahl im Jahr 2025, lieferte jedoch weder die Berechnung noch definierte er, welche Modelle, Standorte und Wassergrenzen sie abdeckt.
Unabhängige Untersuchungen haben weitaus höhere Schätzungen ergeben. In einer Veröffentlichung aus dem Jahr 2023 wurden etwa 500 ml für 20–50 mittellange Antworten vorgeschlagen, oder etwa 10–25 ml jeweils, je nachdem, wo und wann das System lief. Diese Zahlen sind nicht direkt vergleichbar. Die ehrliche Antwort lautet: ChatGPT Der Wasserverbrauch variiert und die öffentliche Offenlegung ist nicht detailliert genug, um Ihre genaue Konversation zu berechnen.
Bei der Erstanbieterzahl handelt es sich um einen Durchschnitt
Altmans veröffentlichte Stellungnahme gab zwei operative Durchschnittswerte für a an ChatGPT Abfrage: etwa 0.34 Wh Strom und 0.000085 US-Gallonen Wasser. Die Umrechnung ergibt etwa 0.32 ml.
Es ist nützlich, weil es vom Betreiber kommt, der seine Infrastruktur und seinen Verkehr beobachten kann. Sie ist begrenzt, da der Beitrag weder den Messzeitraum, die Verteilung der Modelle, die Abfragelänge, die Direkt-zu-Indirekt-Grenze oder die Behandlung des Trainings offenlegt.
Ein Durchschnitt kann auch eine große Bandbreite verbergen. Eine kurze Anfrage und eine lange Argumentationssitzung sind unterschiedliche Rechenaufgaben. Such-, Datei-, Bild- und Agententools können mehrere Systeme aufrufen. Die Figur sollte am besten als Wegweiser auf Flottenebene für den normalen Gebrauch betrachtet werden und nicht als an jedem angebrachter Wasserzähler ChatGPT Nachricht.
Warum die akademische Schätzung höher ist
Das Papier von 2023 KI weniger „durstig“ machen geschätzt sowohl das Kühlwasser vor Ort als auch das mit der Elektrizität verbundene Wasser. Die Forscher modellierten bestimmte Rechenzentrumsstandorte, Wetter- und Stromnetze, anstatt sie zu messen OpenAI s Privatflotte.
Ihr Schlagzeilenbeispiel war, dass eine 500-ml-Flasche etwa 20–50 Antworten liefern könnte. Das entspricht unter den Annahmen des Papiers 10–25 ml pro Antwort. „Eine Flasche pro Nachricht“ wurde nie unterstützt.
Der modellierte Service, die Infrastrukturannahmen und die Zeit weichen von Altmans späterem Durchschnitt ab. Auch Hardware und Kühlung wurden verbessert. Eine Grenze, die die indirekte Stromerzeugung aus Wasser einschließt, ist in der Regel breiter als eine, die sich auf die direkte Kühlung konzentriert. Ohne eine passende Methodik von OpenAI Wir können nicht isolieren, wie viel der Lücke auf die Effizienz und wie viel auf die Buchhaltung zurückzuführen ist.
Der Wasserverbrauch ändert sich je nach Ort und Zeit
Bei der Verdunstungskühlung wird Wasser verbraucht, um Wärme aus einem Rechenzentrum abzuleiten. Die Menge ist abhängig von Temperatur und Luftfeuchtigkeit, Kühlausstattung und Serverauslastung. Eine Anlage, die Außenluft oder eine Kühlung mit geschlossenem Kreislauf nutzt, verbraucht möglicherweise vor Ort weniger.
Auch die Stromerzeugung kann Wasser verbrauchen. Seine Rate ändert sich mit der lokalen Mischung aus Wärmekraft, Wind, Sonne und anderen Quellen. Sowohl der Kühlbedarf als auch der Netzmix können von Stunde zu Stunde schwanken, so dass der gleichen Modellanforderung in verschiedenen Regionen möglicherweise unterschiedliche Wasserzuteilungen zugewiesen werden.
Knappheit verändert sowohl die Folgen als auch das Volumen. Ein Milliliter hat in einem von Dürre betroffenen Einzugsgebiet eine andere lokale Bedeutung als einer in einer wasserreichen Region. Ein globaler Durchschnitt kann das nicht ausdrücken. Siehe wie KI Wasser nutzt für direkte, indirekte und Fertigungsstufen.
Training und Chips stehen bei den meisten Abfrageansprüchen außer Frage
Die wissenschaftliche Arbeit schätzte diese Ausbildung GPT-3 In Microsofts US-Rechenzentren könnten nach seinem Modell direkt rund 700,000 Liter verbraucht werden. Das wird nicht bekannt gegeben OpenAI Messung und neuer ChatGPT Modelle haben unterschiedliche Trainingsläufe. Es sollte nicht als bekannte Summe für das heutige Produkt dargestellt werden.
Das Teilen von Trainingswasser über mehrere Abfragen hinweg ist eine buchhalterische Entscheidung. Die Zuordnung pro Abfrage sinkt, wenn ein Modell mehr Anfragen bedient, und steigt, wenn es vorzeitig außer Betrieb genommen wird. Das Wasser wurde während des Trainings verbraucht, nicht jedes Mal, wenn ein Benutzer auf „Senden“ drückte.
Auch in der Halbleiterfertigung kommt hochreines Wasser zum Einsatz, während der Bau von Rechenzentren Auswirkungen auf vorgelagerte Bereiche hat. In den Verbraucherzahlen ist beides selten enthalten, da die Nutzung, die Hardware-Lebensdauer und die Zuteilung in die Lieferkette ungewiss sind. Eine eng gefasste Betriebsschätzung bleibt nützlich, stellt jedoch keine vollständige Lebenszyklussumme dar.
Was der Flaschenvergleich falsch macht
Der Satz „ChatGPT trinkt eine Flasche Wasser“ lässt eine modellierte Zuteilung wie ein physisches Ereignis klingen. Server öffnen keine Flaschen, wenn eine Nachricht eintrifft. Kühlsysteme arbeiten über viele Arbeitslasten hinweg und Forscher teilen einen Teil ihres Verbrauchs einer Anforderung zu.
Der Vergleich empfiehlt auch einen Festpreis. Sogar das Originalpapier gab eine 20–50 Reaktionsbereich, da Ort und Zeit eine Rolle spielten. Spätere Zahlen beschreiben Bruchteile eines Milliliters. Die Wahl eines Endpunkts ohne Quelle und Grenze verwandelt Unsicherheit in Clickbait.
Unser engagiertes Audit –Verwendet KI wirklich eine Flasche pro Nachricht?– verfolgt den Anspruch. Die Schlussfolgerung ist nicht, dass KI kein Wasser verbraucht. Es geht darum, dass Einheit, Nenner und Umfang mit der Zahl mitreisen müssen.
Was können Sie mit dieser Unsicherheit tun?
Behandeln Sie 0.32 ml als OpenAI Der angegebene Durchschnitt ist nicht Ihr genaues Maß. Betrachten Sie 10–25 ml als Forschungsszenario für eine andere Leistungsgrenze, nicht als aktuelles Szenario ChatGPT Lesen. Bilden Sie nicht den Durchschnitt: Dadurch würde eine Zahl entstehen, die von keiner der Quellen unterstützt wird.
Um eine geringere Auswirkung zu erzielen, konzentrieren Sie sich auf Gespräche, vermeiden Sie wiederholte Versuche und verwenden Sie fortgeschrittene Überlegungen oder generierte Medien, wenn die Aufgabe dies rechtfertigt. Die Auswahl eines kleineren geeigneten Modells kann den Rechenaufwand und die der Antwort zugeordnete Kühllast reduzieren.
Anbieter verfügen über die entscheidenden Daten. Sie können Verteilungen nach Modell und Aufgabe, direktem und indirektem Wasser, Anlagenstandorten und saisonalem Verbrauch veröffentlichen. Bis dahin sollten verantwortungsvolle Schätzungen umfassend und explizit bleiben. Treechat folgt diesem Prinzip in seinem Methodik: Der Wasserverbrauch ergibt sich aus der geschätzten Energie und einem festen Faktor, nicht aus einer Live-Messung eines Rechenzentrums.
Für visuelle Vergleiche, ohne die Vorbehalte zu verlieren, siehe KI-Wasserverbrauch im Vergleich zu alltäglichen Dingen. Die wichtigste Lektion ist einfach: Das Umweltproblem betrifft die gesamte, lokale Infrastruktur – und nicht nur einen Schluck, den Ihr Bildschirm im wahrsten Sinne des Wortes aufnimmt.