L’intelligenza artificiale utilizza davvero una bottiglia d’acqua per messaggio?

No. La ricerca alla base di questa affermazione non afferma che un messaggio dell'intelligenza artificiale consuma una bottiglia d'acqua da 500 ml. Si stima che una bottiglia possa corrispondere a circa 20–50 risposte del modello linguistico di media lunghezza, a seconda di dove e quando viene eseguito il sistema. Si tratta di circa 10–25 ml per risposta secondo i presupposti dello studio.

I valori degli operatori più recenti per il testo ordinario sono ancora più bassi: circa 0.26 ml per Google è la mediana Gemini Richiesta app e 0.32 ml in media ChatGPT query indicata da OpenAI l'amministratore delegato di. Queste cifre utilizzano sistemi e metodi diversi, quindi non si limitano a smentire lo studio. Smentiscono la presentazione di una bottiglia per messaggio come un fatto accertato.

Ciò che effettivamente diceva il documento originale

Il documento del 2023 Rendere l’intelligenza artificiale meno “assetata” si sono proposti di modellare l’impronta idrica operativa di grandi modelli linguistici. Ha incluso il raffreddamento in loco e l'acqua associata alla generazione di elettricità, quindi ha testato come la posizione e il tempo hanno modificato il risultato.

Il suo memorabile esempio lo stimava GPT-3-class l'inferenza potrebbe consumare una bottiglia da 500 ml per circa 20–50 risposte. L’intervallo era essenziale: il clima di raffreddamento e l’intensità dell’acqua nella rete variavano. Non si basava sull'osservazione di una bottiglia o di una pipa dedicata per una chiacchierata.

Alcuni articoli hanno fatto cadere il denominatore. “Una bottiglia per una conversazione” è diventata “una bottiglia per prompt” o “per messaggio”. Questa alterazione moltiplica la stima originale per 20–50 ed elimina l’incertezza che i ricercatori stavano cercando di evidenziare.

Anche la distinzione tra una risposta e una conversazione è importante. Le conversazioni variano in lunghezza e i turni successivi possono riportare il contesto precedente nel modello, modificando il calcolo.

Cosa riportano i fornitori più recenti

Google riportato una mediana Gemini Prompt di testo dell'app utilizzato 0.26 ml di acqua in una misurazione puntuale del maggio 2025. Lo studio ha incluso l'energia dell'acceleratore, dell'host e delle macchine inattive, oltre alle spese generali del data center, quindi ha calcolato l'acqua per la flotta in servizio.

Sam Altman ha dichiarato una media ChatGPT query utilizzata 0.000085 US gallons, che si converte in circa 0.32 ml. OpenAI non ha pubblicato il calcolo, né ha richiesto la distribuzione o l'intero confine dell'acqua, quindi la precisione apparente dovrebbe essere trattata con cautela.

Entrambi sono intorno a una frazione di millilitro, molto al di sotto di 10–25 ml. Ma una mediana e una media sono diverse e l’infrastruttura del prodotto è cambiata tra gli scenari accademici e le dichiarazioni del 2025.

Nessuna delle due divulgazioni descrive ogni immagine, file, modalità di ricerca o ragionamento. L'applicazione di una figura di richiesta di testo a tali carichi di lavoro ripeterebbe lo stesso errore unitario nella direzione opposta.

Perché le stime differiscono così tanto

Il modello e il compito influiscono sull'elettricità, che a sua volta influisce sul calore. La progettazione del data center influisce sull'acqua diretta. Il clima modifica la domanda di raffreddamento. La rete elettrica cambia l'acqua indiretta. L'hardware, il batch e l'utilizzo modificano la quantità di infrastruttura assegnata a una risposta.

I confini possono essere la principale fonte di disaccordo. Contare solo l’acqua dei siti operativi è più ristretto che aggiungere la produzione di elettricità. L’assegnazione di capacità inutilizzata, formazione o produzione a monte cambia nuovamente la risposta. Le informazioni pubbliche non offrono dettagli sufficienti per riconciliare con precisione le cifre.

Sarebbe altrettanto sbagliato scegliere il numero più piccolo e dichiarare risolto il consumo idrico dell’IA. Lo spread mostra che la misurazione specifica del servizio è possibile e che le stime generiche necessitano di avvertenze. Vedere Utilizzo dell'acqua dell'IA per query per una spiegazione affiancata.

Gli operatori potrebbero ridurre l’incertezza pubblicando gli intervalli per modello e carico di lavoro, oltre all’acqua diretta e indiretta per le strutture che li servono.

Un prompt non consuma letteralmente acqua

I sistemi di raffreddamento servono continuamente rack e strutture. I ricercatori dividono una parte del consumo tra i carichi di lavoro in base all’energia o all’attività. Questa allocazione può supportare la pianificazione, ma non è un evento fisico attivato dal pulsante di invio.

La stessa distinzione vale per la formazione. Una corsa di allenamento può consumare acqua in una sola volta; gli analisti possono distribuirlo tra i messaggi successivi, ma la condivisione dipende dal traffico totale. L’acqua per la fabbricazione dei trucioli è più a monte e raramente inclusa.

Questi strati sono disposti in come l’intelligenza artificiale utilizza l’acqua. Mantenerli separati impedisce che una stima diretta del raffreddamento venga mascherata da ciclo di vita completo, pur riconoscendo le reali risorse dietro i servizi digitali.

Mantiene inoltre in considerazione la responsabilità: gli operatori della struttura controllano il raffreddamento e l'ubicazione, mentre gli utenti controllano principalmente il volume e il tipo di lavoro che richiedono.

I confronti tra bottiglie possono ancora essere utili

Un contenitore familiare rende comprensibile un volume invisibile. Il problema non è la metafora; sta perdendo la fonte, il denominatore e il confine. “Una bottiglia per 20–50 risposte in uno scenario di ricerca del 2023” è accurata. “Ogni messaggio beve una bottiglia” non lo è.

I rapporti diventano stupidi anche a volumi molto piccoli. A 0.26 ml, circa 1,900 media Gemini i prompt equivarrebbero matematicamente a 500 ml. A 0.32 ml, circa 1,560 nella media dichiarata ChatGPT le domande sarebbero. Si tratta di divisioni trasparenti dei dati pubblicati, non di affermazioni secondo cui tali messaggi condividono un sistema di raffreddamento o una conseguenza ambientale.

Nostro confronti quotidiani dell'acqua preservare tale distinzione. Un litro in un bacino con stress idrico e un litro in uno con abbondante acqua hanno lo stesso volume ma non lo stesso impatto.

Qual è la vera preoccupazione

La questione ambientale riguarda le infrastrutture aggregate. Anche una piccola media per query può aumentare la domanda sostanziale quando l’utilizzo e l’intensità computazionale crescono. Anche i data center si raggruppano, concentrando gli effetti dell’acqua e della rete in particolari comunità.

Gli utenti possono evitare rigenerazioni non necessarie, limitare il contesto irrilevante e scegliere modelli più piccoli per il lavoro di routine. I fornitori possono fare molto di più pubblicando acqua diretta e indiretta, ubicazione, picchi stagionali e distribuzioni per carico di lavoro.

Treechat utilizza un fattore fisso energia-acqua descritto nel suo pagina della metodologia. La sua ricevuta è una stima, non una lettura della struttura in tempo reale. Questo è lo standard appropriato per tutte le affermazioni sull’acqua: mantenere il metodo accanto al numero e correggere un mito memorabile quando supera la sua fonte.