Czy sztuczna inteligencja naprawdę zużywa butelkę wody na wiadomość?

Nie. Badania leżące u podstaw tego twierdzenia nie wykazały, że jedna wiadomość AI zużywa butelkę wody o pojemności 500 ml. Oszacowano, że butelka może odpowiadać około 20–50 średniej długości odpowiedziom opartym na modelu językowym, w zależności od tego, gdzie i kiedy system był uruchomiony. Zgodnie z założeniami badania oznacza to około 10–25 ml na odpowiedź.

Nowsze liczby operatorów dla zwykłego tekstu są jeszcze niższe: około 0.26 ml dla Google mediana Gemini Aplikacje wyświetlają monit i średnio 0.32 ml ChatGPT zapytanie podane przez OpenAI dyrektor naczelny. Liczby te wykorzystują różne systemy i metody, więc nie tylko obalają badanie. Obalają przedstawianie jednej butelki w wiadomości jako ustalony fakt.

Co faktycznie napisano w oryginalnej gazecie

Artykuł z 2023 r Sprawienie, że sztuczna inteligencja będzie mniej „spragniona” postanowiono modelować operacyjny ślad wodny dużych modeli językowych. Obejmowało chłodzenie na miejscu i wodę związaną z wytwarzaniem energii elektrycznej, a następnie sprawdzano, jak lokalizacja i czas zmieniły wynik.

Jego pamiętny przykład oszacował to GPT-3-class wnioskowanie mogłoby zużyć butelkę o pojemności 500 ml na około 20–50 odpowiedzi. Zasięg był niezbędny: pogoda chłodząca i intensywność wody w sieci były zróżnicowane. Nie polegało to na obserwacji butelki czy dedykowanej fajki podczas jednej pogawędki.

W niektórych przypadkach mianownik spadł. „Butelka na rozmowę” stała się „butelką na zachętę” lub „na wiadomość”. Ta zmiana mnoży pierwotne szacunki przez 20–50 i usuwa niepewność, którą badacze próbowali podkreślić.

Rozróżnienie między odpowiedzią a rozmową również ma znaczenie. Rozmowy mają różną długość, a późniejsze tury mogą przenieść wcześniejszy kontekst z powrotem do modelu, zmieniając obliczenia.

Co zgłaszają nowi dostawcy

Google zgłosiła medianę Gemini Używany monit tekstowy aplikacji 0.26 ml wody w pomiarze punktowym z maja 2025 r. Badanie obejmowało energię akceleratora, hosta i maszyny bezczynnej oraz obciążenie centrum danych, a następnie obliczono zużycie wody dla floty obsługującej.

Sam Altman stwierdził średnią ChatGPT użyte zapytanie 0.000085 US gallons, co przekłada się na około 0.32 ml. OpenAI nie opublikował obliczeń, zażądał rozkładu lub pełnej granicy wody, dlatego do pozornej precyzji należy podchodzić ostrożnie.

Obie objętości wynoszą około ułamka mililitra, znacznie poniżej 10–25 ml. Jednak mediana i średnia są różne, a infrastruktura produktów uległa zmianie w zależności od scenariuszy akademickich i ujawnień z 2025 r.

Żadne z ujawnień nie opisuje każdego obrazu, pliku, trybu wyszukiwania lub rozumowania. Zastosowanie wartości podpowiedzi tekstowych do tych obciążeń spowodowałoby powtórzenie tego samego błędu jednostkowego w przeciwnym kierunku.

Dlaczego szacunki tak bardzo się od siebie różnią

Model i zadanie wpływają na energię elektryczną, która wpływa na ciepło. Projekt centrum danych wpływa bezpośrednio na wodę. Pogoda zmienia zapotrzebowanie na chłodzenie. Sieć energetyczna zmienia wodę pośrednio. Sprzęt, przetwarzanie wsadowe i wykorzystanie zmieniają ilość infrastruktury przydzielonej do jednej odpowiedzi.

Granice mogą być największym źródłem nieporozumień. Liczenie wyłącznie wody eksploatacyjnej jest węższe niż dodanie wytwarzania energii elektrycznej. Alokacja niewykorzystanych mocy produkcyjnych, szkolenia lub produkcja na wyższym szczeblu łańcucha dostaw ponownie zmieniają odpowiedź. Publiczne ujawnienia nie zapewniają wystarczającej szczegółowości dopasowania, aby dokładnie uzgodnić dane liczbowe.

Równie błędne byłoby wybranie najmniejszej liczby i stwierdzenie, że wykorzystanie wody przez sztuczną inteligencję zostało rozwiązane. Rozpiętość pokazuje, że możliwy jest pomiar specyficzny dla usługi i że ogólne szacunki wymagają zastrzeżeń. Zobacz Zużycie wody AI na zapytanie w celu uzyskania wyjaśnień.

Operatorzy mogliby zawęzić niepewność, publikując zakresy według modelu i obciążenia, a także bezpośredniej i pośredniej wody dla obsługujących ich obiektów.

Podpowiedź dosłownie nie zużywa wody

Systemy chłodzenia obsługują regały i urządzenia w sposób ciągły. Naukowcy dzielą część zużycia pomiędzy obciążenia w oparciu o energię lub aktywność. Ta alokacja może wspierać planowanie, ale nie jest to zdarzenie fizyczne wyzwalane przyciskiem wysyłania.

To samo rozróżnienie dotyczy szkolenia. Bieg treningowy może jednorazowo zużywać wodę; analitycy mogą rozpowszechniać go w późniejszych wiadomościach, ale udział zależy od ruchu w całym okresie. Woda z produkcji wiórów jest pobierana dalej w górę rzeki i rzadko jest uwzględniana.

Warstwy te są ułożone w jak sztuczna inteligencja wykorzystuje wodę. Trzymanie ich oddzielnie pozwala uniknąć sytuacji, w której bezpośrednie szacunki dotyczące chłodzenia będą udawać pełny cykl życia, a jednocześnie uwzględniać rzeczywiste zasoby stojące za usługami cyfrowymi.

Ma to także na uwadze odpowiedzialność: operatorzy obiektów kontrolują chłodzenie i lokalizację, podczas gdy użytkownicy kontrolują głównie ilość i rodzaj pracy, której wymagają.

Porównania butelek mogą być nadal przydatne

Znajomy pojemnik sprawia, że ​​niewidzialna objętość staje się zrozumiała. Problemem nie jest metafora; traci źródło, mianownik i granicę. „Jedna butelka na 20–50 odpowiedzi w scenariuszu badawczym na rok 2023” jest trafna. „Każda wiadomość wypija butelkę” nie jest.

Proporcje również stają się głupie przy bardzo małych ilościach. Przy 0.26 ml, około 1,900 mediany Gemini podpowiedzi będzie matematycznie równe 500 ml. Przy 0.32 ml, około 1,560 podanej średniej ChatGPT zapytania. Są to przejrzyste podziały publikowanych danych, a nie twierdzenie, że komunikaty te mają wspólny system chłodzenia lub konsekwencje dla środowiska.

Nasz codzienne porównania wody zachować to rozróżnienie. Litr w zlewni ubogiej w wodę i litr w zlewni obfitującej w wodę mają taką samą objętość, ale nie taki sam wpływ.

Jakie jest prawdziwe zmartwienie

Kwestią środowiskową jest zagregowana infrastruktura. Nawet niewielka średnia na zapytanie może zwiększyć znaczny popyt, gdy wzrasta wykorzystanie i intensywność obliczeniowa. Centra danych również tworzą skupiska, koncentrując wpływ wody i sieci na poszczególnych społecznościach.

Użytkownicy mogą uniknąć niepotrzebnej regeneracji, ograniczyć nieistotny kontekst i wybrać mniejsze modele do rutynowej pracy. Dostawcy mogą zrobić znacznie więcej, publikując bezpośrednią i pośrednią wodę, lokalizację, szczyty sezonowe i rozkłady według obciążenia pracą.

Treechat wykorzystuje stały współczynnik energii do wody opisany na jego stronie strona metodologiczna. Jego otrzymanie ma charakter szacunkowy, a nie odczyt obiektu na żywo. Oto właściwy standard w przypadku wszystkich roszczeń dotyczących wody: zachowaj metodę obok liczby i popraw zapadający w pamięć mit, gdy przekroczy on swoje źródło.