AI folosește într-adevăr o sticlă de apă per mesaj?

Nu. Cercetarea din spatele afirmației nu a spus că un mesaj AI consumă o sticlă de apă de 500 ml. S-a estimat că o sticlă ar putea corespunde la aproximativ 20–50 de răspunsuri de lungime medie a modelului de limbaj, în funcție de locul și când a rulat sistemul. Adică aproximativ 10–25 ml pe răspuns, conform ipotezelor studiului.

Cifrele de operator mai noi pentru textul obișnuit sunt încă mai mici: aproximativ 0.26 ml pentru Google mediana lui Gemini Aplicații prompte și 0.32 ml pentru o medie ChatGPT interogare declarată de OpenAI directorul executiv al lui. Aceste cifre folosesc sisteme și metode diferite, deci nu infirmă pur și simplu studiul. Ei respinge prezentarea unei sticle pe mesaj ca fapt stabilit.

Ce spunea de fapt hârtia originală

Lucrarea din 2023 A face AI mai puțin „însetată” și-a propus să modeleze amprenta operațională a apei a modelelor mari de limbaj. A inclus răcirea la fața locului și apa asociată cu generarea de electricitate, apoi a testat modul în care locația și ora au schimbat rezultatul.

Exemplul său memorabil a estimat că GPT-3-class concluzia ar putea consuma o sticlă de 500 ml pentru aproximativ 20–50 de răspunsuri. Gama a fost esențială: vremea de răcire și intensitatea apei din rețea au variat. Nu sa bazat pe observarea unei sticle sau a unei conducte dedicate pentru o conversație.

O anumită acoperire a scăzut numitorul. „O sticlă pentru o conversație” a devenit „o sticlă per prompt” sau „pe mesaj”. Această modificare înmulțește estimarea inițială cu 20–50 și elimină incertitudinea pe care cercetătorii încercau să o evidențieze.

Distincția dintre un răspuns și o conversație contează și ea. Conversațiile variază în lungime, iar rândurile ulterioare pot aduce contextul anterior înapoi în model, schimbând calculul.

Ce raportează furnizorii mai noi

Google a raportat o mediană Gemini Folosit promptul text al aplicațiilor 0.26 ml apă într-o măsurătoare punctuală din mai 2025. Studiul a inclus energia de accelerație, gazdă și mașină inactivă, plus costul central al centrului de date, apoi a calculat apa pentru flota sa de deservire.

Sam Altman a declarat o medie ChatGPT interogarea folosită 0.000085 US gallons, care se transformă în aproximativ 0.32 ml. OpenAI nu a publicat calculul, cererea de distribuție sau limita totală a apei, așa că precizia aparentă trebuie tratată cu precauție.

Ambele sunt în jur de o fracțiune de mililitru, cu mult sub 10–25 ml. Dar o medie și o medie sunt diferite, iar infrastructura produsului s-a schimbat între scenariile academice și dezvăluirile din 2025.

Nicio dezvăluire nu descrie fiecare imagine, fișier, căutare sau mod de raționament. Aplicând o cifră cu mesaj text acelor sarcini de lucru ar repeta aceeași eroare de unitate în direcția opusă.

De ce estimările diferă atât de mult

Modelul și sarcina afectează electricitatea, care afectează căldura. Designul centrului de date afectează apa direct. Vremea modifică cererea de răcire. Rețeaua electrică schimbă indirect apa. Hardware-ul, loturile și utilizarea modifică cât de multă infrastructură este alocată unui răspuns.

Granițele pot fi cea mai mare sursă de dezacord. Numărarea numai a apei din amplasamentul operațional este mai restrânsă decât adăugarea de energie electrică. Alocarea capacității inactive, formarea sau producția în amonte schimbă din nou răspunsul. Dezvăluirile publice nu oferă suficiente detalii de potrivire pentru a reconcilia cifrele cu precizie.

Ar fi la fel de greșit să alegem cel mai mic număr și să declarăm că utilizarea apei AI a fost rezolvată. Distribuția arată că măsurarea specifică serviciului este posibilă și că estimările generice necesită avertismente. Vezi Consumul de apă AI per interogare pentru o explicație alăturată.

Operatorii ar putea reduce incertitudinea publicând intervale în funcție de model și volum de muncă, plus apă directă și indirectă pentru instalațiile care îi deservesc.

Un prompt nu consumă literalmente apă

Sistemele de răcire servesc continuu rafturi și instalații. Cercetătorii împart o parte a consumului între sarcinile de lucru în funcție de energie sau activitate. Această alocare poate sprijini planificarea, dar nu este un eveniment fizic declanșat de butonul de trimitere.

Aceeași distincție se aplică antrenamentului. Un antrenament poate consuma apă la un moment dat; analiștii îl pot distribui prin mesaje ulterioare, dar cota depinde de traficul pe viață. Apa de fabricare a așchiilor este mai în amonte și rareori inclusă.

Aceste straturi sunt așezate în cum folosește IA apa. Menținerea lor separată împiedică o estimare directă a răcirii să se mascheze ca un ciclu de viață complet, recunoscând totodată resursele reale din spatele serviciilor digitale.

De asemenea, ține cont de responsabilitate: operatorii unității controlează răcirea și amplasarea, în timp ce utilizatorii controlează în principal volumul și tipul de muncă pe care o solicită.

Comparațiile sticlelor pot fi în continuare utile

Un recipient familiar face ca un volum invizibil să fie de înțeles. Problema nu este metafora; pierde sursa, numitorul și granița. „O sticlă pentru 20–50 de răspunsuri într-un scenariu de cercetare din 2023” este exact. „Fiecare mesaj bea o sticlă” nu este.

De asemenea, rapoartele devin prostești la volume foarte mici. La 0.26 ml, aproximativ 1,900 mediană Gemini prompturile ar fi egal matematic cu 500 ml. La 0.32 ml, aproximativ 1,560 în medie ChatGPT interogările ar. Acestea sunt diviziuni transparente ale cifrelor publicate, nu pretenții că acele mesaje au un sistem de răcire sau o consecință asupra mediului.

Al nostru comparații zilnice de apă păstrează această distincție. Un litru într-un bazin hidrografic sub presiune și un litru într-un bazin cu apă abundentă au un volum egal, dar nu un impact egal.

Care este adevărata preocupare

Problema de mediu este infrastructura agregată. Chiar și o medie mică pe interogare se poate adăuga la cererea substanțială atunci când utilizarea și intensitatea de calcul cresc. Centrele de date se grupează, de asemenea, concentrând efectele asupra apei și rețelei în anumite comunități.

Utilizatorii pot evita regenerarea inutilă, pot limita contextul irelevant și pot alege modele mai mici pentru munca de rutină. Furnizorii pot face mult mai mult publicând apă directă și indirectă, locație, vârfuri sezoniere și distribuții în funcție de volumul de muncă.

Treechat folosește un factor fix energie-apă descris pe acesta pagina de metodologie. Chitanța sa este o estimare, nu o lectură în direct la instalație. Acesta este standardul potrivit pentru toate afirmațiile referitoare la apă: păstrați metoda lângă număr și corectați un mit memorabil când își depășește sursa.