Använder AI verkligen en flaska vatten per meddelande?

Nej. Forskningen bakom påståendet sa inte att ett AI-meddelande förbrukar en 500 ml flaska vatten. Den uppskattade att en flaska skulle kunna motsvara ungefär 20–50 medellånga språkmodellsvar, beroende på var och när systemet kördes. Det är cirka 10–25 ml per svar enligt studiens antaganden.

Nyare operatörssiffror för vanlig text är fortfarande lägre: cirka 0.26 ml för Google s median Gemini Appar prompt och 0.32 ml i genomsnitt ChatGPT fråga som anges av OpenAI s vd. Dessa figurer använder olika system och metoder, så de motbevisar inte bara studien. De motbevisar att presentera en flaska per meddelande som ett avgjort faktum.

Vad den ursprungliga tidningen faktiskt sa

Tidningen 2023 Gör AI mindre "törstig" tänkte modellera det operativa vattenavtrycket för stora språkmodeller. Den inkluderade kyla på plats och vatten i samband med elproduktion, och testade sedan hur plats och tid förändrade resultatet.

Dess minnesvärda exempel uppskattade det GPT-3-class slutsats kan konsumera en 500 ml flaska för ungefär 20–50 svar. Räckvidden var väsentlig: kylväder och nätvattenintensitet varierade. Det var inte baserat på att observera en flaska eller dedikerad pipa för en chatt.

Viss bevakning tappade nämnaren. "En flaska för en konversation" blev "en flaska per uppmaning" eller "per meddelande". Den ändringen multiplicerar den ursprungliga uppskattningen med 20–50 och tar bort den osäkerhet som forskarna försökte lyfta fram.

Skillnaden mellan ett svar och ett samtal spelar också roll. Konversationer varierar i längd, och senare vändningar kan föra tillbaka tidigare sammanhang i modellen, vilket förändrar beräkningen.

Vad nyare leverantörer rapporterar

Google rapporterade en median Gemini Apptextprompt används 0.26 ml vatten i en tidpunktsmätning i maj 2025. Studien inkluderade accelerator-, värd- och tomgångsmaskinenergi plus datacentrets overhead, sedan beräknat vatten för sin betjänande flotta.

Sam Altman angav ett genomsnitt ChatGPT fråga används 0.000085 US gallons, vilket omvandlas till cirka 0.32 ml. OpenAI har inte publicerat beräkningen, begäran om fördelning eller fullständig vattengräns, så den skenbara precisionen bör behandlas med försiktighet.

Båda är runt en bråkdel av en milliliter, långt under 10–25 ml. Men en median och ett genomsnitt är olika, och produktinfrastrukturen förändrades mellan de akademiska scenarierna och 2025 avslöjande.

Varken avslöjande beskriver varje bild, fil, sökning eller resonemangsläge. Att använda en text-prompt siffra på dessa arbetsbelastningar skulle upprepa samma enhetsfel i motsatt riktning.

Varför uppskattningarna skiljer sig så mycket

Modellen och uppgiften påverkar el, vilket påverkar värmen. Datacenterdesignen påverkar direkt vatten. Vädret förändrar kylbehovet. Elnätet byter indirekt vatten. Hårdvara, batchning och användning förändrar hur mycket infrastruktur som allokeras till ett svar.

Gränser kan vara den största källan till oenighet. Att endast räkna driftvatten är smalare än att lägga till elproduktion. Att tilldela ledig kapacitet, utbildning eller uppströmstillverkning ändrar svaret igen. Offentliga avslöjanden ger inte tillräckligt med matchande detaljer för att stämma av siffrorna exakt.

Det skulle vara lika fel att välja det minsta antalet och förklara AI-vattenanvändningen löst. Spridningen visar att tjänstespecifik mätning är möjlig och att generiska uppskattningar kräver varningar. Se AI vattenanvändning per fråga för en sida vid sida förklaring.

Operatörer kan minska osäkerheten genom att publicera intervall efter modell och arbetsbelastning, plus direkt och indirekt vatten för anläggningarna som betjänar dem.

En uppmaning förbrukar inte bokstavligen vatten

Kylsystem betjänar rack och anläggningar kontinuerligt. Forskare delar upp en del av förbrukningen mellan arbetsbelastningar baserat på energi eller aktivitet. Denna tilldelning kan stödja planering, men det är inte en fysisk händelse som utlöses av skicka-knappen.

Samma skillnad gäller för träning. Ett träningspass kan konsumera vatten på en gång; analytiker kan distribuera det över senare meddelanden, men andelen beror på livstidstrafik. Spåntillverkningsvatten finns längre uppströms och ingår sällan.

Dessa lager läggs ut i hur AI använder vatten. Att hålla dem åtskilda förhindrar att en direkt kylningsuppskattning maskerar sig som en komplett livscykel, samtidigt som man känner igen de verkliga resurserna bakom digitala tjänster.

Det håller också ansvaret i sikte: anläggningsoperatörer kontrollerar kylning och placering, medan användarna huvudsakligen kontrollerar volymen och typen av arbete de begär.

Flaskjämförelser kan fortfarande vara användbara

En välbekant behållare gör en osynlig volym begriplig. Problemet är inte metaforen; det tappar källan, nämnaren och gränsen. "En flaska för 20–50 svar i ett forskningsscenario 2023" är korrekt. "Varje meddelande dricker en flaska" är det inte.

Förhållanden blir också fåniga vid mycket små volymer. På 0.26 ml, ungefär 1,900 median Gemini uppmaningar skulle matematiskt vara lika 500 ml. På 0.32 ml, ungefär 1,560 angivet medelvärde ChatGPT frågor skulle. Dessa är transparenta uppdelningar av publicerade siffror, inte påståenden om att dessa meddelanden delar ett kylsystem eller miljökonsekvens.

Vår vardagliga vattenjämförelser bevara den distinktionen. En liter i ett vattenstressat avrinningsområde och en liter i ett vattenrikt är lika volym men inte lika stor påverkan.

Vad är det verkliga bekymret

Miljöfrågan är aggregerad infrastruktur. Även ett litet medelvärde per fråga kan bidra till en betydande efterfrågan när användningen och beräkningsintensiteten ökar. Datacenter klusterar också och koncentrerar vatten- och näteffekter i särskilda samhällen.

Användare kan undvika onödig förnyelse, begränsa irrelevant kontext och välja mindre modeller för rutinarbete. Leverantörer kan göra mycket mer genom att publicera direkt och indirekt vatten, plats, säsongstoppar och fördelning efter arbetsbelastning.

Treechat använder en fast energi-till-vatten-faktor som beskrivs på dess metodsida. Dess kvitto är en uppskattning, inte en liveläsning av anläggningen. Det är den lämpliga standarden för alla vattenpåståenden: håll metoden bredvid numret och korrigera en minnesvärd myt när den går ifrån sin källa.