Spragnione serwerownie: ile wody piją centra danych AI
Kiedy użytkownik wysyła zapytanie do chatbota opartego na dużym modelu językowym, po stronie serwerów rusza proces, którego koszt nie ogranicza się do energii elektrycznej. Procesory graficzne w centrach danych rozgrzewają się do wysokich temperatur, a najprostszym sposobem ich chłodzenia pozostaje odparowanie wody. Ta — pobierana często z tych samych sieci miejskich, które zaopatrują domy i szpitale — bezpowrotnie ulatuje w postaci pary. W epoce gwałtownego rozwoju generatywnej sztucznej inteligencji pytanie, ile wody kosztuje odpowiedź maszyny, przestało być ciekawostką. Stało się przedmiotem badań naukowych, korporacyjnych sprawozdań i lokalnych sporów na całym świecie.
Mechanizm: parujące serwery i prądożerne elektrownie
Ślad wodny centrum danych składa się z dwóch części. Pierwsza to bezpośrednie chłodzenie: woda krąży w wieżach chłodniczych i odparowuje, odbierając ciepło z sal serwerowych. Druga, mniej oczywista, dotyczy wytwarzania energii, bo elektrownie również potrzebują ogromnych ilości wody do własnych układów chłodzenia. Jak wyliczają autorzy opracowania opublikowanego w IEEE Spectrum, ta pośrednia część stanowi często co najmniej 80 procent całości. Międzyrządowa Agencja Energetyczna oszacowała, że w 2023 roku centra danych na świecie zużyły łącznie około 560 miliardów litrów wody, z czego 140 miliardów przypadło na bezpośrednie chłodzenie. Najczęściej jest to woda pitna z instalacji miejskich, ponieważ nieuzdatniana groziłaby uszkodzeniem elektroniki.
Butelka wody za rozmowę
Głośne wyliczenia przyszły od zespołu badaczy z Uniwersytetu Kalifornijskiego w Riverside, kierowanego przez Shaolei Rena. W pracy zatytułowanej „Making AI Less Thirsty” naukowcy oszacowali, że model GPT-3 potrzebuje około pół litra wody na 10–50 średnio długich odpowiedzi, a dokładna wartość zależy od miejsca i pory dnia, bo od nich zależy wydajność zarówno chłodzenia, jak i elektrowni. Sam trening tego modelu w amerykańskich centrach danych Microsofta oznaczał według autorów bezpośrednie odparowanie około 700 tysięcy litrów słodkiej wody, a łącznie, z uwzględnieniem produkcji energii, około 5,4 miliona litrów. Badacze ostrzegali ponadto, że globalny popyt na sztuczną inteligencję może w 2027 roku odpowiadać poborowi wody rzędu 4,2–6,6 miliarda metrów sześciennych rocznie — więcej niż roczny pobór kilku Danii razem wziętych.
Giganci otwierają księgi rachunkowe
Przez lata firmy ujawniały te dane niechętnie, lecz presja opinii publicznej i inwestorów zrobiła swoje. Z corocznego sprawozdania środowiskowego Google wynika, że w 2024 roku centra danych spółki zużyły blisko 22,7 miliarda litrów wody — o 8 procent więcej rok do roku, po tym jak w 2022 roku zużycie skoczyło o około 20 procent. Microsoft przyznał w swoim raporcie, że w roku obrotowym 2023 zużycie wody wzrosło do niemal 8 milionów metrów sześciennych wobec niespełna 4,2 miliona w 2020 roku. To wzrost o ponad 80 procent w trzy lata, który firma wiąże wprost z rozwojem infrastruktury dla sztucznej inteligencji. Równocześnie giganci obiecują zmiany: Microsoft zapowiada, że nowe centra projektowane pod obciążenia związane z AI będą wykorzystywać konstrukcję niewymagającą ani kropli wody do chłodzenia.
Susza kontra serwerownia
Problem nie polega jednak wyłącznie na sumarycznych liczbach, lecz na geografii. Analiza Bloomberga wykazała, że około dwóch trzecich nowych centrów danych budowanych lub planowanych od 2022 roku powstaje na terenach już dotkniętych dużym stresem wodnym. W upalne dni zapotrzebowanie serwerowni rośnie równolegle z potrzebami mieszkańców — i właśnie wtedy dochodzi do starcia interesów. Mieszkańcy różnych miejscowości, od Arizony po Kanadę, kwestionują pozwolenia wodne dla kolejnych inwestycji. W kanadyjskim Etobicoke dokumenty planistyczne zezwoliły jednemu obiektowi na pobór do prawie 40 litrów wody na sekundę, co w skali roku daje ponad miliard litrów. Tymczasem badacz Alex de Vries-Gao oszacował w opublikowanym w 2025 roku opracowaniu, że sama sztuczna inteligencja mogła w tym roku zużyć od około 312 do aż 764 miliardów litrów wody. Tak szeroki przedział dobrze pokazuje, jak mało precyzyjnych liczb udostępnia branża.
Jak ograniczyć pragnienie maszyn
Rozwiązania techniczne istnieją: chłodzenie powietrzem lub zanurzeniowe, zamknięte obiegi wody, ponowne wykorzystanie wody szarej, magazynowanie zimna na godziny szczytu oraz przenoszenie obliczeń w czasie i przestrzeni tam, gdzie zasoby są mniej obciążone. Autorzy badania z Riverside podkreślają, że samo przesunięcie treningu modelu do chłodniejszego regionu lub na nocne godziny może wielokrotnie zmniejszyć ślad wodny. Kluczem pozostaje jednak transparentność: bez obowiązkowego raportowania poboru wody, zarówno bezpośredniego, jak i pośredniego, samorządy nie są w stanie ocenić, czy kolejna serwerownia nie zagrozi bezpieczeństwu wodnemu mieszkańców. O takie wymogi coraz częściej zabiegają zarówno regulatorzy, jak i organizacje ekologiczne.
Sztuczna inteligencja potrafi wspierać gospodarkę wodną — wykrywać wycieki czy prognozować susze — ale jej trenowanie i codzienne działanie pochłaniają zasoby, których w wielu regionach po prostu brakuje. Doświadczenia ostatnich lat pokazują, że ceny wygodnych obliczeń nie muszą płacić mieszkańcy, jeśli firmy będą raportować zużycie uczciwie, a regulatorzy wymuszą technologie i lokalizacje respektujące lokalne ograniczenia. Dopóki jednak kolejne serwerownie powstają na terenach dotkniętych suszą, każda rozmowa z czatem będzie miała drugi, niewidoczny rachunek — wystawiony w litrach.
