Исследование ООН: ИИ будет потреблять 9,3 триллиона литров воды к 2030 году, что равно потребностям 1,3 миллиарда человек

Исследовательница Института воды, окружающей среды и здоровья Университета Организации Объединённых Наций (UNU-INWEH) Миириам Ацель (главный автор доклада) 7 июня предупредила, что к 2030 году объекты инфраструктуры центров обработки данных, запускающих AI-системы, могут ежегодно потреблять 9,3 триллиона литров воды — что соответствует базовой ежегодной потребности в воде 1,3 млрд населения в странах к югу от Сахары.

Подтверждённые три оценки ресурсов на 2030 год

Согласно докладу UNU-INWEH, цифры по трём основным оценкам ресурсов следующие: ежегодный объём воды — 9,3 триллиона литров (что эквивалентно базовой ежегодной потребности в воде для 1,3 млрд человек); энергопотребление — 945 тераватт-часов; потребность в земле — более 14 500 квадратных километров (включая площадки, энергетическую инфраструктуру и цепочки поставок).

Профессор вычислительной инженерии Калифорнийского университета в Риверсайде Жэнь Сяолэй (через англоязычную версию The National) заявил: «Этот доклад вовремя и важно напоминает нам, что AI касается не только моделей и алгоритмов — он оказывает реальное физическое и экологическое влияние на центры обработки данных, энергосистемы, системы водоснабжения, землепользование и цепочки поставок оборудования».

Подтверждённые механизмы расхода ресурсов AI

AI-инференс (то есть ежедневное использование, не обучение) составляет 80%–90% от общего энергопотребления AI, превращая повседневное рутинное применение в главный источник расхода ресурсов. ChatGPT обрабатывает около 2,5 млрд запросов в день; один стандартный диалог чат-бота потребляет энергии существенно больше, чем простые задачи классификации. Исследовательница AI-института в Квебеке Алекс Эрнандес отметил, что в настоящее время энергопотребление AI-систем всё ещё сложно измерить с высокой точностью, что ограничивает точность прогнозов.

Частые вопросы

На какой основе рассчитан прогноз UNU-INWEH на 9,3 триллиона литров воды?

Оценка водопотребления UNU-INWEH охватывает два уровня: прямое использование воды систем охлаждения центров обработки данных (водный след) и косвенное использование воды, связанное с производством электроэнергии. Доклад включает в расчёт расход воды источниками электроэнергии, а не только прямое потребление воды на площадке центров обработки данных. Исследователь Алекс Эрнандес отметил, что данные об энергопотреблении AI-объектов сами по себе по-прежнему трудно измерить с высокой точностью, поэтому эта оценка имеет присущую неопределённость.

Почему меры по сокращению углеродных выбросов приводят к увеличению объёма воды более чем в 30 раз?

Согласно анализу исследований UNU-INWEH, перевод электроэнергии центров обработки данных с угля на биоэнергию — это распространённый путь сокращения углеродных выбросов, который может уменьшить выбросы примерно на 70%; однако выращивание биоэнергетических культур требует большого количества поливной воды и занимает значительные сельскохозяйственные угодья. Это приводит к увеличению объёма воды более чем в 30 раз, а объёма землепользования — примерно в 100 раз. Ацель указал, что если оценивать экологическое воздействие только по углеродным выбросам, то эти издержки для водных ресурсов и земли будут скрыты.

Могут ли более эффективные модели AI существенно снизить потребление водных ресурсов?

В докладе UNU-INWEH упоминается риск «эффекта отдачи»: более дешёвый и более эффективный AI может снизить расход ресурсов на одно использование, но снижение затрат обычно приводит к резкому росту частоты использования, в итоге потенциально делая общее потребление ресурсов выше, чем до повышения эффективности. Поэтому то, сможет ли рост эффективности моделей на макроуровне уменьшить влияние AI на водные ресурсы, зависит от того, будет ли скорость роста масштабов использования превышать величину роста эффективности.