ИИ-инфраструктура будет потреблять 2,27 млрд кубометров воды в год к 2030

К 2030 году глобальная ИИ-инфраструктура может потреблять до 600 млрд галлонов воды в год — это порядка 2,27 млрд кубометров, подсчитали аналитики издания Tom's Hardware, на данные которого ссылается 3DNews. Главная причина роста — не сама вода как отдельный ресурс, а стремительно увеличивающееся энергопотребление дата-центров: чем больше электричества требуют ИИ-ускорители для обучения и работы моделей, тем больше воды уходит и на охлаждение самого оборудования, и на выработку электроэнергии, которая это оборудование питает.

Откуда берётся расход воды

У дата-центров есть два основных канала расхода воды, и оба напрямую связаны с энергопотреблением. Первый — прямое охлаждение серверных стоек и ИИ-ускорителей: многие крупные вычислительные кластеры используют испарительные градирни, где часть воды безвозвратно уходит в атмосферу в виде пара, чтобы отвести избыточное тепло от плотно упакованных GPU. Второй, менее очевидный канал — выработка самой электроэнергии: тепловые и атомные электростанции также потребляют значительные объёмы воды для охлаждения турбин, а рост энергопотребления дата-центров автоматически увеличивает нагрузку и на эту часть цепочки.

• Прогноз — до 600 млрд галлонов воды в год к 2030 году.
• В пересчёте на метрическую систему — около 2,27 млрд кубометров.
• Источник расчётов — издание Tom's Hardware.
• Главный драйвер роста — увеличение энергопотребления оборудования ИИ-дата-центров.
• Механизм — вода расходуется одновременно на охлаждение серверов и на производство электроэнергии для них.

Почему рост энергопотребления так резко ускорился

За последние несколько лет плотность вычислений в дата-центрах выросла в разы: новые поколения ИИ-ускорителей потребляют заметно больше энергии на чип, а количество таких чипов в отдельных кластерах для обучения больших моделей исчисляется десятками тысяч. Это принципиально иной профиль нагрузки по сравнению с классическими облачными дата-центрами, рассчитанными на веб-сервисы и хранение данных, — ИИ-кластеры работают на пределе тепловой мощности почти постоянно, а не в редких пиковых сценариях, что и толкает вверх как счета за электричество, так и связанный с ним расход воды.

Как индустрия отвечает на растущую нагрузку

Проблема водопотребления дата-центров уже несколько лет обсуждается операторами облачной инфраструктуры, особенно в регионах с дефицитом пресной воды, где строительство новых кластеров вызывает сопротивление местных сообществ и регуляторов. В ответ крупные технологические компании публично заявляют о переходе на более эффективные схемы охлаждения — от прямого жидкостного охлаждения чипов, которое требует меньше воды на единицу отведённого тепла, до размещения дата-центров в более холодном климате и использования непитьевой или переработанной воды вместо пресной.

На этом фоне ряд крупных операторов дата-центров публично заявляли о стратегии «water positive» — намерении к 2030 году возвращать в окружающую среду больше воды, чем потреблять, за счёт проектов по восстановлению водных экосистем и повышения эффективности охлаждения. Насколько такие обязательства смогут компенсировать именно ИИ-специфичный рост потребления, о котором пишет Tom's Hardware, — открытый вопрос: большинство подобных программ анонсировались до нынешнего взрывного роста вычислительных мощностей под большие языковые модели, и их первоначальные расчёты могли не учитывать текущие темпы строительства новых кластеров.

Отдельная сложность в том, что рост спроса на ИИ-вычисления опережает обновление и расширение энергетической и водной инфраструктуры регионов, где строятся дата-центры. В результате нагрузка нередко ложится именно на локальные водные ресурсы конкретных территорий, а не распределяется равномерно по стране или миру, что и делает подобные прогнозы поводом для дискуссии не только среди экологов, но и среди местных властей, регулирующих строительство новых кластеров. Прогноз в 600 млрд галлонов к 2030 году, по сути, обозначает верхнюю границу того, с чем индустрии предстоит справиться, если темпы роста ИИ-вычислений сохранятся, а эффективность охлаждения не будет расти сопоставимыми темпами.

Для отрасли в целом подобные прогнозы становятся дополнительным аргументом в пользу более энергоэффективных архитектур самих моделей — чем меньше вычислений требуется для получения того же качества ответа, тем ниже итоговая нагрузка на энергосистему и, соответственно, на связанное с ней водопотребление.