AIはどれくらいの水を使用しますか?

「AIは数問ごとに水を1本飲む」から「基本的には数滴だ」まで、様々な噂を耳にしたことがあるでしょう。しかし、真実はもっと微妙です。AIのウォーターフットプリントは、AIが実行される場所、質問の長さ、データセンターのサーバー冷却方法などによって大きく変動します。つまり、確かに目玉となる数字は存在しますが、そこには様々な注意事項が潜んでいるのです。

以下では、明確で意思決定に役立つ数字を解説し、見積もりが一致しない理由を説明し、建設業者や一般ユーザーが持続可能性にこだわることなく水道料金を削減する方法を示します。

この記事の次に読むとよい記事:

🔗 AIデータセットとは何か
データセットが機械学習のトレーニングとモデル開発をどのように可能にするかを説明します。

🔗 AIがトレンドを予測する方法
AI がパターンを分析して変化や将来の結果を予測する方法を示します。

🔗 AIのパフォーマンスを測定する方法
精度、速度、信頼性を評価するための重要な指標を分析します。

🔗 AIと話す方法
明確さ、結果、一貫性を向上させるための効果的なプロンプト戦略をガイドします。

AIはどれくらいの水を消費するのか？実際に使える簡単な数字📏

• プロンプト1つあたりの典型的な範囲は、現在主流のシステムでは中央値のテキストプロンプトで1ミリリットル未満ですが数十ミリリットル。例えば、Googleのプロダクションアカウンティングでは、テキストプロンプトの中央値は約0.26 mL （フルサービングのオーバーヘッドを含む）と報告されています[1]。Mistralのライフサイクルアセスメントでは、 400トークンのアシスタント応答は約45 mL （限界推論）とされています[2]。コンテキストとモデルは非常に重要です。

• フロンティアスケールモデルの訓練：数百万リットルの水が必要になる場合があります。そのほとんどは冷却水と発電に使われる水です。広く引用されている学術分析では、 GPTクラスのモデルを訓練するのに約540万リットルの水約70万リットル。また、水使用量を削減するためのスマートなスケジューリングの必要性も示唆されています[3]。

• データセンター全般：大規模サイトで1日あたり数十万ガロンの水が、気候や設計によってはキャンパスによってはピーク時でさらに水が消費されます[5]。

正直に言うと、これらの数字は一見矛盾しているように感じます。実際、矛盾しています。そして、それには十分な理由があります。

AIによる水利用指標✅

「AI はどのくらいの水を使用するのか？」に対する適切な回答には、いくつかの項目をチェックする必要があります。

1. 境界の明確さ：
   敷地内の冷却のみを含むのか、それとも発電所発電に敷地外の水、取水量と消費量、そしてスコープ1-2-3を区別しており、これは炭素会計[3]に類似している。

2. 場所に対する感度
   1kWhあたりの水量は地域や送電網の組み合わせによって異なるため、同じプロンプトでも、供給される場所に応じて異なる水への影響をもたらす可能性があります。これが、文献で時間と場所を考慮したスケジュール設定[3]。

3. ワークロードの現実性
   この数値は平均本番環境のプロンプトうか、それともピーク時のアクセラレータのみを反映しているのでしょうか。Google は推論において、TPU の計算だけでなく、システム全体のアカウンティング (アイドル、CPU/DRAM、データセンターのオーバーヘッド) を重視しています [1]。

4. 冷却技術：
   蒸発冷却、閉ループ液体冷却、空冷、そして新たなチップ直結次世代の特定のサイトで冷却水の使用をなくすことを目的とした設計を展開しています

5. 時間帯と季節
   熱、湿度、電力網の状態は水利用の有効性。ある影響力のある研究では、主要な作業は水の使用量が少ない時間帯と場所でスケジュールすることを提案しています [3]。

取水量と消費量の違いを説明します💡

• 取水= 川、湖、または帯水層から取水した水（一部は戻される）。

• 消費蒸発したりプロセス/製品に組み込まれたりして戻らない水

冷却塔は主に蒸発によって水を消費しますされる（場合によっては一部を消費することもあります）、信頼性の高いAI水量ラベルが報告されています[3]。

AI で水が入る場所: 3 つのバケツ 🪣

1. スコープ1 - オンサイト冷却
   目に見える部分：データセンター自体で蒸発した水。蒸発冷却か空気冷却か、あるいは閉ループ液体冷却かベースラインを設定する[5]。

2. スコープ2 - 発電
   kWhごとに隠れた水タグを付けることができます。その組み合わせと場所によって、ワークロードが継承するkWhあたりのリットル信号が決まります[3]。

3. スコープ3 - サプライチェーン
   チップ製造は、製造工程において超純水に依存しています。境界に内在する影響（例えば、完全なLCA）が明示的に含まれていない限り、「プロンプトあたり」の指標には表示されません[2][3]。

数字で見るプロバイダーとニュアンスの違い 🧮

• Google Geminiは、
  フルスタックのサービング方式（アイドル状態および施設のオーバーヘッドを含む）をプロンプトします。テキストプロンプトの中央値は約0.26mLの水と約0.24Whのエネルギーを消費します。これらの数値は、本番環境のトラフィックと包括的な境界を反映しています[1]。

• ミストラルラージ2ライフサイクル
  まれな独立したLCA（ADEME / Carbone 4を使用）では、トレーニング+初期使用で約281,000 m³ 400トークンので推論マージン約45 mLを[2]。

• マイクロソフトの水ゼロ冷却の野望
  次世代データセンターは、冷却に水を一切消費しないが、管理用途では依然としていくらかの水が必要です [4]。

• 一般的なデータセンターの規模
  大手事業者は、1日あたり平均数十万ガロンをが、気候や設計により数値は上下します[5]。

• 初期の学術的ベースラインで
  ある独創的な「thirsty AI」分析では、 GPTクラスのモデルをトレーニングするには数百万リットルが必要 10～50個の中程度の回答はおよそ500 mLのボトルに相当する可能性があるとされていますが、これは実行される時期や場所に大きく依存します[3]。

なぜ推定値がこんなにも食い違うのか🤷

• 異なる境界
  値 いくつかの数値はオンサイト冷却のみ、他の数値は電力と水、LCAはチップ製造を。リンゴ、オレンジ、フルーツサラダ[2][3]。

• 異なるワークロード
  短いテキストプロンプトは長いマルチモーダル/コード実行ではありません。バッチ処理、同時実行性、レイテンシのターゲットによって使用率が変わります [1][2]。

• 異なる気候と送電網
  高温乾燥地域での蒸発冷却は、冷涼湿潤地域での空冷／液冷とは相容れない。送電網の水の強度は大きく異なる[3]。

• ベンダーの方法論
  ：Googleはシステム全体の提供方法を​​公開し、Mistralは正式なLCAを公開しました。他のベンダーは、スパース法を用いた点推定値を提供しています。 「小さじ1/15杯」というプロンプトごとの主張は注目を集めましたが、境界の詳細がないため、比較対象にはなりません[1][3]。

• 動く標的
  冷却は急速に進化しています。マイクロソフトは水を使わない冷却システムおり、これを導入することで、上流の電力が依然として水信号を送っている場合でも、現場での節水が可能になります[4]。

AIの水フットプリントを削減するために今日できること🌱

1. モデルを適正サイズ化
   する タスクに合わせて調整された小規模なモデルは、計算消費量を抑えながら、精度を同等に保てる場合が多い。Mistralの評価では、サイズとフットプリントの間に強い相関関係があることが強調されており、トレードオフについて考察できるよう、限界推論数値も公開されている[2]。

2. 水を効率的に利用する地域を選ぶ
   気候が涼しく、冷却効率が高く、kWhあたりの水使用量が少ない電力網を持つ地域を優先します。「thirsty AI」の研究では、時間と場所を考慮したスケジュール設定が役立つことが示されています [3]。

3. 
   トレーニングや大量のバッチ推論を水効率の良い時間帯（涼しい夜、好ましいグリッド条件）にスケジュールする

4. ベンダーに透明性の
   ある需要、境界の定義、遊休容量や施設の諸経費が含まれているかどうかなど）を尋ねてください。政策団体は、同一条件での比較を可能にするために、義務的な情報開示を推進しています[3]。

5. 冷却技術は重要です。
   ハードウェアを実行する場合は、クローズドループ/チップへの直接冷却。クラウドの場合は、ウォーターライト設計[4][5]。

6. グレーウォーターの使用と再利用オプション
   多くのキャンパスでは、飲料水以外の水源を代替したり、ループ内でリサイクルしたりすることができます。大規模な事業者は、水源と冷却の選択肢のバランスをとることで、純粋な影響を最小限に抑えることを説明しています[5]。

具体的な例を挙げると（普遍的なルールではありません）、真夏の暑く乾燥した地域から春の涼しく湿度の高い地域へ夜間の訓練ジョブを移動させ、オフピークの涼しい時間帯に実行することで、施設内の水使用量とオフサイト（グリッド）の水使用量の両方をシフトさせることができます。これは、実用的で手間のかからないスケジューリングによって実現できるものです[3]。

比較表: AI の水道料金を下げるためのクイックピック 🧰

（「価格」は設計上曖昧です - 展開はさまざまです。）

深掘り：政策の鼓動がますます大きくなっている🥁

義務的に開示するよう求めています。これにより、購入者や地域社会はコストと便益を判断できるようになります。推奨事項には、スコープの定義、サイトレベルの報告、そして立地ガイドラインなどが含まれます。なぜなら、比較可能な、場所を考慮した指標がなければ、私たちは暗闇の中で議論していることになるからです[3]。

深掘り: データセンターはすべて同じ方法で飲むわけではない 🚰

「空冷式は水を使わない」という根強い神話がありますが、必ずしもそうではありません。空気を多用するシステムは多くの場合より多くの電力、多くの地域では電力網から隠れた水水冷式はオンサイトウォーターを犠牲にして電力と排出量を削減できます。大規模な事業者は、これらのトレードオフをサイトごとに明確にバランスさせています[1][5]。

深掘り：バイラルな主張の現実を簡単にチェック🧪

1回のプロンプトが「水筒1本分」、あるいは逆に「ほんの数滴」に相当するという大胆な主張を見たことがあるかもしれません。より良い姿勢：謙虚に数学に取り組むこと。今日、信頼できるブックエンドは、フルサービングオーバーヘッドを備えた中央値の出力プロンプトで約0.26 mL 約45 mL[2]。広く共有されている「小さじ1/15杯」という主張には、公的な境界や方法が欠けています。都市のない天気予報のように扱ってください [1][3]。

ミニFAQ: AIはどれくらいの水を使うのか？もう一度、分かりやすい英語で🗣️

• では、会議では何を話せばいいでしょうか？
  「指示に従って、モデル、長さ、そして流れる場所に応じて、数滴から数口までのトレーニングには水たまりではなく、プールが必要です。」そして、上記の例を1つか2つ挙げてください。

• AIは特に悪いのでしょうか？AI
  は特に集中化されて、高出力チップが密集しているため、冷却負荷が大きくなります。しかし、データセンターは最高の効率技術が最初に導入される場所でもあります[1][4]。

• すべてを空冷式に切り替えたらどうなるでしょうか？
  施設内の水使用量は削減できるかもしれません外部からの水使用量は増加するでしょう。高度な技術を持つオペレーターは、その両方を比較検討します[1][5]。

• 将来の技術はどうでしょうか？
  冷却水を使用しない設計は、スコープ1にとって大きな変革をもたらすでしょう。一部の事業者はこの方向に動いています。上流の電力は、送電網が変化するまで、依然として水信号を伝達しています[4]。

最後のコメント - 長すぎるので読んでいません🌊

• プロンプト1回あたり：モデル、プロンプトの長さ、および実行場所に応じて、1ミリリットル未満から数十ミリリットルの範囲で考えてくださいつの主要スタックではプロンプトの中央値は約0.26 mL は400トークンの回答で約45 mLです[1][2]。

• トレーニング： 数百万リットルの容量が必要となり、スケジュール、設置場所、冷却技術が重要になります[3]。

• 何をすべきか：適切なサイズのモデルを選択し、水を効率的に使用する地域を選択し、負荷の高いジョブを涼しい時間帯にシフトし、水の使用量が少ない設計を証明するベンダーを優先し、透明な境界を要求する[1][3][4][5]。

最後に少し間違った比喩を。AIは喉が渇いたオーケストラだ。メロディーは計算だが、ドラムは冷却と送水だ。バンドの音を合わせれば、スプリンクラーが作動しなくても観客は音楽を楽しめる。🎻💦

参考文献

1. Google Cloud ブログ - Google の AI はどれくらいのエネルギーを消費しているのでしょうか？ 計算してみました（手法 +プロンプト中央値約 0.26 mL リンク
   （技術論文 PDF: Google 規模での AI 提供による環境影響の測定）リンク

2. Mistral AI - AIのグローバル環境基準への貢献（ADEME/Carbone 4を用いたLCA、約281,000 m³のトレーニングと初期使用、 400トークンのあたり約45 mL 、限界推論）。リンク

3. Li et al. - AIの「水の渇き」を軽減する：AIモデルの隠れた水フットプリントの解明と対処（数百万リットルの水、時間と場所を考慮したスケジューリング、取水と消費）。リンク

4. Microsoft -次世代データセンターは冷却に水を一切使用しません（特定の施設では水を使用しない冷却を目標としたチップ直結設計）。リンク

5. Google データセンター -持続可能な運用（サイトごとの冷却トレードオフ、再生水/中水を含むレポートと再利用、サイトレベルの典型的な毎日の使用量の桁違い）。リンク

公式AIアシスタントストアで最新のAIを見つけよう

私たちについて