人工知能システムは水を大量に消費します。OpenAIのChatGPTシステムのGPT-3バージョンでは、ユーザーが短い会話をするたびに、最大500ミリリットル（1回分のウォーターボトル1本分）もの水を消費します。100語のメールを作成するのにもほぼ同じ量の水が消費されます。
この数字には、データセンターのサーバーを冷却するために使用される水と、サーバーを稼働させる電力を生成する発電所で消費される水が含まれています。
しかし、こうした推定値を算出した研究では、クエリに回答するコンピューターがいつどこで稼働しているかによって、AIシステムの水使用量は大きく変わる可能性があることも指摘されている。
大学図書館司書であり教育学教授でもある私にとって、AIを理解するということは、単にプロンプトの書き方を知ることだけではありません。AIを取り巻くインフラ、トレードオフ、そして社会的な選択肢を理解することも必要です。
AIがエネルギーと水の消費量に甚大な影響を与えるという報道を目にすると、AIは本質的に有害だと思い込む人が多くいます。こうした影響は確かに存在しますが、全体像の一部に過ぎません。
AI を単なるリソースの浪費と捉えるのではなく、AI の実際の影響、その影響はどこから来るのか、どのように変化するのか、そしてそれを減らすために何ができるのかを理解するようになると、イノベーションと持続可能性のバランスを取った選択を行うための準備がはるかに整います。
2つの隠しストリーム
すべての AI クエリの背後には、水の使用に関する 2 つの流れがあります。
一つ目は、膨大な量の熱を発生するサーバーのオンサイト冷却です。この冷却には、多くの場合、蒸発冷却塔が使用されます。これは、高温のパイプや開放された容器に水を噴霧する巨大なミスト装置です。蒸発によって熱が奪われますが、その水は河川、貯水池、帯水層などの地域の水源から供給されます。他の冷却システムでは、水の使用量は少なくなりますが、電力消費量は多くなります。
2つ目の水流は、データセンターに電力を供給する発電所で使用されます。石炭火力発電所、ガス火力発電所、原子力発電所は、蒸気サイクルと冷却のために大量の水を使用します。
水力発電も大量の水を消費し、貯水池から蒸発します。従来の蒸気発電所のように稼働する集光型太陽光発電所は、湿式冷却に依存するため、大量の水を消費する可能性があります。
対照的に、風力タービンや太陽光パネルは、時折の清掃を除いて、一度設置されるとほとんど水を使用しません。
気候とタイミングが重要
水の使用量は場所によって大きく異なります。涼しく湿度の高いアイルランドのデータセンターは、外気やチラーに頼ることで、最小限の水使用量で数ヶ月間稼働できる場合が多いです。一方、7月のアリゾナのデータセンターは、蒸発冷却に大きく依存する可能性があります。高温で乾燥した空気は蒸発冷却を非常に効果的にしますが、蒸発は熱を除去するメカニズムであるため、大量の水を消費します。
タイミングも重要です。マサチューセッツ大学アマースト校の研究によると、データセンターの水使用量は冬は夏に比べて半分になる可能性があることがわかりました。また、猛暑の正午には冷却システムがフル稼働しますが、夜間は需要が低くなります。
新しいアプローチは有望な代替手段を提供します。例えば、液浸冷却では、合成油などの電気を通さない液体にサーバーを浸漬することで、水分の蒸発をほぼ完全に抑制します。
マイクロソフトの新しい設計では、特殊な液体を密閉パイプを通してコンピューターチップ上に直接循環させることで、冷却に水を一切使用しないと主張しています。この液体は熱を吸収し、蒸発を必要とせずに閉ループシステムを通じて放出します。データセンターでは、トイレやその他のスタッフ用施設のために飲料水は引き続き使用しますが、冷却そのものには地元の水道水は使用しなくなります。
しかし、これらのソリューションは、主にコスト、メンテナンスの複雑さ、そして既存のデータセンターを新しいシステムに移行することの難しさから、まだ主流にはなっていません。ほとんどの事業者は蒸発式システムに依存しています。
使える簡単なスキル
クエリ対象となるAIモデルの種類も重要です。これは、モデルによって複雑さのレベル、必要なハードウェア、プロセッサパワーが異なるためです。モデルによっては、他のモデルよりもはるかに多くのリソースを消費する場合があります。例えば、ある研究では、特定のモデルは超効率的なモデルに比べて70倍以上のエネルギーと水を消費する可能性があることがわかりました。
高度な数学を必要とせず、わずか 3 つのステップで AI の水フットプリントを自分で見積もることができます。
ステップ1 - 信頼できる研究や公式発表を探す。独立した分析によると、GPT-5の中程度の長さの応答（出力約150～200語、または約200～300トークン）は約19.3ワット時を消費すると推定されています。GPT-4oの同様の長さの応答は約1.75ワット時を消費します。
ステップ 2 - 冷却と電力の使用量を組み合わせて、電力単位あたりの水の量を実際的に推定します。
独立系研究者や業界レポートによると、現在、1ワット時あたり約1.3～2.0ミリリットルが妥当な範囲とされています。下限値は、最新の冷却システムとクリーンな送電網を採用した効率的な施設を反映しており、上限値はより一般的な施設を表しています。
ステップ3 – いよいよ計算結果をまとめます。ステップ1で算出したエネルギー値に、ステップ2で算出した水係数を掛けます。これで、1回のAI反応にかかるウォーターフットプリントが算出されます。
必要な 1 行の式は次のとおりです。
1プロンプトあたりのエネルギー（ワット時）×水係数（ワット時あたりのミリリットル）= 1プロンプトあたりの水（ミリリットル）
GPT-5 への中程度の長さのクエリの場合、その計算では 19.3 ワット時と 1 ワット時あたり 2 ミリリットルという数値を使用する必要があります。1 回の応答あたり 19.3 x 2 = 39 ミリリットルの水。
GPT-4o への中程度の長さのクエリの場合、計算は 1.75 ワット時 x 2 ミリリットル / ワット時 = 応答あたり 3.5 ミリリットルの水になります。
データ センターがより効率的で、1 ワット時あたり 1.3 ミリリットルを使用すると仮定すると、数値は減少します。GPT-5 では約 25 ミリリットル、GPT-4o では約 2.3 ミリリットルになります。
最近のGoogleの技術レポートによると、Geminiシステムへのテキストプロンプトの平均消費電力はわずか0.24ワット時、水は約0.26ミリリットル（約5滴分）です。しかし、レポートにはプロンプトの長さが記載されていないため、GPTの水使用量と直接比較することはできません。
0.26 ミリリットルから 39 ミリリットルまでの範囲のこれらのさまざまな推定値は、効率、AI モデル、発電インフラの影響がどれほど重要であるかを示しています。
比較することで文脈が加わる
これらのクエリがどれだけの水を使用するのかを本当に理解するには、他の一般的な水の使用法と比較すると役立ちます。
AIクエリの水使用量は、数百万倍になるほど膨大になります。OpenAIは、1日あたり約25億回のプロンプトを報告しています。この数字には、GPT-4o、GPT-4 Turbo、GPT-3.5、GPT-5システムへのクエリが含まれており、各モデルに発行されるクエリ数の内訳は公表されていません。
独立した推定と Google の公式レポートを使用すると、可能性のある範囲がわかります。
- Google Gemini の中央値プロンプトすべて: 1 日あたり約 650,000 リットル。
- GPT 4o 中程度のプロンプトすべて: 1 日あたり約 880 万リットル。
- GPT 5 中程度のプロンプトすべて: 1 日あたり約 9,750 万リットル。
比較すると、アメリカ人は1日あたり約340億リットルの水を住宅の芝生や庭の水やりに使用しています。1リットルは約4分の1ガロンです。
生成 AI は水を使用しますが、少なくとも現時点では、芝生、シャワー、洗濯などの他の一般的な用途と比較すると、1 日あたりの使用量はわずかです。
しかし、水需要は一定ではありません。Googleの開示情報は、専用チップ、効率的な冷却、スマートなワークロード管理など、システムを最適化すれば何が可能になるかを示しています。水のリサイクルや、より涼しく湿度の高い地域へのデータセンターの設置も、水資源の有効活用に役立ちます。
透明性も重要です。企業がデータを公開すると、一般の人々、政策立案者、研究者は何が達成可能かを把握し、プロバイダーを公平に比較することができます。
レオ・S・ロー、図書館学部長、AIリテラシー担当学長顧問、バージニア大学教育学教授
