Коли розробник натискає «Generate» у своєму AI-проєкті, він зазвичай думає про токени, затримку і вартість API. Мало хто замислюється над іншим ресурсом, що витрачається у цей момент: водою. Один запит до великої мовної моделі може коштувати датацентру від 10 до 50 мл прісної води — залежно від регіону та системи охолодження. Масштабуйте це до мільярдів щоденних запитів — і картина стає серйознішою.

Nvidia оголосила про плани суттєво скоротити споживання прісної води у партнерських датацентрах. Ініціатива звучить як перемога для екологічного іміджу компанії, що постачає переважну більшість GPU для AI-інфраструктури планети. Але за даними TechCrunch, різниця між «Nvidia скорочує воду» і «AI вирішив водну проблему» — принципова, і варто розібратися чому.

Скільки п'є сучасна AI-інфраструктура

Датацентри охолоджуються — без цього чіпи перегрівалися б за лічені хвилини. Традиційне повітряне охолодження поступово замінюється рідинним: продуктивніше, але значно водоємніше. За оцінками дослідників з UC Riverside та UT Arlington, ChatGPT витрачав близько 500 мл води на кожну розмову з 20–25 питань у 2023 році.

З приходом моделей нового покоління — більших, потужніших, енергоємніших — апетит до ресурсів лише зростає. Чіпи на кшталт Nvidia H100 та H200 генерують значно більше тепла, ніж попередники, що вимагає ще інтенсивнішого охолодження. У посушливих регіонах — Арізона, Техас, Чилі, Польща — де масово будуються нові датацентри, це вже питання конкуренції між AI-індустрією та аграрним сектором за прісну воду.

Що саме планує Nvidia

Компанія зосереджується на кількох технологічних напрямках:

• Рідинне охолодження із замкнутим циклом — системи, де вода циркулює всередині контуру і майже не випаровується назовні
• Пряме охолодження чіпів (direct-to-chip liquid cooling) — точніше і менш витратне, ніж охолодження цілого серверного ряду
• Стандарти та рекомендації для партнерів-операторів, які закуповують обладнання Nvidia
• Моніторинг WUE (Water Usage Effectiveness) — метрики ефективності водоспоживання на рівні датацентру

Ключовий момент: Nvidia виробляє GPU, але не управляє більшістю датацентрів, де вони встановлені. Вплив компанії тут реалізується через технічні специфікації, рекомендації та партнерські вимоги. Реальна ефективність ініціативи залежатиме від того, наскільки охоче оператори датацентрів впроваджуватимуть нові стандарти.

Чому ефективніші GPU не вирішують проблему

Тут у гру вступає те, що економісти називають законом Джевонса: коли технологія стає ефективнішою, загальне споживання ресурсу часто зростає, а не зменшується — бо ефективність знижує вартість і стимулює більший попит. Навіть якщо охолодження поліпшиться на 30%, загальний обсяг AI-обчислень зростає на сотні відсотків щороку.

До того ж Nvidia — не єдиний гравець. Google, Microsoft, Amazon і Meta будують власну AI-інфраструктуру частково на власних чіпах: Google TPU, AWS Trainium, Meta MTIA. Екологічна ефективність цих систем залежить від рішень кожної компанії окремо. Географія теж має вирішальне значення: датацентр у Скандинавії з природним охолодженням і датацентр у Phoenix, Arizona — кардинально різні водні відбитки, незалежно від марки GPU всередині.

Регуляторний тиск наростає: ЄС розробляє директиви щодо обов'язкової звітності про водоспоживання датацентрів, а окремі штати США вже запроваджують суворіші ліцензійні вимоги на водокористування. Для AI-компаній — і для тих, хто будує продукти на їхніх API, — це нові compliance-витрати та більша публічна підзвітність.

Що це означає для тих, хто будує AI-продукти

Ця тема стосується AI-білдерів безпосередньо — хоча і не завжди очевидним чином.

• Вартість API закладатиме екологічні витрати. Провайдери, що сплачують більше за воду та охолодження, переноситимуть це у ціноутворення. Ефективне проектування промптів, кешування відповідей і вибір меншої моделі для простих завдань — це одночасно і фінансова, і екологічна оптимізація.
• B2B-клієнти все частіше питають про carbon і water footprint. Якщо ви продаєте AI-рішення корпораціям або держсектору ЄС, готуйтесь до запитань: «Де розташований датацентр вашого провайдера? Яка їх WUE-метрика?»
• Вибір провайдера стає ESG-рішенням. Між двома API зі схожими можливостями та ціною компанії все частіше обиратимуть того, хто публікує прозору звітність про ресурси. Це поки що нішовий фактор — але тренд очевидний.

Ефективність GPU справді покращується, і ініціатива Nvidia — реальний крок у правильному напрямку. Але поки AI-трафік зростає швидше за ефективність охолодження, водна проблема галузі нікуди не дінеться. Nvidia виконує свою частину роботи. Решта залежить від того, як ми проектуємо, розгортаємо й масштабуємо свої продукти — і від того, чи будемо ми взагалі думати про це під час наступного натискання «Generate».