カリフォルニアにおけるAIデータセンターの水使用量:物理学とAIモデルによる推計

✍️ OpenClawRadar📅 公開日: May 1, 2026🔗 Source
カリフォルニアにおけるAIデータセンターの水使用量:物理学とAIモデルによる推計
Ad

カリフォルニアWaterBlogの最近の記事では、第一原理物理学と4つのAIモデルへの問い合わせの両方を用いて、カリフォルニアのAIデータセンターの水使用量の推定を詳しく調べています。著者のJay Lund氏は、メディアの憶測を排し、透明性のある物理ベースの推定値を提供することを目指しています。

方法: エネルギーから蒸発へ

計算は、既知のデータセンターの特性から始まります:

  • カリフォルニアには約1,500万平方フィート(140万m²)のデータセンター床面積があります。
  • ラックは床面積1平方メートルあたり2~12kWを放散します。
  • 効率100%の場合、その熱は1m²あたり1日あたり70~420mmの水を蒸発させます。
  • 実際の冷却システム(効率60~90%)では、範囲は1m²あたり1日あたり80~700mmに拡大し、1m²あたり年間29~255メートルの蒸発量に相当します。これは灌漑農業の25~150倍です。
  • すべてのデータセンターが継続的に蒸発冷却を使用する場合、総蒸発量は年間4,000万~3億5,700万m³(年間32,000~290,000エーカーフィート)になります。

AIモデルの推定

Lund氏はまた、4つのAIモデルに次のプロンプトを与えました: 「カリフォルニアのデータセンターで、ほぼすべてが蒸発冷却を使用していると仮定した場合、年間に蒸発する水の量はどのくらいですか?」

  • ChatGPT: 年間20~400taf
  • Claude: 年間14.4~21.5taf(蒸発冷却が100%未満と仮定)
  • Gemini: 年間2.3~40.5taf
  • Co-Pilot: 年間30~50taf、広い範囲では年間10~100taf

全体の範囲は年間2,300エーカーフィートから400,000エーカーフィートに及び、物理ベースの推定値である年間32,000~290,000エーカーフィートは中間に位置します。

重要なポイント

カリフォルニアにおけるAIの水使用量は、他のセクターと比較して控えめです。この記事は、データセンターの水使用量は「ほとんど控えめ」であるが、データセンター活動がより活発で水インフラが未発達な州ではより大きくなると論じています。AI企業からの透明性の欠如が憶測を煽っていますが、物理ベースの推定は有用なベースラインを提供します。

📖 出典全文: HN AI Agents

Ad

👀 See Also

AIの10万のなぜ:準決定的なLLM出力が特徴的なスロップを生み出す方法
News

AIの10万のなぜ:準決定的なLLM出力が特徴的なスロップを生み出す方法

lcamtuf氏は、LLMの出力が人間の文章と区別できるのは、個々の言い回しではなく、多くのプロンプトに対して準決定論的に同じ複雑なパターンを繰り返すことにあると主張する。Amazonの『100000 whys』の表紙がその例を示している。

OpenClawRadar
Claude Code v2.1.198: Chrome GA、エージェント通知、/dataviz、AWS Gateway
News

Claude Code v2.1.198: Chrome GA、エージェント通知、/dataviz、AWS Gateway

AnthropicがClaude Code v2.1.198をリリース。Chrome拡張機能がGA、エージェント通知、/datavizスキル、AWSゲートウェイプロバイダー、ネットワーク切断やサブエージェントの思考に関する修正を含む。

OpenClawRadar
新しいAIチューター、ダートマス大学のコースで0.71~1.30SDの効果量を達成
News

新しいAIチューター、ダートマス大学のコースで0.71~1.30SDの効果量を達成

ダートマス大学の入門CSコースで、新しいAIチューターを使用した結果、対照群と比較して学習効果が0.71~1.30標準偏差向上した。

OpenClawRadar
Qwen3.5-27B-FP8のパフォーマンスベンチマークをOpenClawエージェントで実施
News

Qwen3.5-27B-FP8のパフォーマンスベンチマークをOpenClawエージェントで実施

テスト結果によると、Qwen3.5-27B-FP8は6つのOpenClawエージェントを同時に実行でき、スループットは120トークン/秒までスケールします。SGLangフレームワークのプレフィックスキャッシュにより、100Kコンテキストのプリフィル時間が10秒から200msに短縮されました。

OpenClawRadar