Использование воды в центрах обработки данных ИИ в Калифорнии: оценки на основе физических и ИИ-моделей
Недавний пост на California WaterBlog анализирует оценки потребления воды дата-центрами ИИ в Калифорнии, используя как физику первого принципа, так и запросы к четырем моделям ИИ. Автор, Джей Лунд, стремится преодолеть спекуляции СМИ, представив прозрачные оценки, основанные на физике.
Метод: От энергии к испарению
Расчет начинается с известных характеристик дата-центров:
- В Калифорнии около 15 млн кв. футов (1,4 млн м²) площади дата-центров.
- Стойки рассеивают 2–12 кВт на квадратный метр площади.
- При КПД 100% это тепло испарило бы 70–420 мм/день на м².
- Реальные системы охлаждения (КПД 60–90%) расширяют диапазон до 80–700 мм/день на м², что соответствует 29–255 метрам испарения в год на м² — в 25–150 раз больше, чем у орошаемого земледелия.
- Если бы все дата-центры использовали испарительное охлаждение непрерывно, общее испарение составило бы 40–357 млн м³/год (32 000–290 000 акро-футов/год).
Оценки моделей ИИ
Лунд также задал четырем моделям ИИ вопрос: «Сколько воды, вероятно, испаряется из дата-центров в Калифорнии в год, предполагая, что они все используют в основном испарительное охлаждение?»
- ChatGPT: 20–400 тыс. акро-футов/год
- Claude: 14,4–21,5 тыс. акро-футов/год (предполагая менее 100% испарительного охлаждения)
- Gemini: 2,3–40,5 тыс. акро-футов/год
- Co-Pilot: 30–50 тыс. акро-футов/год, с более широким диапазоном 10–100 тыс. акро-футов/год
Общий диапазон составляет от 2300 акро-футов/год до 400 000 акро-футов/год, при этом физическая оценка 32 000–290 000 акро-футов/год находится в середине.
Ключевой вывод
Потребление воды ИИ в Калифорнии скромно по сравнению с другими секторами. В статье утверждается, что водопотребление дата-центров «в основном скромно», но будет выше в штатах с большей активностью дата-центров и менее развитой водной инфраструктурой. Отсутствие прозрачности со стороны компаний, занимающихся ИИ, подпитывает спекуляции, но оценки, основанные на физике, дают полезную базовую линию.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также
开发者从Cursor Composer 2和Kimi 2.6转向Qwen3.6:35b-a3b用于企业工作负载
Разработчик сообщает, что использует Qwen3.6:35b-a3b для повседневной работы над корпоративным приложением объемом 500-700 тыс. строк кода, отмечая лучшую производительность по сравнению с Kimi 2.6 и DeepSeek 4 Pro/Flash, при стоимости ~0,08 $ за 1 млн токенов на OpenRouter.
Нейроморфная машина Изинга на FPGA решает сложные комбинаторные задачи
Нейроморфная машина Изинга, реализованная на FPGA, использует физику квантового туннелирования и архитектуру, вдохновленную мозгом, для решения задач комбинаторной оптимизации, таких как сворачивание белков.
Утечка исходного кода Claude раскрывает защиту от дистилляции, режим под прикрытием и обнаружение фрустрации
Утечка файла карты исходного кода из npm-пакета Claude Code раскрывает методы противодистилляции с использованием фейковых инструментов, режим «под прикрытием», скрывающий авторство ИИ, и обнаружение фрустрации через регулярные выражения.
Anthropic выпускает бесплатную образовательную программу, включающую курсы Claude Code и MCP Mastery.
Anthropic предоставил бесплатный доступ ко всей своей образовательной программе, включая курсы по Claude Code, MCP Mastery, использованию API и AI Fluency. Программа описывается как университетского уровня и предлагает структурированное обучение в отличие от случайных туториалов.