Использование воды ИИ не является проблемой: анализ на национальном, местном и личном уровне

Утверждение
Центры обработки данных ИИ потребляют воду, но идея о том, что это серьезная национальная экологическая проблема, 'неграмотна'. Отдельные дата-центры могут создавать нагрузку на местные системы водоснабжения, как и любой завод, но на национальном, местном и личном уровне потребление воды ИИ ничтожно.
Почему это привлекло внимание
- Люди недовольны тем, что вода используется для цифрового продукта, который они не ценят.
- Большие абсолютные цифры потребления воды ИИ кажутся пугающими, если не разделить их на сотни миллионов ежедневных пользователей.
- Большие числа без контекста (галлоны на дата-центр) сравниваются с бытовыми расходами, а не с другими промышленными потребителями воды.
Цифры
Мэсли утверждает, что ни один разумный прогноз не показывает, что дата-центры станут значительной национальной водной проблемой. Он сравнивает потребление воды ИИ с заводом по производству электромобилей — аналогичные потребности в воде, требующие аналогичного планирования, но не чрезвычайная ситуация.
Ключевой момент: налоговые поступления на галлон воды из дата-центров чрезвычайно высоки по сравнению с другими отраслями. В засушливых районах дата-центры могут быть одними из лучших новых зданий для сообщества, поскольку приносят огромный доход при относительно низком потреблении воды на доллар.
Личное воздействие
Когда вы используете ИИ, ваш личный вклад в потребление воды ничтожен по сравнению с другими ежедневными действиями. Статья подчеркивает, что потребление воды ИИ — это 'фальшивая проблема', раздутая ради кликов, отдельная от реальной проблемы энергопотребления ИИ.
Почти все жалобы на национальное потребление воды по сути сводятся к тому, что 'в Америке не должно быть новой крупной отрасли, использующей воду'.
Вывод
Мэсли не отрицает, что дата-центры требуют тщательного планирования, но утверждает, что национальная паника необоснованна. В обсуждение должны вовлекаться экологи, экономисты и чиновники города, а не избиратели, выкрикивающие вводящую в заблуждение статистику.
📖 Read the full source: HN AI Agents
👀 Смотрите также

Анализ цен на инференс показывает 4,4-кратный разброс стоимости одной и той же модели у разных провайдеров.
Анализ цен на инференс для Llama 3.1 70B Instruct показывает 4.4-кратную разницу в стоимости между провайдерами: DeepInfra — $0.20/$0.27 за миллион токенов, а Together — $0.88/$0.88. Для рассуждающих моделей разброс достигает ~30x между DeepSeek R1 и OpenAI o1.

Результаты тестирования на визуальное мышление для 15 мультимодальных моделей искусственного интеллекта
AIMultiple протестировал 15 ведущих мультимодальных моделей ИИ на 200 вопросах по визуальному мышлению по двум направлениям: понимание графиков и визуальная логика. Gemini-3.1-pro-preview и Gemini-3-pro-preview лидируют в общих результатах, за ними следуют GPT-5.2, Kimi-K2.5 и GPT-5.2-pro.

CC v2.1.122: Удаление системных подсказок, обновление отладки и повышение уверенности в расписании
Claude Code CC v2.1.122 удаляет отдельный подсказку для четвертой фазы в режиме плана, улучшает резервный контекст отладки демона и повышает порог уверенности для предложений /schedule с 70%+ до 85%+.

Проблема с UX в Claude Cowork: Постоянное поле ввода создает ложные ожидания непрерывности
Пользователь выявил проблему UX в Claude Cowork, где постоянное поле ввода текста сохраняет черновик при переключении между задачами, но сбрасывает контекст и теряет вложения, создавая противоречивые сигналы о непрерывности.