
“ChatGPT bir yudum su içti” tipi başlıklar viral olur. Peki yapay zekâ gerçekten nasıl su harcar? Cevap, modelin boğazından değil; veri merkezinin soğutma kulesinden geçer.
Su nerede harcanır?
- Tesis soğutması — Özellikle evaporatif sistemlerde buharlaşma
- Elektrik üretiminin su ayak izi — Termik santral karışımına bağlı
- Donanım üretimi — Çip ve sunucu imalatı (dolaylı)
Kullanıcı sorgusu doğrudan “su içmez”; ama sorgu ısı üretir, ısı da soğutma ister.
Eğitim mi, sohbet mi daha “susuz”?
- Eğitim: Kısa sürede devasa hesap → yoğun enerji/ısı
- Çıkarım (chat): Tek sorgu küçük, ama milyarlarca kez tekrarlanır
Medya çoğu zaman tek sorguyu mililitreye çevirir. Bu, yön duygusu verir ama varsayımlara aşırı duyarlıdır. Model, cevap uzunluğu, donanım ve tesis tasarımı değişince sonuç 10 kat oynayabilir.
Neden “AI su içiyor” tartışması büyüdü?
- Model boyutu ve trafik patlaması
- Kurak bölgelerde yeni tesisler
- Şirketlerin şeffaflık baskısı
- İklim haberinin tıklanma ekonomisi
Bunların hiçbiri “su önemsiz” demez. Ama abartılı bireysel suçluluk da çözüm değildir.
Ne işe yarar?
- Daha verimli modeller ve önbellekleme
- Kapalı devre / sıvı soğutma
- Su stresi düşük lokasyon
- Atık su geri kazanımı
- Ölçüm ve kamuya açık rapor
Bireysel kullanıcı için: Gereksiz dev modele dev iş yüklememek, küçük bir etikettir; asıl kaldıraç sistemseldir.
Sonuç
Yapay zekâlar musluktan su içmez; ısı üretir ve soğutma zinciri su ister. Doğru tartışma “bir bardak skandalı” değil; nerede, hangi teknolojiyle, hangi şeffaflıkla büyüdüğümüzdür.
Çevre-teknoloji editoryalidir; tesis bazlı kesin ml vaadi vermez. İlgili: veri merkezi su tüketimi analizi.
Sık sorulan sorular
AI nasıl su harcar?
Veri merkezi soğutması (özellikle evaporatif), elektrik üretiminin su ayak izi ve dolaylı donanım imalatı üzerinden.
Bir mesaj kaç ml su?
Tek kesin rakam yok; varsayımlara çok duyarlıdır. Bireysel etki küçük, toplulaşmış etki büyüktür.
Ne yapılabilir?
Verimli modeller, daha iyi soğutma, doğru lokasyon, geri kazanım ve şeffaf raporlama.



