AIと水消費：LLMへの1回のリクエストでどれくらいの水が使われるか？

AIのカーボンフットプリントについてはよく語り合われますが、それとは目立たないものでありながら同様に重要なコストがあります——水消費です。GPT-4、Gemini、Claudeなどの言語モデル（LLM）をホストするデータセンターは、サーバー冷却のために膨大な量の水を必要とします。繰り返しの干ばつと世界的な水ストレスの時代において、AIへの1回のリクエストがどれくらい消費するかを理解することは、単なる技術的な興味ではなく、個人として、また組織として、意識的な意思決定を下すための重要なデータです。

冷却：水消費の真の原動力

データセンターは世界で最も多くの水を消費する産業の一つです。LLMの推論を実行するGPUやTPUのプロセッサは激しい熱を発生させ、それを安全な作動温度に保つためには大規模な水冷システムが必要です。採用されている技術や現地の気候にもよりますが、平均的なデータセンターは1日に数十万リットルの水を消費すると推定されています。

蒸発式冷却塔は最も普及している解決策です。水が噴霧され、蒸発することでサーバーの熱を吸収します。このプロセスは水を不可逆的に消費します——再利用するのではなく、水蒸気に変えてしまうのです。カリフォルニアや南ヨーロッパの一部など、すでに干ばつの影響を受けている地域では、この慣行はますます緊迫した倫理的・環境的な懸念を投げかけています。

1回のクエリあたりの水をどう計算するか

LLMへの1つの質問の水消費量を推定するのは複雑です。なぜなら、モデルのサイズ、必要な計算力、特定のデータセンターの冷却方法、そして最も重要なのは、データセンターが位置する地域のエネルギー・水源源に依存するからです。

MITがEnvironmental Research Lettersに発表した研究を含む最も参照される研究によると、GPT-3.5のようなモデルへの1回のクエリは、平均して3〜5ミリリットルの水を消費します。GPT-4の場合、この数字は1リクエストあたり約50〜100mlに跳ね上がります。これらの数字を世界中の毎日数十億のクエリで掛け合わせると、状況は深刻になります——推論だけでも毎日数百万立方メートルの水が消費されるのです。

これらの数字は主に推論フェーズ、つまり私たちが質問をするたびに経験するフェーズを対象としていることに留意することが重要です。学習フェーズは絶対値ではるかに高額ですが、モデルごとに一度だけ発生する一時的事件であり、毎日のやり取りは反復消費に寄与します。

消費に影響する変数

水消費は均一ではなく、データを適切に文脈化するために知っておくと有益ないくつかの変数に応じて変化します：

• 冷却方法：空冷式のデータセンターは蒸発式のものよりも最大40%少ない水消費ですが、より多くの電気エネルギーを必要とします。
• 地理的場所：アイルランドのデータセンターは、涼しい気候と雨水を活用しており、水が希少で高価なアリゾナのデータセンターと比較して水フットプリントがかなり低くなります。
• モデルのサイズ：大規模なモデル（1000億パラメータ以上）は、クエリごとにより多くの計算時間を必要とし、したがってより多くの冷却を要します。
• インフラ効率：GoogleやMicrosoftなどの企業は、液体浸漬システムや雨水回収を含む先進的な冷却技術に投資しています。

エネルギー源の役割

エネルギーと水の間には間接的だが重要な関係があります。特に石炭、ガス、原子力の火力発電所など、多くの電力生産施設は、冷却システムに水を利用しています。LLMがこれらの電源から供給されるエネルギーで実行されると、「間接的」な水消費がデータセンターの直接的な消費に加算されます。つまり、1回のクエリの実際の水フットプリントは、冷却のみの見積もりを上回る場合があるということです。

一方で、再生可能エネルギー（風力、太陽光、水力）で稼働するデータセンターは水フットプリントが非常に小さいですが、水力発電はダム管理を通じて地域の水資源にも影響を与えます。

私たちができること：より持続可能なAIへ

良いニュースは、認識が急速に高まっていることです。業界の主要プレイヤーは具体的な対策を講じています。Googleは2030年までに自社のデータセンターで「ウォーターポジティブ」運営、つまり消費量を上回る水を還元することを目指すと発表しました。Microsoftは水没型データセンターやクローズドループ施設の試験を行っています。OpenAIは水消費データを含む持続可能性レポートを公開しています。

しかし、真の変化はユーザーや組織レベルでも起こる必要があります。以下は実践的なアクションです：

• 可能であれば小型モデルを活用する：シンプルなタスクでは、GPT-4o miniのような軽量モデルやローカルのオープンソースモデルが、10分の1の影響で優れた結果をもたらす場合があります。
• 透明性を促進する：AIサービスプロバイダーに対し、水・エネルギー消費に関する明確なレポートを要求する。
• 持続可能なプロバイダーを選択する：再生可能エネルギーと効率的な冷却技術を活用するクラウドサービスを選択する。
• プロンプトを最適化する：より正確なクエリは反復回数が少なく済み、したがって計算サイクルと冷却サイクルが少なくて済みます。

結論：海となる一滴

1回のクエリで消費される水はわずか数ミリリットルです。しかし、毎日数十億のやり取りが重なれば、その合計は劇的に跳ね上がります。実践的な教訓は明確です。AIの持続可能性は将来の問題ではなく、モデル構築者と日常的に利用する両者の注意が必要な現在問題です。次にAIに質問をするとき、覚えておいてください——あなたは単に回答を求めているのではなく、水を求めているのだと。意識を持って取り組みましょう。