Сколько воды выпивает ваш ИИ-агент: скрытый счёт дата-центров

Осенью 2024 года Google и Microsoft почти одновременно раскрыли неудобную цифру в отчётах об устойчивом развитии: потребление воды их дата-центрами выросло на десятки процентов за год, и обе компании прямо связали рост с обучением и обслуживанием больших языковых моделей. У Microsoft забор воды за 2022 год вырос примерно на 34% год к году, у Google — около 20%. Обе компании назвали причиной ИИ-инфраструктуру. Пока пользователь видит только текст в окне чата, за кадром серверы греются, и их надо охлаждать — часто именно испаряя воду.

Проблема обостряется с приходом агентных вычислений. Раньше «один вопрос — один ответ» был честной единицей нагрузки. Теперь агент на одну вашу задачу может сделать десять, двадцать, пятьдесят обращений к модели: спланировать, вызвать инструмент, проверить результат, переписать. Каждый такой шаг — это работа GPU, тепло и, в конечном счёте, литры воды.

Откуда в дата-центре берётся расход воды

Вода уходит по двум каналам. Первый — прямое охлаждение самого дата-центра: испарительные градирни и системы, где часть воды выпаривается, унося тепло. Второй, часто больший — косвенный расход на производство электроэнергии, которая этот дата-центр питает: тепловые и атомные станции тоже испаряют воду в градирнях.

Наиболее цитируемая оценка прямого расхода — из препринта исследователей Калифорнийского университета в Риверсайде (Ren и коллеги, «Making AI Less Thirsty», 2023). По их расчётам, серия из 10-50 запросов к GPT-3-класса модели в дата-центре США могла соответствовать испарению порядка полулитра воды — с оговоркой, что цифра сильно зависит от климата региона, времени года и конкретной схемы охлаждения. Это оценка, а не измерение конкретной модели, и авторы это подчёркивают.

Литр воды на десяток запросов кажется мелочью, пока вы не умножаете его на миллиарды запросов в сутки — и не вспоминаете, что многие дата-центры стоят в засушливых штатах, где вода уже в дефиците.

Почему PUE вас обманывает, а WUE — нет

Энергоэффективность дата-центров принято мерить коэффициентом PUE. Но у воды есть свой показатель — WUE (Water Usage Effectiveness), литры воды на киловатт-час ИТ-нагрузки. Хитрость в том, что снижать PUE и WUE можно в противоположных направлениях: испарительное охлаждение экономит электричество (хороший PUE), но тратит воду (плохой WUE). Дата-центр, который «зелёный» по энергии, может быть прожорливым по воде.

Что меняет переход на агентов

Классический чат — это разговор, где нагрузку задаёт человек и его скорость чтения. Агент работает без пауз и множит обращения к модели сам.

• Мультишаговость. Одна пользовательская задача разворачивается в цепочку из планирования, вызовов инструментов и самопроверок. Ресурс тратится на каждый шаг, а не на один.
• Длинный контекст. Агенты тащат за собой историю действий и результаты вызовов инструментов, раздувая контекстное окно. Чем длиннее вход, тем больше вычислений на генерацию.
• Ретраи и веерные запросы. Если шаг провалился, агент повторяет. Некоторые архитектуры запускают несколько попыток параллельно и выбирают лучшую — это кратно множит нагрузку на одну задачу.
• Фоновая работа. Агент может крутиться без пользователя у экрана — по расписанию, по триггеру. Нагрузка перестаёт быть привязанной к вниманию человека.

Точной публичной цифры «сколько воды тратит один агентный прогон» на сегодня нет — это зависит от модели, числа шагов и региона дата-центра. Но направление очевидно: единицей потребления становится не запрос, а задача, а задача — это много запросов.

Как это выглядит в сравнении

Разброс между сценариями и провайдерами велик, поэтому таблицу стоит читать как порядок величин, а не как прайс-лист.

Кому это важно, а кому можно не думать

Кому стоит считать:

• Командам, разворачивающим агентов в продакшене на большие объёмы: там разница между «один запрос» и «пятьдесят шагов на задачу» превращается в реальные счета за инференс и в углеродно-водный след, который придётся отчитывать.
• Компаниям с ESG-отчётностью и целями по устойчивому развитию: расход воды дата-центрами всё чаще попадает в аудит.
• Инженерам, выбирающим между «умным дорогим прогоном» и «дешёвым коротким»: часто задачу решает модель поменьше за один-два шага вместо ветвящегося агента.

Кому можно не переживать:

• Обычному пользователю, задающему пару вопросов в день. Ваш личный водный след от чат-бота ничтожен на фоне душа или чашки кофе — проблема в масштабе миллиардов запросов, а не в вашем.
• Тем, кто гоняет модели локально на своём железе с воздушным охлаждением: там вода не испаряется, платите вы электричеством и вентиляторами.

Что можно сделать на практике

1. Выбирайте регион дата-центра осознанно, если провайдер даёт выбор: холодный климат позволяет обходиться воздушным охлаждением большую часть года.
2. Ограничивайте число шагов агента и ставьте лимиты на ретраи — бесконтрольная цепочка бьёт и по кошельку, и по ресурсам.
3. Кэшируйте и переиспользуйте результаты вызовов инструментов вместо повторных обращений к модели.
4. Берите модель под размер задачи: не каждый шаг требует флагманской модели с длинным контекстом.
5. Спрашивайте у провайдера показатель WUE, а не только «мы работаем на возобновляемой энергии».

Вода — не единственная и не всегда главная строка в экологическом счёте ИИ, но самая недооценённая. Электричество считают все, воду — почти никто. С переходом на агентов, где на задачу приходятся десятки прогонов, эта незаметная строка растёт быстрее остальных.