Napisanie jednego stuwyrazowego e-maila przez ChatGPT zużywa około 519 mililitrów wody, czyli mniej więcej tyle, ile mieści standardowa butelka. Do 2027 roku globalna infrastruktura obsługująca zapytania AI ma pochłaniać wodę w ilości odpowiadającej nawet połowie rocznego poboru wody w całej Wielkiej Brytanii.
Kluczowe fakty:
- Napisanie jednego stuwyrazowego e-maila przez ChatGPT zużywa około 519 mililitrów wody, co odpowiada pojemności standardowej butelki.
- Według recenzowanej publikacji naukowej z 2025 roku w Communications of the ACM, do 2027 roku globalna infrastruktura AI ma pochłaniać wodę w ilości odpowiadającej nawet połowie rocznego poboru wody w całej Wielkiej Brytanii.
- Główną przyczyną zużycia wody przez centra danych AI jest chłodzenie wyparne – około 80 procent wody wprowadzonej do takich systemów bezpowrotnie odparowuje do atmosfery.
Ta liczba pochodzi z recenzowanej publikacji naukowej z 2025 roku w Communications of the ACM, autorstwa Pengfei Li, Shaolei Rena i zespołu z Uniwersytetu Kalifornijskiego w Riverside. Praca zatytułowana „Making AI Less Thirsty” opisuje metodologię szacowania śladu wodnego pojedynczego zapytania do dużych modeli językowych. Sam mechanizm jest prosty do zrozumienia, gorzej z konsekwencjami.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Dlaczego AI w ogóle potrzebuje wody
Chipy napędzające trening i wnioskowanie w dzisiejszych modelach AI, głównie układy graficzne produkowane przez Nvidię, oddają od 300 do 700 watów ciepła każdy, w zależności od modelu. Pojedynczy trening dużego modelu językowego angażuje jednocześnie dziesiątki tysięcy takich chipów przez tygodnie lub miesiące. To ciepło musi gdzieś trafić.
Najpopularniejszą metodą jest chłodzenie wyparne. Woda krąży w rurach obok urządzeń wytwarzających ciepło, pochłania je, a następnie odparowuje do atmosfery. Reszta wraca do obiegu, choć w wyższej temperaturze i z chemicznymi pozostałościami po procesie chłodzenia. Około 80 procent wody wprowadzonej do systemu chłodzenia wyparnego bezpowrotnie odparowuje.
Piszę to i sam się zatrzymuję nad skalą. Pojedynczy duży kampus AI hiperskalowca potrafi dziś zużyć w ciągu jednego dnia więcej wody niż dziesięciotysięczne miasto zużywa na wszystko razem: picie, mycie, gotowanie, sanitację i rolnictwo.
Poniżej film, który dobrze pokazuje rozdźwięk między obietnicami branży a rzeczywistością infrastruktury AI:
Liczby, które firmy same podają
Najnowszy Raport Środowiskowy Google, obejmujący rok finansowy 2024, mówi o łącznym zużyciu wody rzędu 8,1 miliarda galonów, z czego około 95 procent przypadło na centra danych. To wzrost o 8 procent względem 2023 roku, a rok wcześniej wzrost wyniósł 17 procent, jeszcze rok wcześniej 20 procent. Zestawione razem te liczby pokazują, że zużycie wody przez Google niemal się podwoiło w ciągu trzech lat, a sama firma w kolejnych raportach wskazuje rozwój obciążeń AI jako główną przyczynę.
Microsoft w 2022 roku zgłosił zużycie 1,7 miliarda galonów, czyli wzrost o 34 procent rok do roku. Dziennikarskie śledztwo dotyczące klastra centrów danych Microsoftu w West Des Moines w stanie Iowa, gdzie w 2022 roku prowadzono treningi GPT-4, wykazało, że pojedynczy trening pochłonął 11,5 miliona galonów wody w lipcu i kolejne 13,4 miliona w sierpniu tego samego roku. Ten sam klaster rozrósł się od tamtej pory do pięciu obiektów, które łącznie pobierają 68,5 miliona galonów rocznie z miejskiego systemu wodociągowego, więcej niż jakikolwiek inny odbiorca przemysłowy w tej metropolii.
Meta zużyła w 2023 roku około 813 milionów galonów globalnie, z czego 95 procent przypadło na centra danych. Amazon, operator największej infrastruktury chmurowej na świecie, w ogóle nie publikuje zbiorczych danych o zużyciu wody. To akurat wymowne samo w sobie.
Raport Lawrence Berkeley National Laboratory z 2024 roku, przygotowany dla amerykańskiego Departamentu Energii, szacuje bezpośrednie zużycie wody przez amerykańskie centra danych na 17,4 miliarda galonów w 2023 roku. Do tego dochodzi jednak drugie tyle, a właściwie dwanaście razy więcej: 211 miliardów galonów zużytych pośrednio, poprzez produkcję energii elektrycznej zasilającej te same centra. Ten drugi, znacznie większy strumień wody rzadko pojawia się w komunikatach prasowych.
Skąd bierze się ta woda
Praca Li i Rena prognozuje, że globalne zapotrzebowanie AI na wodę osiągnie od 4,2 do 6,6 miliarda metrów sześciennych rocznie do 2027 roku. Dolna wartość to mniej więcej roczny pobór wody czterech Danii razem wziętych, górna zbliża się do połowy rocznego poboru wody całej Wielkiej Brytanii.
I tu dochodzimy do sedna problemu, bo nie chodzi tylko o ilość, tylko o miejsce poboru.
Zestawienie tych liczb z lokalizacją inwestycji budzi we mnie mieszane uczucia. Rozumiem logikę biznesową: tańsza ziemia, luźniejsze przepisy, mniej sprzeciwu lokalnej społeczności. Ale to właśnie te same czynniki sprawiają, że centra danych trafiają najczęściej tam, gdzie wody jest najmniej i gdzie mieszkańcy mają najmniejszą siłę przetargową wobec globalnego koncernu. Nie neguję, że AI ma realny potencjał w prognozowaniu klimatu czy optymalizacji nawadniania rolnictwa. Pytanie brzmi, czy te korzyści nadejdą wystarczająco szybko, zanim lokalne zasoby wodne zostaną nadwyrężone ponad miarę. Na razie odpowiedzi nie znam i chyba nikt jej nie zna z pewnością. To pytanie otwarte, które warto zadawać przy każdej kolejnej inwestycji w regionie dotkniętym suszą.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
W Microsoftowym raporcie zrównoważonego rozwoju za 2023 rok firma przyznała, że około 42 procent jej zużycia wody pochodziło z regionów sklasyfikowanych jako „zestresowane wodnie” według standardu World Resources Institute. Google podał analogiczny wskaźnik na poziomie 15 procent. Obie liczby, sądząc po trendzie ostatnich lat, raczej rosną niż maleją.
Konkretne przykłady już dziś są policzalne:
- We wrześniu 2024 roku Google wstrzymał budowę wartego 200 milionów dolarów centrum danych w Cerrillos pod Santiago w Chile, po tym jak chilijski sąd środowiskowy częściowo cofnął pierwotne pozwolenie z 2020 roku, uznając wpływ na Centralny Wodonośny Poziom Santiago za niedostatecznie zbadany w kraju, który od piętnastu lat zmaga się z suszą
- W meksykańskim Querétaro, gdzie planowanych jest 32 nowych centrów danych, region w 2024 roku doświadczył najgorszej suszy od stulecia. Microsoft zabezpieczył sobie prawa do 25 milionów litrów wody rocznie z lokalnego wodonośnego poziomu, który już teraz notuje 60-milionowy deficyt
- W Urugwaju, przeżywającym najgorszą suszę od 70 lat, planowane centrum danych Google w Canelones w pierwszej fazie działania ma zużywać około 7,6 miliona litrów wody dziennie, tyle ile potrzebuje 55 tysięcy mieszkańców
- W Goodyear i Buckeye w Arizonie mieszkańcy skutecznie zablokowali w 2024 roku wart 14 miliardów dolarów projekt centrum danych, doprowadzając do odrzucenia zmiany planu zagospodarowania
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Czego firmy nie pokazują
W ujawnianych danych powtarzają się trzy luki. Pierwsza to różnica między poborem wody, czyli objętością wyciąganą z lokalnych źródeł, a konsumpcją wody, czyli objętością bezpowrotnie utraconą przez odparowanie. Większość raportów firmowych podaje tylko jedną z tych wartości, a wybór między nimi potrafi zmienić pozorny ślad wodny nawet trzykrotnie. Druga luka to różnica między wodą zużywaną bezpośrednio do chłodzenia a wodą zużywaną pośrednio przy produkcji energii, tej drugiej niemal nikt nie raportuje, choć według Lawrence Berkeley jest ona około dwunastokrotnie większa od pierwszej. Trzecia to różnica między zagregowanymi danymi globalnymi a danymi z pojedynczego obiektu, które dopiero pokazują, czy konkretna inwestycja rzeczywiście obciąża lokalny wodonośny poziom.
Co to oznacza dla polskich firm
W Polsce temat dopiero nabiera rozpędu, ale nabiera go szybko. Sam kraj stał się w ostatnim czasie jednym z ważniejszych kierunków inwestycji w infrastrukturę AI w regionie. Warszawa odpowiada za zdecydowaną większość zainstalowanej mocy centrów danych w kraju, a łączna moc ma w tej dekadzie osiągnąć poziom kilkuset megawatów. Problem w tym, że rząd nie zbiera systematycznie danych o zużyciu wody i energii przez działające w Polsce serwerownie, co utrudnia ocenę realnej skali problemu na miejscu.
To się zmieni niezależnie od tego, czy polscy inwestorzy tego chcą, czy nie. Unijna dyrektywa o efektywności energetycznej (EED) nakłada na operatorów centrów danych o mocy powyżej 500 kW obowiązek corocznego raportowania danych o zużyciu energii i wody, w tym wskaźnika WUE (Water Usage Effectiveness), do unijnej bazy danych. Termin na dane za 2025 rok mija 15 maja 2026. Komisja Europejska pracuje też nad unijnym systemem oceny (ratingu) centrów danych, którego pełny pakiet ma zostać przyjęty w drugim kwartale 2026 roku, a konsultacje w tej sprawie trwały do kwietnia.
Dla polskich spółek objętych obowiązkiem raportowania niefinansowego (CSRD) oznacza to konieczność wykazywania śladu wodnego nie tylko własnej działalności, ale i dostawców chmury oraz usług AI, z których korzystają. Firma, która dziś podpisuje wieloletnią umowę z dostawcą infrastruktury AI bez pytania o zużycie wody, za rok czy dwa może się zmierzyć z pytaniem od audytora ESG, na które nie będzie miała gotowej odpowiedzi.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Skala zjawiska w liczbach
Żeby zrozumieć, dlaczego temat w ogóle trafił do debaty publicznej, warto zestawić kilka punktów odniesienia:
- Pojedyncza rozmowa z chatbotem, licząca od dziesięciu do pięćdziesięciu wymian wiadomości, zużywa wodę rzędu tego samego pół litra co pojedyncze zapytanie, tyle że pomnożone przez liczbę tur rozmowy
- Typowe centrum danych zużywa od 11 do 19 milionów litrów wody dziennie, czyli mniej więcej tyle, ile średniej wielkości miasto
- W Wirginii, gdzie znajduje się największa na świecie koncentracja centrów danych, zużycie wody wzrosło o dwie trzecie między 2019 a 2023 rokiem
Skala inwestycji finansowych, które za tym stoją, jest równie imponująca. McKinsey szacuje, że globalne nakłady na infrastrukturę AI sięgną około 5,2 biliona dolarów do 2030 roku. Budynki, które za te pieniądze powstają, to w swojej istocie przemysłowe systemy chłodzenia wyparnego z komputerami w środku.
Każde pojedyncze zapytanie jest drobne. Suma nie jest.
Około jednej czwartej światowej populacji, według prognoz ONZ, do 2030 roku ma się zmierzyć z poważnym niedoborem wody. Woda, którą przemysł AI pobiera dziś z wodonośnych poziomów, rzek i zbiorników, coraz częściej w regionach najmniej mogących sobie na to pozwolić, konkuruje bezpośrednio z potrzebami tej populacji.
Technologie, które ten sam przemysł rozwija, mają realny potencjał, by pomóc rozwiązać część problemów gospodarki wodnej, poprzez lepsze modelowanie klimatyczne, bardziej efektywne nawadnianie czy dokładniejsze prognozy pogody. Czy te korzyści nadejdą wystarczająco szybko, zanim skumulowane zużycie wyrządzi trwałe szkody, pozostaje pytaniem otwartym. Odpowiedzi na nie nie znajdziemy w żadnym raporcie środowiskowym, tylko w decyzjach podejmowanych teraz, w salach zarządów i na lokalnych spotkaniach planistycznych.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału Space Daily z dnia 03.06.2026, opartego na badaniu Pengfei Li, Shaolei Rena i zespołu Uniwersytetu Kalifornijskiego w Riverside opublikowanym w Communications of the ACM, a także danych z Environmental Report Google za 2024 rok i raportu Lawrence Berkeley National Laboratory. Wykorzystano również doniesienia dziennikarskie dotyczące inwestycji Microsoftu w Iowa oraz regulacji unijnych (Energy Efficiency Directive, Delegated Regulation EU/2024/1364). Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę publikacji nowych danych o zużyciu wody przez infrastrukturę AI oraz postępów prac nad unijnym pakietem efektywności energetycznej centrów danych.
