Spilder AI vand? Myte eller ej, hvis du bruger EU-infrastruktur

« AI spilder alt vores vand ». Myte eller ej? Vi gik efter det.

Spørgsmålet ramte os direkte. Paul Plessing, en af vores stiftere, fik hård kritik i en Reddit-tråd om AI’s « overdrevne vandspild » og dens datacentre. Tonen var hård, men spørgsmålet er fair. Så vi læste forskningen.

Hvor kommer tallet om vandflasken fra?

Den vigtigste kilde bag « AI spilder vand » er solid: Li et al., « Making AI Less Thirsty » (UC Riverside), som estimerede, at GPT-3 bruger cirka en 500 ml vandflaske per 20–50 svar.

De tal per svar er ekstrapolationer. De antager datacentre i varmt klima med fordampningskøling.

Fordampningskøling er sved på industriel skala. Varm luft føres forbi vand, vandet fordampes, tager varmen med sig og forsvinder i stedet for at vende tilbage til vandkredsløbet. Det sparer meget strøm, derfor bruger varme regioner det. Men det koster meget vand.

Hvad viser målte tal?

Google publicerede senere målte tal: medianen for en Gemini Apps-tekstprompt forbruger 0,24 Wh og 0,26 ml vand, inklusive køling og tomgang. Det er omkring fem dråber. Tallet kommer fra et øjebliksbillede af data fra maj 2025, altså en median over hvilke modeller der servede trafik dengang, ikke én navngiven model. Og de 0,26 ml var Googles globale gennemsnit.

Vil du have den længere metodegennemgang, har vi allerede skrevet om AI’s vandforbrug: hvorfor virale tal er misvisende. Her handler det om, hvad der ændrer sig, når din EU AI-chat kører på servere i Europa.

Bruger europæiske datacentre overhovedet vand til køling?

Datacentre i Sverige ligger der bl.a. fordi de køler med luft i stedet for vand. Microsofts svenske region køler med udendørsluft 100 % af året. Hetzner bruger også luft i stedet for vand til køling.

Det er ikke en tilfældig liste. DentroChat hostes hos Hetzner i Tyskland, og en del af den inferens vi router via Cortecs kører i Sverige. At sige « AI spilder vand » er en kraftig overdrivelse, hvis du bruger en EU AI-chat som DentroChat. Mange af disse europæiske datacentre bruger næsten intet vand.

Hvad med vandet til at træne modellen?

Det, der mangler i tallene ovenfor, er de sunkne omkostninger ved AI-træning. Når en model er trænet, kan den hostes. Men de fleste AI-modeller hostet i EU trænes stadig uden for Europa, så vi må også se på træningsomkostningen.

Det er svært at finde friske tal, men Google estimerede i 2022, at 40 % af energien gik til modeltræning og 60 % til inferens.

Det nyere paper « Power Hungry Processing » estimerer, at inferens kan stå for ~90 % af livscyklusenergi og -CO₂.

Begge peger samme vej: en EU AI-chat med europæisk hostede modeller spilder samlet set lidt vand.

Hvordan sammenligner det med en Reddit-tråd?

Sammenlign det med Reddit-opslaget, der fik 6.000 visninger og satte vores research i gang.

Web-CO₂-beregnere baseret på Sustainable Web Design-modellen sætter et typisk sideview på ~0,36 g CO₂e, cirka 0,7 Wh. Ved 6.000 visninger er det omkring 4,4 kWh bare for at servere siden. Det svarer til energien i cirka 18.000 AI-tekstprompter!

Med vand handler det også om liter mod en brøkdel af en milliliter per prompt.

Så almindelige sociale medier ser ud til at være værre energimæssigt end AI…

Er « AI spilder vand » en myte?

Datacentre i tørre regioner er et reelt problem, og gennemsigtigheden er dårlig. Men per interaktion, på EU-infrastruktur, er en prompt en af de lettere ting, vi gør online.

« AI spilder vand » er mere en myte, hvis du bruger EU-løsninger. Det er den slags europæisk AI, vi kører på DentroChat, den bedste EU AI-chat.