Slösar AI vatten? Myt eller inte, om du kör EU-infrastruktur

« AI slösar bort allt vårt vatten ». Myt eller inte? Vi grävde i det.

Frågan landade rakt hos oss. Paul Plessing, en av våra grundare, fick hård kritik i en Reddit-tråd om AI:s « överdrivna vattenförbrukning » och dess datacenter. Tonen var hård, men frågan är rimlig. Så vi läste forskningen.

Var kommer siffran om vattenflaskan ifrån?

Den viktigaste källan bakom « AI slösar vatten » är seriös: Li et al., « Making AI Less Thirsty » (UC Riverside), som uppskattade att GPT-3 använder ungefär en 500 ml-flaska vatten per 20–50 svar.

De siffrorna per svar är extrapolationer. De förutsätter datacenter i varmt klimat med avdunstningskylning.

Avdunstningskylning är svettning i industriell skala. Varm luft förs förbi vatten, vattnet avdunstar, tar med sig värmen och försvinner i stället för att återvända till vattenkretsloppet. Det sparar mycket el, därför använder varma regioner det. Men det kostar mycket vatten.

Vad visar uppmätta siffror?

Google publicerade senare uppmätta siffror: medianen för en textprompt i Gemini Apps förbrukar 0,24 Wh och 0,26 ml vatten, inklusive kylning och vilbelastning. Det är ungefär fem droppar. Siffran kommer från en ögonblicksbild av data från maj 2025, alltså en median över vilka modeller som servade trafik då, inte en namngiven modell. Och de 0,26 ml var Googles globala genomsnitt.

Vill du ha den längre metodgenomgången har vi redan skrivit om AI:s vattenförbrukning: varför virala siffror vilseleder. Här handlar det om vad som ändras när din EU AI-chatt körs på servrar i Europa.

Använder europeiska datacenter ens vatten för kylning?

Datacenter i Sverige finns där delvis för att de kyler med luft i stället för vatten. Microsofts svenska region kyler med utomhusluft 100 % av året. Hetzner använder också luft i stället för vatten för kylning.

Det är ingen slumpmässig lista. DentroChat hostas hos Hetzner i Tyskland, och en del av inferensen vi routar via Cortecs körs i Sverige. Att säga « AI slösar vatten » är en stark överdrift om du använder en EU AI-chatt som DentroChat. Många av dessa europeiska datacenter använder nästan inget vatten alls.

Och vattnet för att träna modellen?

Det som saknas i siffrorna ovan är sunk costs för AI-träning. När en modell är tränad kan den hostas. Men de flesta AI-modeller som hostas i EU tränas fortfarande utanför Europa, så vi måste också titta på träningskostnaden.

Det är svårt att hitta färska siffror, men Google uppskattade 2022 att 40 % av energin gick till modellträning och 60 % till inferens.

Den nyare artikeln « Power Hungry Processing » uppskattar att inferens kan stå för ~90 % av livscykelenergi och koldioxid.

Båda pekar åt samma håll: en EU AI-chatt med europeiskt hostade modeller slösar lite vatten totalt sett.

Hur står det sig mot en Reddit-tråd?

Jämför det här med Reddit-inlägget som fick 6 000 visningar och startade vår research.

Webb-CO₂-kalkylatorer baserade på Sustainable Web Design-modellen sätter en typisk sidvisning på ~0,36 g CO₂e, ungefär 0,7 Wh. Vid 6 000 visningar blir det cirka 4,4 kWh bara för att servera sidan. Det motsvarar energin i ungefär 18 000 AI-textprompter!

När det gäller vatten handlar det också om liter mot en bråkdel av en milliliter per prompt.

Så vanliga sociala medier verkar vara sämre energimässigt än AI…

Är « AI slösar vatten » en myt?

Datacenter i torra regioner är ett verkligt problem, och transparensen är dålig. Men per interaktion, på EU-infrastruktur, är en prompt en av de lättare sakerna vi gör online.

« AI slösar vatten » är mer en myt om du använder EU-lösningar. Det är den sortens europeisk AI vi kör på DentroChat, den bästa EU AI-chatten.