「AIは環境に悪い」「ChatGPTの検索1回でペットボトル1本分の水が消える」といった話を、最近職場のランチや社内チャットで見かけた人もいるはずだ。数字だけ聞くとかなり衝撃的で、AIツールを使うたびに罪悪感を覚えてしまいそうになる。ただ、その数字の出どころをたどると、「何を測っているのか」がまったく違う話が混ざっていることがわかる。この記事では、AIデータセンターの水消費をめぐる誤解がなぜ広まるのか、実際の構造はどうなっているのかを整理する。
「AIは水を飲む」という批判の出どころ
報道で引用される水消費の数字は、主にデータセンターが立地する地域の電力会社や水道局が公開するデータから来ている。たとえば2023年にUC Riverside等の研究者グループが発表した試算では、ChatGPTとの会話20〜50回で約500mlの水が消費されると推計された。この数字自体は完全に間違いとは言えないが、問題はその「水」が何を指しているかだ。
試算の大部分を占めるのは、データセンターに電力を供給する発電所が冷却に使う水だ。火力発電所や原子力発電所は大量の水で蒸気タービンを冷やす。アメリカの発電ミックスは石炭・天然ガス・原子力が依然として大きな割合を占めているため、電力1kWhあたりの水消費が多くなる。つまり「AIが水を消費している」という文脈の多くは、正確に言うと「アメリカの電力グリッドの水消費」の話であって、データセンター本体の冷却とは別の話だ。この二つが切り離されないまま数字だけが一人歩きしている。
データセンター冷却の仕組みと水の話
データセンターの冷却方式は大きく二種類ある。空冷と液冷だ。
従来型の空冷は、大型の冷却塔（クーリングタワー）を使って外気や水で熱を逃がす方式で、この過程で水の蒸発が発生する。規模の大きい施設だと1日に数百トンの水を消費することもある。一方、近年のAI向けデータセンターで急速に普及しているのが液冷だ。サーバーのチップに直接冷却液を循環させる方式で、閉じた回路の中で液体が熱を吸収し続ける。外部に水を蒸発させる必要がないため、追加の水消費はほぼゼロに近い。
以下に、方式別の水消費の特性をまとめた。
| 冷却方式 | 外部への水蒸発 | 主な用途 | 備考 |
|---|---|---|---|
| 空冷（クーリングタワー型） | あり（蒸発損失） | 旧世代の汎用サーバー | 気候・立地で大きく変わる |
| 液冷（直接液体冷却） | ほぼなし | AI向けGPUクラスター | 閉回路で循環 |
| 外気冷却（フリークーリング） | 季節によりあり | 寒冷地のデータセンター | 外気温に依存 |
この表から読み取れるのは、「データセンター＝水を大量消費する」という話がそもそも方式によって大きく異なるということだ。問題は、古い空冷施設のデータと最新の液冷施設のデータが混在したまま語られることにある。
誤解が広まる構造的な理由
誤解がここまで広まった背景には、数字の伝わり方の問題がある。「発電所の水消費＋データセンター本体の水消費」を合算した数字は確かに大きく見える。しかも発電由来の分は、再生可能エネルギーの割合が高い地域では大幅に下がる。アイスランドやノルウェーに立地するデータセンターは地熱・水力が主電源なので、電力由来の水消費はほぼ問題にならない。一方でアメリカ中部のデータセンターは石炭・天然ガス依存度が高い地域もあり、電力由来の水消費が積み上がる。
これは「AIの水消費」の問題というより、「そのAIがどこの電力を使っているか」という問題だ。つまり、AIツールを使う行為そのものより、電力グリッドの再エネ転換のほうがはるかに大きな影響を持つ。
たとえば、30代の人事担当者が採用管理にAIツールを導入したとして、その人の行動で変わる水消費はごく限定的だ。同じ時間に社内の照明や空調が使う電力のほうがよほど大きい。「AIを使うな」という結論に飛びつく前に、どの変数が本当に効いているのかを見ておく価値はある。
大手AIインフラ企業が「液冷」に動いている理由
MicrosoftやGoogleが液冷への移行を加速しているのは、環境対応のためだけでなく、純粋に物理的な理由もある。最新世代のNVIDIA GPUは1チップあたりの発熱量が非常に大きく、空冷では処理が追いつかなくなってきた。液冷を使わないと、チップ自体の性能が熱で頭打ちになる。
つまり、AIモデルの性能向上と液冷の普及はセットで進んでいる。高性能なAIを動かしたいならば、液冷施設への移行は避けられない流れであり、その副産物として水消費の問題が自然と小さくなっていくという構図だ。環境対応として宣伝されることが多いが、動機の根っこには「AIを速く動かすための工学的な必要性」がある。そこを理解しておくと、企業発表の温度感がより正確に読めるようになる。
ChatGPTの使い方を深く知りたいならChatGPTガイドが実務目線で整理されているが、そのChatGPTが動いているインフラがどう進化しているかも、知っておいて損はない文脈だ。
数字を読むときに持っておきたい視点
環境負荷をめぐる議論に限らず、AI関連のデータは「何と何を足し合わせた数字か」を確認する習慣が役に立つ。今回の水消費の話で言えば、以下の条件が変わるだけで数字は大きく動く。
- 電力ミックス（再エネ比率が高い地域か否か）
- 冷却方式（空冷か液冷か）
- データセンターの立地（気温・湿度・水資源）
- 測定スコープ（施設内のみか、電力上流まで含むか）
これらを整理せずに「1回の検索で〇〇リットル」という数字だけ切り取ると、印象は劇的になるが実態からは離れる。プロンプトの書き方を工夫してAIを上手く使うスキルと同じように、AIに関する情報の読み方にもリテラシーが必要になってきている。プロンプトの書き方ガイドで具体的なスキルを磨きながら、その周辺知識も並行して積んでいくことが、AI時代の会社員に求められる姿勢になっていくだろう。
まとめ
「AIは水を大量消費する」という批判の多くは、発電所の水消費とデータセンター本体の冷却用水を区別しないまま語られている。液冷が普及したデータセンターのサーバー冷却だけを見れば、追加の水消費はほぼない。ただ、電力由来の水消費は電力グリッドの構成次第で大きく変わるため、「どの変数を問題にしているのか」を意識せずに議論すると、話がかみ合わなくなる。
AIを使うことへの罪悪感を持つかどうかより、電力会社の再エネ転換がどう進むか、液冷インフラへの投資が十分か、という問いのほうが本質的に大きい問題かもしれない。あなたが日々使っているAIツールの「裏側」に、こういう工学的な話が続いていることは頭の片隅に置いておく価値がある。
