Yapay zeka 2025’te 765 milyar litreye varan su tüketimiyle gündemde
Üretken yapay zeka hızla yayılırken tartışma artık sadece elektrik tüketimiyle sınırlı değil: su ayak izi de büyüyor. Hollandalı araştırmacı Alex de Vries‑Gao tarafından yayımlanan bir çalışma, 2025’te yapay zeka sistemlerinin toplam su kullanımının 765 milyar litreye kadar çıkabileceğini öne sürüyor.
“Doğrudan” ve “dolaylı” su: Asıl fark burada
Bu tür hesaplar, veri merkezlerinde sunucuları serin tutmak için kullanılan soğutma suyunu (doğrudan kullanım) içerdiği gibi, yapay zekayı çalıştıran elektriğin üretimi sırasında harcanan dolaylı suyu da kapsıyor. Yani konu yalnızca veri merkezi muslukları değil; enerji zincirinin tamamı.
Çalışmada ayrıca, yapay zeka faaliyetlerinin karbon ayak izinin 80 milyon ton CO₂ seviyelerine ulaşabileceği tahmin ediliyor. Buradaki kritik nokta şu: Bunlar “tam ölçüm” değil, şirketlerin çevresel raporları ve bazı varsayımlar üzerinden yapılan tahminler.
Şeffaflık ve raporlama ihtiyacı
Büyük teknoloji şirketleri çevre raporu yayınlasa da, yapay zekaya özgü etki çoğu zaman veri merkezi toplamının içinde eriyor. Bu da hem su hem karbon tarafında karşılaştırılabilir, denetlenebilir bir tablo çıkarmayı zorlaştırıyor. Bu yüzden çözüm tarafında; daha verimli donanım/yazılım, düşük su kullanan soğutma yöntemleri ve en önemlisi AI iş yükleri için ayrı raporlama standartları öne çıkıyor.
Neden “su” bu kadar kritik bir metrik oldu?
Elektrik tüketimi daha görünür; fatura ve şebeke kapasitesi üzerinden konuşmak kolay. Su tüketimi ise çoğu zaman “arka planda” kalır. Oysa veri merkezleri için su:
- Sıcak dalgalarında risk çarpanıdır: Talebin arttığı saatlerde soğutma yükü yükselir.
- Yerel kaynaktır: Etki, küresel değil çoğunlukla yerel havzada hissedilir.
- İzin/itibar konusudur: Aynı bölgede tarım, hane halkı ve endüstriyle rekabet oluşabilir.
Bu yüzden “AI büyüdükçe su da büyür” tartışması, yalnızca çevre başlığı değil aynı zamanda operasyonel sürdürülebilirlik başlığıdır.
Tahminleri okurken: neyi biliyoruz, neyi bilmiyoruz?
Bu tip çalışmalar genelde “tek bir sayaçtan okunmuş” ölçüm değildir. Çoğu zaman:
- şirketlerin toplam veri merkezi raporlarından,
- bölgesel enerji üretim profillerinden,
- soğutma teknolojisi varsayımlarından,
- iş yükü/kapasite tahminlerinden
türetilen bir modelleme yaklaşımı kullanılır. Bu da şu anlama gelir: Rakamlar tartışmayı başlatmak için güçlü bir çerçeve sunar; ama “kesin gerçek” gibi okunmamalıdır. Yine de, belirsizlik payı olsa bile yön nettir: AI iş yükleri arttıkça kaynak baskısı artıyor.
“Doğrudan su”yu azaltmanın pratik yolları
Teknoloji tarafında, doğrudan su kullanımını azaltmak için öne çıkan yaklaşımlar şunlardır:
- Daha verimli donanım: Aynı işi daha az enerjiyle yapmak, soğutma ihtiyacını da azaltır.
- Soğutma mimarisi seçimi: Hangi soğutma yönteminin tercih edildiği (ve iklime uygunluğu) fark yaratır.
- Isı geri kazanımı: Atık ısıyı başka bir süreçte kullanmak, toplam verimliliği iyileştirebilir.
- Yer seçimi: İklim ve su stresi düşük bölgelerde konumlanmak.
Bu maddeler “tek başına mucize” değildir; ama toplam etki, küçük optimizasyonların birikimiyle büyür.
“Dolaylı su” aslında enerji politikasına dayanıyor
Dolaylı su tüketimi, elektriğin nasıl üretildiğiyle yakından ilişkilidir. Bu yüzden iki önemli soru vardır:
- Yapay zeka iş yükleri hangi enerji karışımı ile besleniyor?
- Bu iş yükleri, şebekenin en stresli saatlerinde mi artıyor, yoksa yük dengeleme ile mi çalıştırılıyor?
Kurumsal tarafta, “AI’ı nereye koyuyoruz, ne zaman koşturuyoruz?” soruları artık yalnızca performans değil, çevresel etki ve maliyet açısından da önem kazandı.
Kullanıcı ve kurumlar ne talep etmeli?
Şeffaflık artmadan, sağlıklı karşılaştırma da zor. Bu nedenle pratik bir talep listesi şöyle olabilir:
- AI iş yüklerine ayrı raporlama: Veri merkezi geneli yerine “AI payı”nın görünür olması.
- Bölgesel kırılım: Etkinin hangi havzada yoğunlaştığının açıklanması.
- Zaman kırılımı: Günün hangi saatlerinde yoğun tüketim oluştuğu (özellikle pik saatler).
- Verimlilik metrikleri: Sadece toplam tüketim değil, birim iş başına tüketim (zaman içinde iyileşiyor mu?).
Bu tartışmanın özeti şu: Yapay zekâ “dijital” görünse de fiziksel kaynaklara dayanıyor. Elektrik kadar su da bu resmin bir parçası ve büyüme hızlandıkça görünür hale geliyor. En iyi yaklaşım, panik değil; ölçüm, şeffaf raporlama ve verimlilik yatırımı.
