Simon Willison — автор одного из самых читаемых блогов об LLM — опубликовал короткую, но плотную заметку. Его предложение: компании под давлением из-за водопотребления дата-центров должны скупить эксклюзивные гольф-клубы, превратить поля в публичные парки и помочь бывшим членам перейти на бёрдвотчинг. Математика, которую он приводит, реальная. Google использовал 10,9 млрд галлонов воды в 2025 году — это порядка 30 млн галлонов в день. В Долине Коучелла 120 гольф-полей, каждое потребляет около 800 акро-футов в год (~750 тыс. галлонов в день). Выкупив 40 полей — треть долины — Google теоретически мог бы выйти в ноль по воде.
Контекст
Водопотребление дата-центров перестало быть нишевой темой ESG-отчётов. Испарительное охлаждение, которое используют крупнейшие гиперскейлеры — Google, Microsoft, Amazon — физически требует пресной воды. Чем мощнее чипы, чем больше GPU-кластеров под обучение и инференс моделей, тем выше тепловыделение и тем больше воды нужно для охлаждения. Это не баг архитектуры, а следствие физики.
Регуляторное давление уже началось. В Нидерландах, Испании и ряде штатов США местные сообщества и муниципалитеты заблокировали строительство новых дата-центров через суды и административные решения — именно из-за воды. В ЕС климатическая отчётность включает водный след наравне с углеродным. Инвесторы с ESG-мандатом запрашивают эти данные при due diligence.
Выбор локации для новых дата-центров — в Исландии, Финляндии, Норвегии — отчасти продиктован именно этим: там можно охлаждать воздухом или морской водой, не трогая дефицитные пресные ресурсы. Это не только про дешёвую зелёную энергию.
Аналитика
Заметка Уилсона иронична, но попадает в точку. Механизм «водных кредитов» — аналог углеродных офсетов, только для воды — уже обсуждается в рамках инициатив ООН. Компания, потребляющая воду в одном месте, высвобождает её в другом. Гольф-поля в Калифорнии — идеальная иллюстрация: водоёмкие, расположенные в регионе с хронической засухой, принадлежащие состоятельным владельцам. Политически это сложнее, чем математически.
Более широкий тренд: ресурсоэффективность становится частью AI-инфраструктурной гонки. Иммерсионное охлаждение на диэлектрических жидкостях снижает расход воды, но дорого стоит. Квантизация моделей, sparse attention, более эффективные архитектуры — это не только про скорость и стоимость инференса, но и про меньший тепловой след. Smaller models, same task — это экология, применённая к ИИ.
Для компаний в КР и ЦА это пока далеко. Но международные партнёры, тендеры с европейским участием и инвестиционные раунды уже включают вопросы об environmental footprint поставщиков. Через 3-5 лет это будет стандартным чеклистом, а не экзотикой.
Кейсы применения в бизнесе
B2B-SaaS стартап: при выборе облачного провайдера и региона развёртывания — смотри на их sustainability reports. Google Cloud, AWS, Azure публикуют данные о водопотреблении по регионам. Выбор Европы Северной вместо Юго-Востока Азии или американского Юга реально меняет водный след твоих нагрузок. Для стартапов, привлекающих раунды от ESG-ориентированных фондов, этот раздел в deck уже не опционален.
Корпорация с legacy-инфраструктурой: собственная серверная — аудит системы охлаждения. Переход с испарительного на воздушное охлаждение там, где климат позволяет, снижает и OPEX, и водный след. В тендерах с госучастием или международными корпорациями ESG-показатели всё чаще входят в критерии оценки поставщика.
SMB / локальный бизнес в КР: прямого регуляторного давления пока нет, но клиенты в Европе и США уже спрашивают. Указать в профиле компании, что вы работаете через провайдера с зелёными дата-центрами — это конкурентный маркетинговый аргумент при выходе на международный рынок.
Кейсы в личной жизни
Разработчик: выбор модели под задачу — это не только про цену и скорость. Запуск claude-haiku вместо claude-sonnet для простой классификации или Llama 8B локально вместо вызова большой модели через API — реально меньший ресурсный след. Принцип «наименьшей достаточной модели» работает сразу на трёх уровнях: бюджет, скорость, экология.
Контент-мейкер: генерация изображений через API — каждый запрос потребляет вычисления и, опосредованно, воду охлаждения. Не значит «не использовать», но стоит кэшировать результаты, не перегенерировать, выбирать более компактные модели для итерации и финальную — только для финального вывода.
Студент / исследователь: тема водного следа ИИ входит в академические курсы по этике и sustainability ИИ-систем. arXiv заполнен работами об эффективности инференса, квантизации, pruning. Понять эту оптику сейчас — значит быть готовым к тому, что через несколько лет это станет стандартным требованием при найме в серьёзные команды.
Как применить сегодня
- Открой sustainability report своего основного облачного провайдера — Google, AWS или Azure — и найди раздел про водопотребление по регионам, где работают твои нагрузки
- Используй принцип наименьшей достаточной модели: haiku/flash для рутины, sonnet для сложного, opus — только по необходимости
- Если готовишь материалы для международных тендеров или инвестиционного раунда — добавь раздел об environmental footprint облачной инфраструктуры
- Следи за темой водных кредитов как следующего рынка офсетов после углеродных — несколько пилотных программ уже запущены в США
- При проектировании AI-продукта учитывай ресурсоёмкость инференса на уровне архитектуры: батчинг, кэширование промптов, async-обработка снижают и затраты, и нагрузку на инфраструктуру