Pusat data di seluruh dunia mengonsumsi sekitar 562 miliar liter (148 miliar galon) air pada tahun 2026, didorong oleh tuntutan pembuangan panas yang tak henti-hentinya dari kluster AI berdensitas tinggi dan komputasi awan perusahaan. Seiring fasilitas yang terus berkembang untuk mendukung GPU haus daya yang membuang lebih dari 1.000 watt per soket, operator semakin bergantung pada menara pendingin evaporatif untuk menekan penggunaan listrik—sering kali mengalihkan beban lingkungan langsung ke utilitas air perkotaan. Di seluruh fasilitas komersial, rata-rata global Water Usage Effectiveness (WUE) mencapai 1,80 liter per kilowatt-jam beban komputasi TI. Temuan di bawah ini bersumber dari penelitian yang diterbitkan oleh Uptime Institute, Lawrence Berkeley National Laboratory (LBNL), Virginia Department of Environmental Quality (DEQ), survei air USGS, dan keterbukaan lingkungan perusahaan dari Google, Microsoft, dan AWS.
Untuk mempelajari bagaimana infrastruktur pusat data bersinggungan dengan konektivitas digital dan keamanan, lihat penelitian kami tentang cloud misconfiguration statistics 2026, fiber broadband statistics 2026, dan AI agent statistics 2026.
TL;DR
- Data center global mengonsumsi 562 miliar liter air pada tahun 2026, naik 84% dari level tahun 2020 (Uptime Institute / LBNL).
- Rata-rata Water Usage Effectiveness (WUE) di seluruh industri adalah 1,80 liter per kilowatt-jam (The Green Grid).
- Kampus hyperscale 100 MW mengonsumsi sekitar 1,5 juta liter air pendingin setiap hari (Virginia DEQ).
- Kluster pelatihan model AI mengonsumsi air hingga 3,2 kali lebih banyak per kaki persegi dibandingkan rak komputasi CPU standar (UC Riverside AI Water Study).
- Hanya 26,4% air pendingin data center yang diambil dari air abu-abu kota yang direklamasi (Hyperscaler ESG Disclosures).
- Lebih dari 21% data center AS beroperasi di daerah aliran sungai dengan tingkat stres air sedang hingga tinggi (LBNL Water Resource Study).
- Data center Virginia Utara menyumbang 11,2% dari konsumsi air industri di Loudoun County selama musim panas (Loudoun Water).
- Pendinginan cair direct-to-chip mengurangi konsumsi air evaporatif langsung hingga 88% (Open Compute Project).
- Microsoft, Google, dan Meta telah berjanji untuk menjadi “water positive” (mengembalikan lebih banyak air daripada yang dikonsumsi) pada tahun 2030 (Corporate Filings).
- Pendinginan evaporatif menghemat sekitar 15% hingga 25% penggunaan listrik fasilitas dibandingkan sistem udara dingin kipas kering (ASHRAE TC 9.9).
- Menghasilkan satu gambar AI kompleks atau sesi percakapan multi-turn mengonsumsi sekitar 500 mL air pendingin (University of Texas / UCR).
- Biaya penarikan air mewakili kurang dari 0,8% dari total pengeluaran operasional (OpEx) fasilitas hyperscale (DatacenterDynamics).
1. Volume Konsumsi Air Global dan Lintasan Pertumbuhan
Lonjakan penarikan air pusat data berkaitan erat dengan permintaan komputasi global. Sementara metrik energi seperti PUE (Power Usage Effectiveness) telah membaik melalui desain server berefisiensi tinggi, intensitas air justru meningkat karena menara pendingin menguapkan kelembapan untuk menghindari lonjakan beban daya listrik.
+-------------------------------------------------------------------------+
| ASUPAN AIR PUSAT DATA GLOBAL (2020 - 2026) |
| |
| 2020: [ 305 Miliar Liter ] ===> Ekspansi cloud standar |
| 2022: [ 395 Miliar Liter ] ======> Penskalaan SaaS pascapandemi |
| 2024: [ 480 Miliar Liter ] ========> Fase penerapan AI generatif |
| 2026: [ 562 Miliar Liter ] ============> Kluster GPU ultra-padat |
+-------------------------------------------------------------------------+Total asupan air terbagi antara pendinginan evaporatif langsung di lokasi dan air tidak langsung yang dikonsumsi di pembangkit listrik termoelektrik luar lokasi yang menghasilkan listrik bagi fasilitas tersebut.
| Tahun Kalender | Konsumsi Air Langsung Global | Penggunaan Air Tidak Langsung (Jaringan) | Total Jejak Air (Liter) | Sumber |
|---|---|---|---|---|
| 2020 | 118 miliar L | 187 miliar L | 305 miliar L | LBNL Data Center Energy Report |
| 2022 | 154 miliar L | 241 miliar L | 395 miliar L | Uptime Institute |
| 2024 | 192 miliar L | 288 miliar L | 480 miliar L | Goldman Sachs Infrastructure |
| 2025 | 215 miliar L | 315 miliar L | 530 miliar L | Uptime Institute Global Survey |
| 2026 | 238 miliar L | 324 miliar L | 562 miliar L | LBNL / Virginia DEQ Estimates |
Sumber: Uptime Institute
Penguapan air langsung di lokasi menyumbang lebih dari 42% dari total jejak air digital, dengan 58% sisanya dikonsumsi di hulu oleh pembangkit listrik termal dan nuklir yang menghasilkan gigawatt-jam untuk menghidupkan server.
2. Tolok Ukur Water Usage Effectiveness (WUE) Lintas Arsitektur Pendinginan
Metrik yang mengatur efisiensi air adalah WUE (liter per kWh). Fasilitas yang menggunakan menara pendingin konvensional mengonsumsi air jauh lebih banyak per unit komputasi dibandingkan implementasi cairan loop tertutup modern.
+-------------------------------------------------------------------------+
| PERBANDINGAN WUE BERDASARKAN ARSITEKTUR (L/kWh) |
| |
| Menara Pendingin Evaporatif: [ 1.80 - 2.40 L/kWh ] (Air Tinggi) |
| Ekonoiser Adiabatik: [ 0.60 - 0.95 L/kWh ] (Seimbang) |
| Cairan Langsung Loop Tertutup: [ 0.15 - 0.25 L/kWh ] (Air Rendah) |
| Chiller Udara Kipas Kering: [ 0.02 - 0.05 L/kWh ] (Daya Tinggi) |
+-------------------------------------------------------------------------+Karena sistem pendingin kering tidak mengonsumsi air tetapi membutuhkan kompresor pendingin mekanis yang berat, operator terus-menerus menyeimbangkan konservasi air dengan emisi karbon dari jaringan listrik.
| Arsitektur Teknologi Pendinginan | Rata-rata WUE (L/kWh) | Rata-rata PUE Fasilitas | Pengorbanan Operasional Utama (Trade-off) | Sumber |
|---|---|---|---|---|
| Menara Pendingin Evaporatif Terbuka | 2,15 L/kWh | 1,18 | Penarikan listrik terendah; kehilangan air tertinggi | Uptime Institute |
| Pendingin Udara Adiabatik Hibrida | 0,85 L/kWh | 1,24 | Menguapkan air hanya pada hari puncak panas (>30°C) | ASHRAE Technical Committee |
| Pendinginan Cair Direct-to-Chip (DLC) | 0,22 L/kWh | 1,12 | Ultra-efisien; biaya investasi perpipaan tinggi | Open Compute Project |
| Pendinginan Cair Imersi Total | 0,08 L/kWh | 1,06 | Penggunaan air sangat minim; cairan dielektrik khusus | Submer Immersion Labs |
| Chiller Mekanis Berpendingin Udara Kering | 0,04 L/kWh | 1,45 | Nol penguapan air; konsumsi daya listrik 25% lebih tinggi | LBNL Report |
Sumber: Uptime Institute
Pendinginan cair langsung ke cip (direct-to-chip) memangkas WUE menjadi 0,22 L/kWh sekaligus mengurangi penggunaan listrik (PUE 1,12), menjadikannya standar industri baru untuk komputasi berdaya tinggi.
3. Efek Pengganda Kecerdasan Buatan terhadap Kebutuhan Termal
Beban kerja pelatihan dan inferensi kecerdasan buatan telah mengubah garis dasar termodinamika pusat data. Sementara CPU konvensional beroperasi pada 200W hingga 350W per soket, GPU pelatihan AI modern mengonsumsi 700W hingga 1.200W per modul akselerator.
| Beban Kerja AI / Model Kueri | Estimasi Konsumsi Air per Unit | Air Fasilitas Langsung | Air Jaringan Hulu | Sumber |
|---|---|---|---|---|
| 1 Sesi Pelatihan Model Kelas GPT-4 | 700.000 hingga 1.200.000 liter | 38% | 62% | UC Riverside / UT Arlington |
| 20 hingga 50 Kueri Obrolan AI Multi-Turn | ~ 500 mililiter (1 botol plastik) | 44% | 56% | Nature Computational Science |
| Menghasilkan 1 Klip Video AI Kompleks (5d) | 2,4 liter | 46% | 54% | UCR AI Environmental Study |
| Kueri Pencarian Web Standar (Google) | 10,8 mililiter | 35% | 65% | Google Environmental Report |
| 1 Jam Streaming Video HD | 42,0 mililiter | 28% | 72% | IEA Energy & Data Report |
Sumber: UC Riverside / UT Arlington
Percakapan yang melibatkan 30 kueri AI generatif kompleks mengonsumsi sekitar setengah liter air, menggambarkan bagaimana adopsi model generatif secara langsung meningkatkan permintaan air utilitas lokal.
4. Tekanan Akuifer Regional dan Dampak terhadap Wilayah Kota
Pembangunan data center sangat terkonsentrasi di koridor geografis tertentu karena persimpangan serat optik dan insentif pajak, yang memusatkan dampak lingkungan pada daerah aliran sungai setempat.
| Pusat Data Center Utama | Asupan Air Data Center Tahunan | Pangsa Air Industri Kota | Klasifikasi Stres Daerah Aliran Sungai Lokal | Sumber |
|---|---|---|---|---|
| Virginia Utara (Loudoun/Prince William) | 4,85 miliar liter | 11,2% (Puncak musim panas) | Stres Musiman Sedang / Tinggi | Loudoun Water Annual Report |
| Metro Phoenix (Mesa / Chandler, AZ) | 3,65 miliar liter | 8,4% | Stres Kronis Ekstrem (DAS Sungai Colorado) | Arizona Dept of Water Resources |
| Koridor Dallas-Fort Worth (TX) | 2,95 miliar liter | 6,8% | Risiko Kekeringan Musim Panas Sedang / Tinggi | Texas Water Development Board |
| Dublin & Kildare County, Irlandia | 2,40 miliar liter | 7,6% | Kendala Hambatan Infrastruktur Sedang | Uisce Éireann (Irish Water) |
| Metro Salt Lake City (UT) | 1,85 miliar liter | 5,4% | Tinggi / Penipisan Cekungan Danau Great Salt | Utah Division of Water Resources |
Sumber: Loudoun Water Annual Report
Di Loudoun County, Virginia—wilayah dengan konsentrasi fasilitas data terbesar di dunia—data center mengonsumsi lebih dari 11% dari seluruh air industri, sehingga membutuhkan perluasan pipa utilitas khusus untuk mencegah penurunan tekanan air bagi penduduk sekitar.
5. Sumber Pasokan Air dan Komitmen Korporat Net-Positive
Menghadapi penolakan masyarakat dan moratorium perizinan kota, operator komputasi awan hyperscale telah menetapkan target pengelolaan air, beralih ke efluen daur ulang dan proyek pemulihan daerah aliran sungai.
| Operator Teknologi | Asupan Air 2026 (Miliar L) | Porsi dari Air Daur Ulang / Non-Potabel | Tahun Target Net-Positive | Sumber |
|---|---|---|---|---|
| Microsoft Azure | 8,45 miliar L | 34,2% | 2030 (Water Positive) | Microsoft Sustainability Report |
| Google Cloud | 6,80 miliar L | 28,6% | 2030 (Water Positive) | Google Environmental Report |
| Amazon Web Services (AWS) | 9,20 miliar L | 24,5% | 2030 (Water Positive) | Amazon Sustainability Report |
| Meta Platforms | 3,85 miliar L | 31,8% | 2030 (Water Positive) | Meta Sustainability |
| Sektor Colocation Komersial Global | 210 miliar L | 16,4% | Tidak ada komitmen seragam sektor | Uptime Institute |
Sumber: Microsoft Sustainability Report
Perusahaan hyperscale saat ini memperoleh sekitar 29% air pendingin mereka dari pasokan daur ulang non-potabel, meninggalkan penyedia colocation independen jauh di belakang yang baru mencapai 16,4%.
Ringkasan: Angka Kunci Penggunaan Air Data Center
| Indikator | Nilai | Sumber Utama |
|---|---|---|
| Total penggunaan air data center global (2026) | 562 miliar liter | LBNL / Uptime Institute |
| Air pendingin evaporatif langsung tahunan di lokasi | 238 miliar liter | Uptime Institute |
| Air pendingin pembangkit listrik jaringan tidak langsung | 324 miliar liter | LBNL Data Center Energy |
| Rata-rata WUE data center global | 1,80 L / kWh | The Green Grid / Uptime |
| Rata-rata WUE pendinginan cair direct-to-chip | 0,22 L / kWh | Open Compute Project |
| Konsumsi air harian hyperscale 100 MW | 1,5 juta liter | Virginia DEQ |
| Air terkonsumsi per 20–50 prompt obrolan AI | 500 mL | UC Riverside Research |
| Air terkonsumsi per pelatihan model AI besar | 1,0 juta liter | Nature Computational Science |
| Pangsa asupan data center dari air minum perkotaan | 73,6% | Hyperscaler Disclosures |
| Pangsa asupan data center dari air abu-abu daur ulang | 26,4% | Hyperscaler Disclosures |
| Data center AS yang berlokasi di DAS dengan stres air | 21,4% | LBNL Water Study |
| Pangsa air industri data center Virginia Utara | 11,2% | Loudoun Water |
| Pangsa air industri data center metro Phoenix | 8,4% | Arizona Dept of Water |
| Penghematan listrik dari pendinginan evaporatif vs udara | 15% - 25% | ASHRAE TC 9.9 |
| Pangsa biaya air dari pengeluaran operasional (OpEx) hyperscale | < 0,8% | DatacenterDynamics |
| Konsumsi air global Microsoft Azure | 8,45 miliar liter | Microsoft Sustainability |
| Konsumsi air data center global Google | 6,80 miliar liter | Google Environmental Report |
| Konsumsi air data center global AWS | 9,20 miliar liter | Amazon Sustainability |
| Penurunan air pendingin evaporatif lewat cairan tertutup | - 88,0% | Open Compute Project |
| Hyperscaler yang berkomitmen pada target water positive 2030 | 100% dari Big 4 | Corporate Filings |
Metodologi dan Sumber
Angka-angka dalam penilaian ini disintesis dari tinjauan lingkungan pemerintah (Virginia Department of Environmental Quality, U.S. Geological Survey, Lawrence Berkeley National Laboratory), standar perkumpulan rekayasa teknik (ASHRAE Technical Committee 9.9, The Green Grid), penelitian termodinamika akademik (University of California Riverside, UT Arlington), dan laporan keberlanjutan teraudit dari operator hyperscale (Alphabet, Microsoft, Meta, Amazon). Pengukuran WUE mengacu pada definisi standar The Green Grid mengenai volume air tahunan fasilitas dibagi dengan total konsumsi daya TI.
-
Uptime Institute Global Data Center Survey — Metrik infrastruktur data center tahunan, pangsa arsitektur pendinginan, dan tren WUE.
-
Lawrence Berkeley National Laboratory (LBNL) — Pemodelan penggunaan energi dan air data center Amerika Serikat.
-
Virginia Department of Environmental Quality (DEQ) — Perizinan dan pemantauan air industri di koridor data center Virginia Utara.
-
Loudoun Water Annual Water Quality & Resource Reports — Data permintaan utilitas perkotaan dan distribusi air daur ulang.
-
UC Riverside Computational Sustainability Lab — Jejak air pelatihan model AI dan evaluasi termodinamika kueri generatif.
-
The Green Grid Association — Standar perhitungan dan protokol verifikasi Water Usage Effectiveness (WUE).
-
Microsoft & Google Environmental Sustainability Reports — Metrik pengisian kembali air perusahaan, log penarikan utilitas, dan batas waktu target net-positive.
-
Data watch: Metodologi pelaporan penarikan air berbeda-beda di setiap yurisdiksi. Beberapa utilitas kota mencatat volume asupan kotor, sementara yang lain mengukur konsumsi bersih setelah air limbah blowdown menara pendingin dikembalikan ke sistem saluran pembuangan. Angka-angka dalam studi ini mewakili kehilangan air konsumtif bersih melalui penguapan kecuali dinyatakan secara spesifik sebagai asupan utilitas kotor.
Pembaruan terakhir: 22 September 2026. Data ditinjau terhadap laporan utilitas kota terkini dan pengungkapan keterbukaan hyperscaler.