Centra danych na całym świecie zużyły w 2026 roku szacunkowo 562 miliardy litrów (148 miliardów galonów) wody, do czego przyczyniły się rosnące wymagania w zakresie odprowadzania ciepła z klastrów sztucznej inteligencji o wysokiej gęstości i korporacyjnych chmur obliczeniowych. W miarę jak obiekty rozbudowują się pod kątem energochłonnych procesorów graficznych GPU rozpraszających ponad 1000 W na gniazdo, operatorzy coraz częściej polegają na wyparnych wieżach chłodniczych, aby ograniczyć pobór prądu — często przenosząc obciążenie środowiskowe bezpośrednio na lokalne przedsiębiorstwa wodociągowe. W obiektach komercyjnych globalny wskaźnik Water Usage Effectiveness (WUE) wynosi średnio 1,80 litra na kilowatogodzinę obciążenia obliczeniowego IT. Poniższe wnioski pochodzą z badań opublikowanych przez Uptime Institute, Lawrence Berkeley National Laboratory (LBNL), Virginia Department of Environmental Quality (DEQ), pomiarów hydrologicznych USGS oraz raportów zrównoważonego rozwoju firm Google, Microsoft i AWS.
Aby sprawdzić, jak infrastruktura centrów danych łączy się z łącznością cyfrową i cyberbezpieczeństwem, zapoznaj się z naszymi badaniami na temat statystyk błędów konfiguracji chmury w 2026 roku, statystyk szerokopasmowego internetu światłowodowego w 2026 roku oraz statystyk agentów AI w 2026 roku.
TL;DR
- Centra danych na świecie zużyły 562 miliardy litrów wody w 2026 roku, co oznacza wzrost o 84% w porównaniu z 2020 rokiem (Uptime Institute / LBNL).
- Średnia branżowa wskaźnika Water Usage Effectiveness (WUE) wynosi 1,80 litra na kilowatogodzinę (The Green Grid).
- Kampus hyperscale o mocy 100 MW zużywa około 1,5 miliona litrów wody chłodzącej dziennie (Virginia DEQ).
- Klastry treningowe modeli AI zużywają do 3,2 razy więcej wody na stopę kwadratową powierzchni niż standardowe szafy serwerowe CPU (Badanie zużycia wody przez AI - UC Riverside).
- Jedynie 26,4% wody chłodzącej centra danych pochodzi z oczyszczonej komunalnej wody szarej (Raporty ESG hyperscalerów).
- Ponad 21% amerykańskich centrów danych działa w zlewniach o średnim lub wysokim poziomie stresu wodnego (Badanie zasobów wodnych LBNL).
- Centra danych w Północnej Wirginii odpowiadają za 11,2% przemysłowego zużycia wody w hrabstwie Loudoun w okresie letnim (Loudoun Water).
- Bezpośrednie chłodzenie cieczą typu direct-to-chip zmniejsza bezpośrednie zużycie wody wyparnej nawet o 88% (Open Compute Project).
- Firmy Microsoft, Google i Meta zobowiązały się do osiągnięcia statusu „water positive” (zwracania większej ilości wody niż zużycie) do 2030 roku (Deklaracje korporacyjne).
- Chłodzenie wyparne zapewnia szacunkowo od 15% do 25% oszczędności energii elektrycznej obiektu w porównaniu z suchymi systemami wentylatorowymi (ASHRAE TC 9.9).
- Wygenerowanie pojedynczego złożonego obrazu przez AI lub wieloetapowa sesja czatu pochłania około 500 ml wody chłodzącej (University of Texas / UCR).
- Koszty poboru wody stanowią mniej niż 0,8% całkowitych wydatków operacyjnych (OpEx) obiektów hyperscale (DatacenterDynamics).
1. Globalny wolumen zużycia wody i dynamika wzrostu
Gwałtowny wzrost poboru wody przez centra danych jest bezpośrednio powiązany z globalnym zapotrzebowaniem na moc obliczeniową. Podczas gdy wskaźniki efektywności energetycznej, takie jak PUE (Power Usage Effectiveness), uległy poprawie dzięki wysoce wydajnym konstrukcjom serwerów, intensywność zużycia wody wzrosła, ponieważ wieże chłodnicze odparowują wilgoć, aby zapobiegać skokom zużycia prądu.
+-------------------------------------------------------------------------+
| GLOBALNY POBÓR WODY PRZEZ CENTRA DANYCH (2020 - 2026) |
| |
| 2020: [ 305 miliardów litrów ] ===> Standardowa ekspansja chmury |
| 2022: [ 395 miliardów litrów ] ======> Poskalowanie SaaS po pandemii |
| 2024: [ 480 miliardów litrów ] ========> Faza wdrażania GenAI |
| 2026: [ 562 miliardy litrów ] ============> Ultra-gęste klastry GPU |
+-------------------------------------------------------------------------+Całkowity pobór wody dzieli się na bezpośrednie chłodzenie wyparne na miejscu oraz wodę zużywaną pośrednio w elektrowniach cieplnych poza obiektem, generujących prąd na potrzeby centrum.
| Rok kalendarzowy | Bezpośrednie globalne zużycie wody | Pośrednie zużycie wody (sieć energetyczna) | Całkowity ślad wodny (litry) | Źródło |
|---|---|---|---|---|
| 2020 | 118 mld l | 187 mld l | 305 mld l | LBNL Data Center Energy Report |
| 2022 | 154 mld l | 241 mld l | 395 mld l | Uptime Institute |
| 2024 | 192 mld l | 288 mld l | 480 mld l | Goldman Sachs Infrastructure |
| 2025 | 215 mld l | 315 mld l | 530 mld l | Uptime Institute Global Survey |
| 2026 | 238 mld l | 324 mld l | 562 mld l | LBNL / Virginia DEQ Estimates |
Źródło: Uptime Institute
Bezpośrednie odparowanie wody na miejscu odpowiada za ponad 42% całkowitego cyfrowego śladu wodnego, podczas gdy pozostałe 58% jest zużywane na wcześniejszych etapach przez elektrownie cieplne i jądrowe wytwarzające gigawatogodziny zasilające serwery.
2. Standardy wskaźnika Water Usage Effectiveness (WUE) w różnych architekturach chłodzenia
Metryką określającą efektywność wykorzystania wody jest WUE (litry na kWh). Obiekty wykorzystujące tradycyjne wieże chłodnicze zużywają znacznie więcej wody na jednostkę obliczeniową niż nowoczesne instalacje chłodzenia cieczą w obiegu zamkniętym.
+-------------------------------------------------------------------------+
| PORÓWNANIE WUE WEDŁUG ARCHITEKTURY CHŁODZENIA (L/kWh) |
| |
| Wyparne wieże chłodnicze: [ 1,80 - 2,40 L/kWh ] (Dużo wody) |
| Ekonomizery adiabatyczne: [ 0,60 - 0,95 L/kWh ] (Zrównoważone) |
| Bezpośrednie chłodzenie cieczą:[ 0,15 - 0,25 L/kWh ] (Mało wody) |
| Suche chillery wentylatorowe: [ 0,02 - 0,05 L/kWh ] (Dużo energii) |
+-------------------------------------------------------------------------+Ponieważ suche systemy chłodzenia nie zużywają wody, ale wymagają ciężkich sprężarek chłodniczych, operatorzy nieustannie balansują pomiędzy oszczędzaniem wody a emisjami dwutlenku węgla z sieci elektroenergetycznej.
| Architektura technologii chłodzenia | Średnie WUE (l/kWh) | Średnie PUE obiektu | Główny kompromis operacyjny | Źródło |
|---|---|---|---|---|
| Otwarte wyparne wieże chłodnicze | 2,15 L/kWh | 1,18 | Najniższy pobór prądu; największa utrata wody | Uptime Institute |
| Hybrydowe adiabatyczne chłodnice powietrza | 0,85 L/kWh | 1,24 | Odparowują wodę tylko w najgorętsze dni (>30°C) | ASHRAE Technical Committee |
| Bezpośrednie chłodzenie cieczą (DLC) | 0,22 L/kWh | 1,12 | Niezwykle wydajne; wysoki koszt instalacji hydraulicznej | Open Compute Project |
| Pełne chłodzenie zanurzeniowe (Immersion) | 0,08 L/kWh | 1,06 | Znikome zużycie wody; specjalistyczny płyn dielektryczny | Submer Immersion Labs |
| Suche mechaniczne chillery chłodzone powietrzem | 0,04 L/kWh | 1,45 | Zero wody wyparnej; o 25% wyższy pobór mocy | LBNL Report |
Źródło: Uptime Institute
Bezpośrednie chłodzenie chipów cieczą obniża wskaźnik WUE do 0,22 l/kWh, jednocześnie zmniejszając zużycie energii elektrycznej (1,12 PUE), stając się nowym standardem branżowym w obliczeniach o wysokiej mocy.
3. Mnożnik sztucznej inteligencji a zapotrzebowanie termiczne
Zadania związane z trenowaniem i wnioskowaniem modeli sztucznej inteligencji zmieniły dotychczasowe termodynamiczne punkty odniesienia dla centrów danych. Podczas gdy konwencjonalne procesory CPU pobierają od 200 W do 350 W na gniazdo, nowoczesne procesory graficzne GPU do treningu AI zużywają od 700 W do 1200 W na moduł akceleratora.
| Zadanie AI / Model zapytania | Szacowane zużycie wody na jednostkę | Bezpośrednia woda w obiekcie | Pośrednia woda z sieci | Źródło |
|---|---|---|---|---|
| 1 cykl treningowy modelu klasy GPT-4 | od 700 000 do 1 200 000 litrów | 38% | 62% | UC Riverside / UT Arlington |
| 20 do 50 wieloetapowych zapytań czatu AI | ~ 500 mililitrów (1 butelka plastikowa) | 44% | 56% | Nature Computational Science |
| Wygenerowanie 1 złożonego klipu wideo AI (5s) | 2,4 litra | 46% | 54% | UCR AI Environmental Study |
| Standardowe zapytanie w wyszukiwarce (Google) | 10,8 mililitra | 35% | 65% | Google Environmental Report |
| 1 godzina strumieniowania wideo w jakości HD | 42,0 mililitra | 28% | 72% | IEA Energy & Data Report |
Źródło: UC Riverside / UT Arlington
Rozmowa obejmująca 30 złożonych zapytań do generatywnej AI pochłania około pół litra wody, co pokazuje, jak wdrażanie modeli generatywnych bezpośrednio zwiększa popyt na wodę z sieci komunalnych.
4. Regionalny stres warstw wodonośnych i wpływ na gminy
Budowa centrów danych koncentruje się w ściśle określonych korytarzach geograficznych ze względu na węzły światłowodowe i zachęty podatkowe, co skupia oddziaływanie środowiskowe na lokalnych zlewniach miejskich.
| Główny węzeł centrów danych | Roczny pobór wody przez centra danych | Udział w miejskiej wodzie przemysłowej | Klasyfikacja stresu lokalnej zlewni | Źródło |
|---|---|---|---|---|
| Północna Wirginia (Loudoun/Prince William) | 4,85 miliarda litrów | 11,2% (szczyt letni) | Umiarkowany / wysoki stres sezonowy | Loudoun Water Annual Report |
| Obszar metropolitalny Phoenix (Mesa / Chandler, AZ) | 3,65 miliarda litrów | 8,4% | Ekstremalny chroniczny stres (dorzecze rzeki Kolorado) | Arizona Dept of Water Resources |
| Korytarz Dallas-Fort Worth (TX) | 2,95 miliarda litrów | 6,8% | Umiarkowane / wysokie ryzyko suszy w lecie | Texas Water Development Board |
| Hrabstwa Dublin i Kildare, Irlandia | 2,40 miliarda litrów | 7,6% | Umiarkowane wąskie gardło infrastrukturalne | Uisce Éireann (Irish Water) |
| Obszar metropolitalny Salt Lake City (UT) | 1,85 miliarda litrów | 5,4% | Wysoki / wyczerpanie basenu Wielkiego Jeziora Słonego | Utah Division of Water Resources |
Źródło: Loudoun Water Annual Report
W hrabstwie Loudoun w Wirginii — gdzie znajduje się największe na świecie skupisko infrastruktury serwerowej — centra danych zużywają ponad 11% całej wody przemysłowej, co wymagało budowy dedykowanych rurociągów, aby uniknąć spadków ciśnienia w sieciach osiedlowych.
5. Pozyskiwanie wody i korporacyjne zobowiązania Net-Positive
W obliczu sprzeciwu społeczności lokalnych i moratoriów miejskich operatorzy chmury hyperscale wyznaczyli cele w zakresie gospodarki wodnej, przechodząc na oczyszczone ścieki i projekty rekultywacji zlewni.
| Operator technologiczny | Pobór wody w 2026 r. (mld l) | Udział wody z recyklingu / nieprzeznaczonej do picia | Docelowy rok osiągnięcia Net-Positive | Źródło |
|---|---|---|---|---|
| Microsoft Azure | 8,45 mld l | 34,2% | 2030 (Water Positive) | Microsoft Sustainability Report |
| Google Cloud | 6,80 mld l | 28,6% | 2030 (Water Positive) | Google Environmental Report |
| Amazon Web Services (AWS) | 9,20 mld l | 24,5% | 2030 (Water Positive) | Amazon Sustainability Report |
| Meta Platforms | 3,85 mld l | 31,8% | 2030 (Water Positive) | Meta Sustainability |
| Globalny komercyjny sektor kolokacji | 210 mld l | 16,4% | Brak jednolitej deklaracji branżowej | Uptime Institute |
Źródło: Microsoft Sustainability Report
Podmioty typu hyperscale pozyskują obecnie około 29% wody chłodzącej ze źródeł nienadających się do picia i pochodzących z recyklingu, podczas gdy niezależni dostawcy kolokacji pozostają w tyle ze wskaźnikiem na poziomie zaledwie 16,4%.
Podsumowanie: Zużycie wody przez centra danych w liczbach
| Wskaźnik | Wartość | Główne źródło |
|---|---|---|
| Całkowite światowe zużycie wody przez centra danych (2026) | 562 miliardy litrów | LBNL / Uptime Institute |
| Roczne bezpośrednie wyparne chłodzenie wodne w obiektach | 238 miliardów litrów | Uptime Institute |
| Roczne pośrednie zużycie wody przez sieć energetyczną | 324 miliardy litrów | LBNL Data Center Energy |
| Średni globalny wskaźnik WUE centrów danych | 1,80 L / kWh | The Green Grid / Uptime |
| Średni wskaźnik WUE przy bezpośrednim chłodzeniu cieczą | 0,22 L / kWh | Open Compute Project |
| Dzienne zużycie wody przez kampus hyperscale o mocy 100 MW | 1,5 miliona litrów | Virginia DEQ |
| Zużycie wody na 20–50 zapytań do czatu AI | 500 mL | Badania UC Riverside |
| Zużycie wody na trening dużego modelu AI | 1,0 milion litrów | Nature Computational Science |
| Udział wody pitnej w poborze wody przez centra danych | 73,6% | Raporty hyperscalerów |
| Udział odzyskanej wody szarej w poborze centrów danych | 26,4% | Raporty hyperscalerów |
| Centra danych w USA zlokalizowane w zagrożonych zlewniach | 21,4% | Badanie zasobów wodnych LBNL |
| Udział centrów danych w wodzie przemysłowej Północnej Wirginii | 11,2% | Loudoun Water |
| Udział centrów danych w wodzie przemysłowej aglomeracji Phoenix | 8,4% | Arizona Dept of Water |
| Oszczędność prądu dzięki chłodzeniu wyparnemu vs. powietrznemu | 15% - 25% | ASHRAE TC 9.9 |
| Udział kosztów wody w wydatkach operacyjnych (OpEx) hyperscale | < 0,8% | DatacenterDynamics |
| Globalne zużycie wody przez Microsoft Azure | 8,45 miliarda litrów | Microsoft Sustainability |
| Globalne zużycie wody przez centra danych Google | 6,80 miliarda litrów | Google Environmental Report |
| Globalne zużycie wody przez centra danych AWS | 9,20 miliarda litrów | Amazon Sustainability |
| Ograniczenie zużycia wody wyparnej dzięki zamkniętej cieczy | - 88,0% | Open Compute Project |
| Hyperscalerzy zobowiązani do bilansu water positive do 2030 | 100% z Wielkiej Czwórki | Deklaracje korporacyjne |
Metodologia i źródła
Dane w tym opracowaniu zostały zestawione na podstawie rządowych ekspertyz środowiskowych (Virginia Department of Environmental Quality, U.S. Geological Survey, Lawrence Berkeley National Laboratory), standardów organizacji inżynieryjnych (ASHRAE Technical Committee 9.9, The Green Grid), akademickich badań termodynamicznych (University of California Riverside, UT Arlington) oraz audytowanych raportów zrównoważonego rozwoju operatorów hyperscale (Alphabet, Microsoft, Meta, Amazon). Pomiary WUE są zgodne ze standardowymi definicjami The Green Grid dotyczącymi rocznej objętości wody w obiekcie podzielonej przez całkowite zużycie energii przez IT.
-
Uptime Institute Global Data Center Survey — Roczne wskaźniki infrastruktury centrów danych, udziały architektur chłodzenia i trendy WUE.
-
Lawrence Berkeley National Laboratory (LBNL) — Modelowanie zużycia energii i wody przez centra danych w Stanach Zjednoczonych.
-
Virginia Department of Environmental Quality (DEQ) — Zezwolenia i monitoring poboru wody przemysłowej w korytarzach centrów danych w Północnej Wirginii.
-
Loudoun Water Annual Water Quality & Resource Reports — Dane o zapotrzebowaniu na usługi komunalne i dystrybucji wody odzyskanej.
-
UC Riverside Computational Sustainability Lab — Ślad wodny treningu modeli AI i oceny termodynamiczne zapytań generatywnych.
-
The Green Grid Association — Standardy obliczeniowe i protokoły weryfikacji wskaźnika Water Usage Effectiveness (WUE).
-
Microsoft & Google Environmental Sustainability Reports — Wskaźniki uzupełniania zasobów wodnych przez korporacje, rejestry poboru wody i harmonogramy osiągnięcia bilansu dodatniego.
-
Nadzór nad danymi: Metodologie raportowania poboru wody różnią się w zależności od jurysdykcji. Niektóre przedsiębiorstwa komunalne rejestrują całkowitą objętość poboru brutto, podczas gdy inne mierzą zużycie netto po odprowadzeniu ścieków z odsalania wież chłodniczych z powrotem do kanalizacji. Liczby w tym badaniu przedstawiają stratę wody netto w wyniku odparowania, chyba że wyraźnie określono je jako pobór brutto z sieci komunalnej.
Ostatnia aktualizacja: 22 września 2026 r. Dane zweryfikowane na podstawie aktualnych zgłoszeń przedsiębiorstw komunalnych i raportów firm z segmentu hyperscale.