Yapay Zekâ Veri Merkezleri Neden Bu Kadar Çok Güç ve Suya İhtiyaç Duyuyor?

Tek bir yapay zekâ hızlandırıcı çip olan NVIDIA H100, tam yük altında 700 watt'a kadar güç tüketir.

Yapay Zeka6 dakikalık okuma Güncelleme: Eylül 2026

The 4 cooling towers of the abandoned power plant Chavalon ( Centrale Thermique de Vouvry ) close to Vouvry (Switzerland). Made with Hugin by stitching 6 single images — Fotoğraf: Kuebi = Armin Kübelbeck · Wikimedia Commons · CC BY-SA 3.0

Tek bir yapay zekâ hızlandırıcı çip olan NVIDIA H100, tam yük altında 700 watt'a kadar güç tüketir. Yine de bunu özellikle yapay zekâ iş yükleri için tasarlanmış hiper ölçekli bir veri merkezine uyarladığınızda, güç ve su ihtiyaçları tavan yapar. Tam kapasiteyle çalışan 100 megavatlık bir yapay zekâ veri merkezi, yazın en yoğun dönemlerinde günde 6 milyon galona kadar su tüketebilir; bu da 10.000 ila 50.000 nüfuslu bir kasabanın tükettiği suya eşittir.

Tek Bir GPU'dan Güce Aç Bir Kabine

Bir yapay zekâ veri merkezinin ne kadar güce ihtiyaç duyduğunu anlamak için, yapay zekâ eğitimi için optimize edilmiş bir GPU olan NVIDIA H100 ile başlayın. Bir H100 GPU, maksimum yük altında 700 watt'lık bir Isıl Tasarım Gücüne (TDP) sahiptir. NVIDIA DGX sistemi gibi birden fazla H100 GPU içeren sunucu tasarımları, tek bir sunucu birimine 8 GPU sığdırır. Bu yüksek yoğunluklu GPU sunucuları tam kapasitede ortalama 6,5–7,5 kilovat (kW) çeker ve bu toplamın 5,6 kW'lık kısmını yalnızca 8 GPU oluşturur.

Bir veri merkezi sunucularını kabinlere yoğun bir şekilde yerleştirdiğinde, güç ihtiyaçları hızla tırmanır. H100 tabanlı sunucularla dolu tipik bir kabin 15–32 kW çeker. Bu aralığın üst sınırında çalışan kabinler için, GPU'ların termal sınırları içinde çalışmasını sağlamak adına sıvı veya hibrit soğutma sistemleri vazgeçilmez hale gelir.

Ölçeği daha da büyütürsek uzmanlar, yapay zekâ iş yükleri için gereken tüm ekosistemi entegre eden bir DGX H100 sunucusunun efektif güç gereksiniminin yaklaşık 10,2–11,1 kW olduğunu tahmin ediyor. İşlemciler, bellek, ağ donanımı ve diğer destekleyici altyapılar dahil edildiğinde bu, H100 GPU yuvası başına yaklaşık 1.275–1.389 watt'a denk gelir.

Hiper Ölçekli Yapay Zekâ Tesislerine Doğru Büyümek

Sektör artık yapay zekâ iş yükleri için tesis başına 100 megavat (MW) BT gücü ve soğutma kapasitesi ölçeğinde veri merkezleri tasarlıyor. Bu ölçekte, hiper ölçekli bir yapay zekâ veri merkezi; soğutma kulesi buharlaşması ve elektrik üretimi için kullanılan suyun birleşimiyle, en yoğun yükte günde 6 milyon galon kadar su tüketebilir.

Daha küçük bir ölçekte bile, orta ölçekli sayılan bir veri merkezi yılda 110 milyon galon su kullanabilir; bu da ortalama 1.000 Amerikan hanesinin yıllık su ayak izine denktir. Büyük veri merkezleri günde 5 milyon galona kadar tüketebilir; bu da 10.000 ila 50.000 nüfuslu bir kasabayla kıyaslanabilir.

Yapay zekânın ve yapay zekâ iş yüklerine yönelik veri merkezlerinin hızla yayılması su tüketimini artırıyor. Yakın tarihli bir akademik çalışma, yalnızca GPT-4 gibi büyük bir yapay zekâ modelini eğitmenin 700.000 litre (185.000 galon) su tükettiğini tahmin etti. Amerika Birleşik Devletleri'nde, 2014'ten 2023'e kadar veri merkezlerinin su kullanımında büyük bir artış kaydedildi; tüketim 2014'teki 21,2 milyar litreden 2023'te 66 milyar litreye çıktı. Önümüzdeki iki yıl içinde, bu yapay zekâ kaynaklı büyüme altında genişleyen yapay zekâ odaklı veri merkezlerinin yalnızca Amerika Birleşik Devletleri'nde her yıl yaklaşık 1 trilyon litre su tüketmesi bekleniyor.

Soğutma, Elektriği Nasıl Bir Su Problemine Dönüştürüyor?

Yapay zekâ veri merkezlerinin devasa güç ve su ayak izinin merkezinde soğutma zorluğu yer alır. Elektrik gücü veri merkezine girdikten sonra, GPU'lar yapay zekâ hesaplamalarını gerçekleştirirken neredeyse tamamı ısıya dönüşür. Bu ısının tesisten tahliye edilmesi gerekir, aksi takdirde ekipman aşırı ısınır ve arızalanır.

En yaygın soğutma sistemi olan hava soğutmalı sistemlerde bir veri merkezinin soğutma altyapısı, tesisin toplam enerjisinin yüzde 30 ila 40'ını tüketebilir. Sıvı soğutma ve optimize edilmiş hava akışı kullanan, enerji açısından verimli tasarımlara sahip yapay zekâ odaklı hiper ölçekli veri merkezleri bile enerjilerinin yüzde 7 ila 30'unu soğutmaya ayırır. Enerjiye aç yapay zekâ sunucularıyla dolu kabinler için sıvı veya hibrit soğutma elzem hale gelir. O durumda bile soğutmaya ayrılan gücün payı, tüketilen toplam gücün yüzde 15 ila 25'i olabilir.

Enerji ve su arasındaki bağlantı, çoğu veri merkezinin kullandığı soğutma yöntemi olan evaporatif soğutmayla daha da derinleşir. Evaporatif soğutmada soğutma suyu, bir ısı eşanjöründen geçirilerek veya doğrudan havaya püskürtülür ya da akıtılır. Bu suyun havaya buharlaşması ısıyı uzaklaştırır. Fakat su buharlaştıkça sistemden kaybolur. Bir soğutma kulesindeki suyun yalnızca yaklaşık yüzde 20'si yeniden dolaşıma sokulur; geri kalanı buharlaşma, sürüklenme veya tahliye yoluyla kaybedilir.

Bu buharlaşma yoğun enerji gerektirir. Geleneksel evaporatif soğutma kullanan bir veri merkezinden 1 MW'lık ısıyı uzaklaştırmak saatte 1.500 ila 2.500 galon su tüketebilir, [TO VERIFY: uzaklaştırılan ısının megavat-saat başına eşdeğeri]. Çevre Hukuku Enstitüsü (Environmental Law Institute), bu soğutmanın gezegenin su kaynakları üzerinde doğrudan bir etkisi olduğuna dikkat çekiyor. ABD'de veri merkezlerindeki doğrudan soğutma suyu tüketimi ve elektrik üretimi için kullanılan su, 2014'te 21 milyar litrenin üzerindeyken 2023'te 66 milyar litreye yükseldi.

Su verimliliğini ölçmek için sektör, "Su Kullanım Verimliliği"ni (WUE), sahadaki yıllık su kullanımının litre cinsinden değerinin, BT ekipmanının yıllık enerji kullanımının kilovat-saat cinsinden değerine oranı olarak tanımlar. Yapay zekâ odaklı veri merkezlerinde bu değer, evaporatif sistemler için kWh başına 1,8 ila 1,9 litre aralığına denk gelir. Bu su kullanımı rakamları, doğrudan soğutmanın yanı sıra elektrik enerjisi üretiminin kaynak su ayak izi için de geçerlidir. Avrupa Birliği artık 500 kW'tan fazla kapasiteye sahip veri merkezlerinin yıllık su kullanımlarını bildirmelerini şart koşuyor.

Uygulamada Yapay Zekâ Eğitiminin Su Ayak İzi

Yapay zekânın su ayak izi, yapay zekâyı geliştirmek için kullanılan teknolojide tüm çıplaklığıyla görülmektedir. Tek bir büyük dil modelini eğitmenin 700.000 litre su tükettiği tahmin ediliyor. Akademik bir çalışmaya dayanan bu tahmin, yapay zekâ modeli geliştirme sürecindeki devasa soğutma yükünü vurguluyor. Kıyaslama açısından bu, kabaca olimpik bir yüzme havuzunun hacmine eşittir. Yine de bu tahmin bile bir veri merkezinin su kullanımının tam kapsamını yansıtmaktan uzaktır. Bu eğitim suyu kullanımı, tesislerin GPU kabinlerinde yoğunlaşan gücün çalışma sıcaklığını korumak için sürekli su kullandığı daha büyük ve kesintisiz bir ayak izinin parçasıdır.

Su, yapay zekâ işlem zincirinin her adımında elzemdir: yapay zekâ eğitiminin ısı yükü için, bilgi işlem için ve hatta elektrik üretimi sürecinin kaynağında. Geçtiğimiz on yılda, yapay zekâ odaklı veri merkezlerinin hızla yayılması, Amerika Birleşik Devletleri'ndeki su tüketimlerinde 2014'teki 21,2 milyar litreden 2023'te 66 milyar litreye varan sert bir artışa yol açtı. 2025 yılına gelindiğinde, yapay zekâ kaynaklı veri merkezi büyümesinin Amerika Birleşik Devletleri'nde su tüketimini yılda yaklaşık 1 trilyon litreye çıkaracağı tahmin ediliyor.

Verimlilik Metrikleri ve Politika Yanıtları

Yapay zekâ genişlemeye devam ettikçe, yapay zekâ altyapısının güç ve su ayak izini izlemeye ve yönetmeye yönelik politikalar ve metrikler de evriliyor. Günümüzde sektör, veri merkezlerinin enerji verimliliğini toplam tesis gücünün BT gücüne oranı olan Güç Kullanım Etkinliği (PUE) ile, su verimliliğini ise toplam su kullanımının BT gücüne kilovat-saat başına litre cinsinden oranı olan Su Kullanım Verimliliği (WUE) ile ölçmektedir.

2026 itibarıyla Avrupa Birliği, 500 kW veya daha fazla kapasiteye sahip yeni veri merkezlerinin yıllık su ve enerji kullanımlarını bildirmelerini şart koşuyor. Sektör su kullanımını azaltmak için sıvı ve hibrit soğutmayı öne çıkarırken, odak noktası su, elektrik ve diğer kaynakların kullanımında şeffaflık ve verimlilik olmaya devam ediyor. Gelişmiş tasarımlara sahip hiper ölçekleyiciler bunu kullanılan toplam enerjinin yüzde 7 ila 30'u ile sınırlayabilse de, yapay zekâ veri merkezlerinin soğutma sistemleri hâlâ toplam tesis enerjisinin önemli bir kısmını tüketmektedir. Evaporatif soğutmalı yapay zekâ veri merkezleri için AB WUE değeri, BT yükünün kWh'si başına yaklaşık 1,8 ila 1,9 litre su aralığına düşmektedir.

Yapay zekâ veri merkezi işletmecileri için soğutmanın aciliyeti, soğutmanın toplam enerji yükünü yüzde 25 ila 40'tan yüzde 15 veya daha altına indirebilen sıvı soğutma inovasyonlarına yol açtı. Yine de bu inovasyonlar, yapay zekâ altyapısının artan su ve enerji talepleri karşısında küçük adımlardır.

Sonuç

Yapay zekâ veri merkezleri, genel amaçlı veri merkezlerinden yalnızca gereken GPU bilgi işlemi için harcanan enerji kullanımının yoğunluğu ve şiddeti bakımından ayrılır. Yine de yalnızca bu bile, çiplerin üzerinde çalıştığı fiziksel altyapının enerji ve su verimliliğini etkiler. Yaklaşık 100 MW boyutuna ulaşabilen hiper ölçekli yapay zekâ tesisleri, düzenleyicilerin ve kamuoyunun denetimi altında, güç ve su ayak izlerinin şeffaf bir şekilde yönetilmesini gerektirir.