Yapay Zekâ Ne Kadar Su Tüketiyor? Bir Soru Gerçekte Kaç Mililitre Su Harcıyor?
Bir yapay zeka sohbet botuna sorduğunuz her soru, sunucu tarafında hem elektrik hem de su tüketiyor; çünkü veri merkezlerindeki işlemcilerin soğutulması genellikle buharlaşmalı soğutma sistemleri veya elektrik üretiminin kendisi üzerinden su kaynaklarına bağlı. Google’ın Ağustos 2025’te yayımladığı resmi ölçüme göre, ortanca (medyan) bir Gemini metin isteği yaklaşık 0,26 mililitre su tüketiyor — beş damla su kadar. Ancak bu rakam tek başına yeterli bir cevap değil; çünkü modele, ölçüm yöntemine ve veri merkezinin verimliliğine göre tahminler arasında yüzlerce kat fark olabiliyor.
Bu yazıda tek bir sayı yerine, farklı kaynakların nasıl farklı sonuçlara ulaştığını, bu farkın nereden geldiğini ve günlük kullanım alışkanlıklarınızın toplamda ne kadar su karşılığına geldiğini somut hesaplamalarla ele alıyoruz.
Google’ın Resmi Ölçümü: Bir Soru Kaç Mililitre?
Google Cloud’un 21 Ağustos 2025 tarihli teknik blog yazısına göre, Gemini uygulamasında gönderilen ortanca bir metin isteği şu kaynakları tüketiyor:
- Enerji: 0,24 vatsaat (Wh)
- Karbon emisyonu: 0,03 gram CO2 eşdeğeri
- Su tüketimi: 0,26 mililitre
Google bu rakamı somutlaştırmak için “9 saniyeden kısa süreli televizyon izlemeye eşdeğer” bir enerji harcaması benzetmesini kullanıyor. Şirket bu ölçümü, sadece işlemcinin (TPU/GPU) aktif hesaplama gücünü değil; boşta bekleyen ama yedeklilik için ayrılmış makineleri, CPU ve RAM tüketimini, veri merkezi soğutma altyapısını (PUE – Power Usage Effectiveness üzerinden) ve doğrudan soğutma suyunu da kapsayan “kapsamlı yöntem” ile hesapladığını belirtiyor.
Sadece Çip Kullanımına Bakılırsa Rakam Neden Düşüyor?
Google aynı raporda, yalnızca aktif TPU/GPU tüketimine bakan “daha az kapsamlı” bir yöntemle hesaplama da paylaştı: bu durumda enerji 0,10 Wh’a, su tüketimi ise 0,12 mL’ye düşüyor. Şirket bu ikinci yöntemin gerçek operasyonel ayak izini olduğundan düşük gösterdiğini açıkça belirtiyor; çünkü boşta bekleyen sunucular, soğutma sistemi ve destekleyici donanımlar da gerçek dünyada elektrik ve su tüketiyor.
Neden Bazı Kaynaklar Çok Daha Yüksek Rakamlar Veriyor?
2023 yılında UC Riverside’dan Shaolei Ren ve ekibinin yayımladığı ön baskı (henüz hakem denetiminden geçmemiş) çalışma, ChatGPT benzeri bir sistemde 20-50 sorguda yarım litre (yaklaşık 500 mL) tatlı su kaybı olduğunu tahmin ediyordu. Bu, sorgu başına kabaca 10-25 mL su anlamına geliyor — Google’ın 2025 rakamının 40 ila 100 katı.
Bu fark tesadüf değil, üç temel nedenden kaynaklanıyor:
| Faktör | UC Riverside (2023 tahmini) | Google (2025 resmi ölçüm) |
|---|---|---|
| Ölçülen model | GPT-3 dönemi mimarisi (daha az verimli) | Güncel Gemini modelleri |
| Veri kaynağı | Kamuya açık tahmin/model bazlı hesaplama | Google’ın kendi altyapı telemetrisi |
| Donanım verimliliği | 2023 öncesi çip nesli | 2025 itibarıyla optimize edilmiş TPU’lar |
| Bağımsız doğrulama | Hakem denetiminden geçmemiş ön baskı | Google’ın kendi verisi, üçüncü taraf doğrulaması yok |
Google’ın kendi raporunda da itiraf ettiği gibi, Mayıs 2024’ten Mayıs 2025’e ortanca sorgu başına enerji tüketimi 33 kat, karbon ayak izi ise 44 kat azaldı. Yani 2023 tarihli bir tahminle 2025 tarihli bir ölçümü doğrudan karşılaştırmak, iki farklı teknoloji neslini kıyaslamak anlamına geliyor.
Eğitim (Training) ile Günlük Kullanım (Inference) Karıştırılmamalı
Su tüketimi tartışmalarında sık yapılan bir hata, bir modelin eğitilmesi sırasında harcanan suyu, kullanıcıların günlük sorularının su maliyetiyle karıştırmak. UC Riverside’ın aynı çalışmasına göre, GPT-3’ün Microsoft’un ABD veri merkezlerinde iki haftalık eğitimi yaklaşık 700.000 litre tatlı su tüketti; bu rakam, Microsoft’un Asya’daki daha az verimli tesislerinde üç katına çıkabilirdi. Bu, tek seferlik ve devasa bir maliyet — milyonlarca kullanıcının yıllar boyunca gönderdiği günlük sorulardan çok farklı bir ölçek.
Günlük Kullanımınız Yılda Kaç Litreye Denk Geliyor?
Google’ın 2025 rakamını (0,26 mL/sorgu) baz alarak basit bir hesaplama yapalım. Günde ortalama 20 soru soran bir kullanıcıyı örnek alırsak:
- Günlük: 20 × 0,26 mL = 5,2 mL
- Aylık (30 gün): 156 mL — küçük bir çay bardağından az
- Yıllık: 1.898 mL — yaklaşık 2 litrelik bir su şişesi kadar
Karşılaştırma için: bir insanın günlük önerilen su tüketimi ortalama 2.000-2.500 mL civarında kabul ediliyor. Yani bu hesaba göre, bir yıl boyunca günde 20 yapay zeka sorusu sormanın su karşılığı, bir insanın yaklaşık bir günlük içme suyu ihtiyacına denk geliyor. UC Riverside’ın daha yüksek 2023 tahminini (sorgu başına ~17 mL ortalama) kullanırsak aynı hesap yılda yaklaşık 124 litreye, yani bir kişinin 50-60 günlük içme suyuna karşılık gelir. Aradaki fark, hangi kaynağı temel aldığınıza göre sonucun ne kadar değişebileceğini gösteriyor.
Sayıyı Değerlendirirken Dikkat Edilmesi Gerekenler
- Google’ın 0,26 mL rakamı yalnızca Gemini uygulamasındaki metin istekleri için geçerli; görsel, video veya uzun ajan (agentic) görevleri için tüketim daha yüksek olabilir.
- Rakam Mayıs 2025’e ait bir “an” fotoğrafı; modeller ve altyapı değiştikçe güncel tüketim de değişiyor.
- Google’ın kendi ifadesiyle veriler bağımsız üçüncü taraf denetiminden geçmedi.
- “Su tüketimi” ifadesi genellikle geri dönüşü olmayan buharlaşma anlamına geliyor; bazı veri merkezleri su geri kazanım sistemleri kullanıyor, bazıları kullanmıyor.
- Bölgesel su stresi önemli: kurak bir bölgedeki veri merkezinin 1 mL’si, bol yağış alan bir bölgedeki 1 mL’den çok daha kritik olabilir.
Yapay zeka altyapısının büyümesiyle birlikte veri merkezi yatırımları da hızlanıyor; bu konudaki güncel örneklerden biri NVIDIA’nın OpenAI’nin veri merkezine yaptığı milyar dolarlık yatırım. Böylesi büyük ölçekli yatırımlar, gelecekte su ve enerji tüketimi rakamlarının nasıl değişeceğini doğrudan etkileyecek.
Veri Merkezleri Suyu Tam Olarak Nasıl Kullanıyor?
“Su tüketimi” ifadesi çoğu zaman soyut kalıyor; oysa arka planda iki farklı fiziksel süreç var. Birincisi, birçok büyük veri merkezinin kullandığı buharlaştırmalı soğutma (evaporative cooling) sistemleri: sıcak havayı soğutmak için su buharlaştırılıyor, bu su atmosfere karışıyor ve doğrudan geri kazanılamıyor. İkincisi ise elektrik üretimi sırasında santrallerin (özellikle termik ve nükleer santrallerin) soğutma kuleleri üzerinden tükettiği su; veri merkezi elektriği şebekeden çektiği için bu su maliyeti de dolaylı olarak yapay zeka sorgusuna yansıyor.
Bazı yeni nesil veri merkezleri bu ikilemi azaltmak için kapalı devre sıvı soğutma veya hava soğutmalı sistemlere geçiyor; bu sistemler su buharlaştırmadığı için tüketim çok daha düşük oluyor ama genellikle daha fazla elektrik tüketiyor. Yani su ile enerji tüketimi arasında bir ödünleşim (trade-off) söz konusu — birini azaltmak çoğu zaman diğerini artırıyor. Bu da tek bir “doğru” soğutma yönteminin olmadığını, tercihin bölgenin su ve enerji maliyetine göre şekillendiğini gösteriyor.
Bölgeye Göre Neden Aynı Sorgu Farklı Etki Yaratıyor?
Bir veri merkezinin nerede konumlandığı, su tüketiminin gerçek etkisini belirleyen en önemli faktörlerden biri. Örneğin susuzluk çeken bir bölgede (Arizona, Güney İspanya gibi) inşa edilmiş bir veri merkezinin her mililitresi, bol yağış alan bir bölgedeki (İskandinavya, Kanada’nın bazı kısımları gibi) aynı miktardaki su tüketiminden çok daha kritik bir kaynak rekabetine yol açabiliyor. Bu nedenle “0,26 mL” gibi küresel ortalama bir rakam, yerel su stresini hesaba katmıyor; aynı sorgu, hangi veri merkezinde işlendiğine bağlı olarak çok farklı bir gerçek maliyete sahip olabilir.
Diğer Şirketler Benzer Verileri Paylaşıyor mu?
Google’ın yaptığı gibi sorgu başına su/enerji tüketimini bu düzeyde detaylı ve düzenli biçimde kamuya açıklayan başka büyük yapay zeka sağlayıcısı şu an için sınırlı sayıda. OpenAI ve Microsoft, veri merkezi düzeyinde toplam su kullanım raporları (yıllık sürdürülebilirlik raporları üzerinden) paylaşıyor, ancak “bir ChatGPT sorgusu kaç mililitre su tüketir” şeklinde sorgu bazlı, metodolojisi açıklanmış bir rakam yayımlamadılar. Bu şeffaflık farkı, karşılaştırmalı bir tablo oluşturmayı da zorlaştırıyor: Google’ın rakamı doğrulanabilir bir referans noktası sunarken, rakip şirketlerin sorgu başına gerçek maliyeti şu an için kamuya açık verilerle net biçimde hesaplanamıyor.
Farklı Kullanım Sıklıklarına Göre Yıllık Su Maliyeti
Yukarıdaki hesaplamayı farklı kullanıcı profillerine göre genişletelim. Aşağıdaki tablo, Google’ın 2025 resmi rakamını (0,26 mL/sorgu) temel alarak üç farklı kullanım yoğunluğunu karşılaştırıyor.
| Kullanıcı Profili | Günlük Sorgu | Yıllık Su Tüketimi | Günlük Yaşamdaki Karşılığı |
|---|---|---|---|
| Hafif kullanıcı | 5 sorgu | ~475 mL | Yarım su bardağı |
| Ortalama kullanıcı | 20 sorgu | ~1.898 mL | Bir buçuk küçük su şişesi |
| Yoğun/profesyonel kullanıcı | 100 sorgu | ~9.490 mL | Yaklaşık 5 günlük içme suyu ihtiyacı |
Tablodaki en yoğun senaryoda bile (günde 100 sorgu, bir yazılımcının veya içerik üreticisinin günlük kullanım temposuna yakın), yıllık toplam su tüketimi 10 litrenin altında kalıyor — bu da Google’ın güncel altyapısı için tek bir kullanıcının sorgu tabanlı su ayak izinin, örneğin evde günlük çamaşır makinesi kullanımıyla kıyaslanamayacak kadar küçük olduğunu gösteriyor. Ancak bu rakamın milyarlarca kullanıcıya ve trilyonlarca sorguya ölçeklendiğinde toplam etkisinin çok daha büyük bir tartışma konusu haline geldiğini de unutmamak gerekiyor.
Bireysel Sorgu ile Küresel Ölçek Arasındaki Fark
Buraya kadarki hesaplamalar bireysel kullanıcı düzeyindeydi. Ancak asıl kamuoyu tartışması, milyarlarca kullanıcının günlük olarak gönderdiği toplam sorgu hacmiyle ilgili. Google’ın kendi açıkladığı üzere Gemini uygulaması milyar kullanıcı ölçeğine ulaşmış durumda; bu ölçekte, sorgu başına küçük görünen 0,26 mL’lik rakam bile günlük yüz milyonlarca litreye karşılık gelebilir. Bireysel kullanıcı düzeyinde “önemsiz” görünen bir rakamın, toplam altyapı düzeyinde neden hâlâ bir sürdürülebilirlik tartışması konusu olduğunu anlamak için bu ölçek farkını göz önünde bulundurmak gerekiyor.
Sonuç: Tek Bir Doğru Sayı Yok, Bağlam Var
“Yapay zeka bir soruda kaç mililitre su tüketiyor?” sorusunun tek bir kesin cevabı yok; cevap hangi modele, hangi tarihe ve hangi ölçüm yöntemine baktığınıza göre değişiyor. Google’ın güncel ve kapsamlı resmi verisi düşük bir rakam (0,26 mL) gösterse de, bu rakamın yalnızca kendi altyapısı ve metin istekleri için geçerli olduğunu, bağımsız doğrulanmadığını ve zamanla değişebileceğini akılda tutmak gerekiyor. Gemini’nin genel özelliklerini merak ediyorsanız, bu tüketim rakamları aynı ekosistemin bir parçası olarak değerlendirilebilir.
Kaynak: Google Cloud Blog, “Measuring the environmental impact of AI inference” ve UC Riverside News.
Sık Sorulan Sorular
Bir ChatGPT veya Gemini sorusu gerçekten su mu tüketiyor?
Doğrudan değil; sorgu bir bardağa su dökmüyor. Ancak sorguyu işleyen veri merkezlerinin soğutulması ve bu merkezlere elektrik sağlayan santrallerin bir kısmı su tabanlı soğutma kullanıyor. Bu nedenle “su tüketimi” dolaylı ama ölçülebilir bir maliyet olarak hesaplanıyor.
Google’ın 0,26 mL rakamı tüm yapay zeka modelleri için mi geçerli?
Hayır. Bu rakam yalnızca Google’ın Gemini uygulamasındaki metin istekleri ve Mayıs 2025 itibarıyla ölçülen altyapı için geçerli. Farklı şirketlerin modelleri, farklı donanımları ve farklı veri merkezi verimliliği nedeniyle kendi rakamları farklı olabilir.
Eğitim aşaması mı yoksa günlük kullanım mı daha çok su tüketiyor?
Tek bir model eğitimi (örneğin GPT-3 için tahmini 700.000 litre) tek seferlik ama devasa bir tüketim. Günlük kullanıcı sorguları tek başına küçük görünse de, milyarlarca sorgu toplamda önemli bir hacme ulaşabiliyor. İkisi farklı ölçeklerde değerlendirilmeli.
Su tüketimini azaltmak için kullanıcı olarak yapabileceğim bir şey var mı?
Gereksiz tekrar sorgulardan kaçınmak, uzun ve karmaşık istekleri gereksiz yere birden fazla kez tekrarlamamak marjinal bir fark yaratabilir. Ancak asıl büyük etken veri merkezi verimliliği ve enerji kaynağının türü; bu, kullanıcıdan çok altyapı sağlayıcısının kontrolünde.
Bu rakamlar gelecekte artacak mı, azalacak mı?
Google’ın kendi verisi, donanım ve yazılım optimizasyonlarıyla sorgu başına tüketimin yıldan yıla ciddi oranda azaldığını gösteriyor (bir yılda 33 kat enerji azalması gibi). Ancak toplam kullanıcı sayısı ve sorgu hacmi de hızla arttığı için, sorgu başına düşen rakam azalsa bile toplam su/enerji tüketimi büyümeye devam edebilir.
