¿Cuánto CO2 produce la IA?

No existe una cantidad universal confiable de CO2 para un indicador de IA o para la IA en todo el mundo. Para una respuesta única, el cálculo básico es la electricidad utilizada multiplicada por la intensidad de carbono del suministro de electricidad. Ambas entradas varían. Una respuesta corta de un modelo pequeño y una respuesta larga, que utiliza herramientas, de un sistema fronterizo son trabajos diferentes, y el mismo trabajo puede tener diferentes emisiones en diferentes redes.

A escala global, la evidencia pública suele ser para todos los centros de datos y no solo para la IA. La Agencia Internacional de Energía proyecta que las emisiones de los centros de datos relacionados con la electricidad alcanzarán alrededor de 320 millones de toneladas de CO2 en 2030 en su caso base. La IA es un importante motor de crecimiento, pero se incluyen el almacenamiento, la computación en la nube y otros servicios digitales, por lo que 320 millones de toneladas no es un total de IA.

Convertir vatios-hora en gramos de CO2

La aritmética es sencilla una vez que se eligen los supuestos. Convierta los vatios-hora a kilovatios-hora y luego multiplíquelos por gramos de CO2 equivalente por kilovatio-hora. Si una consulta de texto normal utiliza aproximadamente 0.3 Wh, como Estimaciones de IA de época para un típico GPT-4o pedido, sus emisiones operativas serían de 0.0003 kWh multiplicadas por el factor de red correspondiente.

No existe un factor universal para terminar esa ecuación. Una red con mucha energía renovable y nuclear, una red con mucha gas y una red con mucha carbón producen respuestas diferentes. El factor también puede cambiar hora tras hora.

Por lo tanto, cualquier cifra en gramos publicada debería mostrar tanto la estimación de energía como la fuente de intensidad de carbono en lugar de ocultarlas detrás de un decimal.

Un mensaje puede ser mucho más grande que el promedio.

La estimación de aproximadamente 0.3 Wh describe una solicitud de texto típica según los supuestos de Epoch. El contexto largo cambia el cálculo. Lo mismo ocurre con el razonamiento extendido, las llamadas a múltiples modelos, las herramientas web y la generación de medios. La arquitectura, el hardware y la utilización del modelo también influyen en la energía por token.

Esta es la razón por la que una respuesta como “La IA produce X gramos por mensaje” está incompleta incluso antes de considerar el carbono. El mensaje es un evento de interfaz, no una carga de trabajo estándar. Un promedio de servicio puede ser útil para una planificación aproximada, pero no puede servir como lectura de medidor para cada solicitud.

El coste energético de un mensaje de IA explica cómo la entrada, la salida y los pasos de backend ocultos amplían el rango.

La capacitación no encaja perfectamente en un mensaje

La capacitación crea o actualiza un modelo a través de un trabajo informático grande y finito. La inferencia es el trabajo continuo cuando se utiliza el modelo. Una estimación por respuesta normalmente cubre la electricidad de inferencia, tal vez con los gastos generales del centro de datos, y deja el entrenamiento fuera de los límites.

Las emisiones de entrenamiento se pueden asignar entre mensajes, pero el divisor se desconoce hasta que se retira el modelo. Un modelo utilizado miles de millones de veces recibiría una asignación de capacitación por mensaje mucho menor que uno entrenado y abandonado rápidamente. Los experimentos de desarrollo también hacen que el numerador sea incierto.

Por esa razón, emisiones de entrenamiento e inferencia son más claros cuando se informan por separado. Combinarlos puede ser apropiado para un estudio retrospectivo del ciclo de vida, pero no cuando una asignación incierta se presenta como una medición directa por mensaje.

La electricidad operativa es sólo una fuente de carbono. La fabricación de aceleradores y memoria, la construcción de servidores, la producción de hormigón y acero, la construcción de centros de datos y el movimiento de equipos a través de cadenas de suministro crean emisiones incorporadas. La generación de respaldo y el reemplazo de equipos pueden agregar más impactos.

Estas fuentes tienden a aparecer en los inventarios corporativos de Alcance 3 en lugar de en las cifras por modelo. Microsoft Informe de sostenibilidad 2025 informó que sus emisiones totales se mantuvieron por encima de su línea de base de 2020 en medio de la inteligencia artificial y la expansión de la nube, incluso cuando describió el progreso en las emisiones operativas directas y la adquisición de electricidad libre de carbono.

Eso no revela el CO2 de un producto. Demuestra por qué una afirmación de electricidad operativa limpia no es una huella completa de la IA.

La contabilidad del carbono puede producir diferentes respuestas

Un cálculo basado en la ubicación sigue la intensidad de las emisiones de la red donde se consume la electricidad. Un inventario basado en el mercado puede reconocer contratos, certificados y otros instrumentos asociados con la generación más limpia. La igualación horaria plantea una pregunta más estricta que la igualación anual: ¿había electricidad libre de carbono disponible en el momento y lugar de uso?

La AIE afirma que su análisis del suministro de centros de datos utiliza la combinación de electricidad física en lugar de la combinación contractual de las empresas. Un informe corporativo puede legítimamente utilizar una contabilidad reconocida basada en el mercado y llegar a un resultado operativo más bajo. Cuando los números entran en conflicto, inspeccione el método antes de decidir que uno debe ser falso.

Nuestro Explicación de la huella de carbono de la IA cubre estos límites con más detalle.

Lo que dicen y no dicen las previsiones globales

El caso base de la AIE sitúa el uso total de electricidad de los centros de datos en unos 415 TWh en 2024 y unos 945 TWh en 2030. Se espera que la IA sea el motor de crecimiento más importante junto con otros servicios digitales. Sus emisiones relacionadas con la electricidad aumentan más lentamente que la demanda de energía a medida que se expande la generación con bajas emisiones, aunque los combustibles fósiles todavía aportan una parte importante del crecimiento a corto plazo.

Esos son escenarios, no mediciones del futuro. La eficiencia, la adopción de la IA, la construcción y el mix de generación podrían cambiar el camino. La AIE publica casos alternativos por ese motivo.

Una participación global tampoco debería minimizar los efectos locales. La demanda de centros de datos está concentrada, por lo que una nueva instalación puede afectar materialmente una red regional incluso cuando el sector sigue siendo una parte modesta de las emisiones globales.

Una forma defendible de informar una respuesta

Indique el modelo y la carga de trabajo, estime o mida la electricidad inferida, diga si se incluyen los gastos generales de la instalación y luego revele el factor de la red y la base de tiempo. Mantenga la capacitación y las emisiones incorporadas visibles como exclusiones a menos que haya evidencia para asignarlas. Ronda para igualar la incertidumbre.

Treechat sigue ese enfoque operativo más limitado. Estima la electricidad a partir del modelo y el recuento de tokens, agrega gastos generales del centro de datos y aplica una intensidad de carbono promedio establecida en la red. Los proveedores no proporcionan un medidor de potencia por respuesta ni una instalación exacta, por lo que el resultado sigue siendo una estimación. Las constantes y limitaciones actuales están en /methodology.

La respuesta a "¿cuánto CO2 produce la IA?" es por tanto condicional. Para una respuesta, muestre la ecuación y los supuestos. Para el resto del mundo, utilice escenarios de centros de datos sin volver a etiquetarlos como totales exclusivos de IA. La precisión sin esos límites es decoración, no conocimiento.