¿Cuánta electricidad utiliza la IA?

No existe un total global confiable para la electricidad utilizada únicamente por la IA. La IA se ejecuta dentro de los centros de datos junto con el almacenamiento en la nube, el vídeo, el software convencional y otras cargas de trabajo, y los operadores rara vez publican suficientes detalles para separarlos. Por lo tanto, la mejor respuesta honesta comienza un nivel más arriba.

La Agencia Internacional de Energía estima que todos los centros de datos utilizados alrededor 415 teravatios-hora de electricidad en 2024, alrededor del 1.5% del consumo mundial de electricidad. Su caso base proyecta alrededor de 945 TWh en 2030 e identifica a la IA como el impulsor más importante del aumento, junto con el crecimiento de otros servicios digitales. Se trata de cifras modeladas de centros de datos, no de una lectura de “electricidad de IA”.

Para un mensaje de texto ordinario, las estimaciones públicas recientes son mucho más pequeñas (generalmente una fracción de un vatio-hora), pero la elección del modelo, el contexto y la duración de la salida pueden cambiar sustancialmente el resultado.

Por qué falta el número global de IA

Un medidor de electricidad de un centro de datos incluye servidores, redes, almacenamiento, refrigeración y conversión de energía. No etiqueta cada electrón como "inferencia de IA", "entrenamiento de modelo" o "correo electrónico". Un proveedor puede asignar energía internamente, pero los informes públicos generalmente combinan servicios o informan los totales de toda la empresa.

Incluso la categoría de IA es resbaladiza. Un modelo de recomendación, un modelo meteorológico, un generador de imágenes y un chatbot de razonamiento prolongado son cargas de trabajo diferentes. Algunos comparten aceleradores con otros clientes. Otros utilizan clústeres dedicados. Un servidor también puede consumir energía mientras espera trabajo, que debe asignarse de alguna manera si el objetivo es una cifra por tarea.

Esta es la razón por la que un total global preciso de IA debería generar preguntas sobre los límites y el método. Puede ser un escenario, una estimación de capacidad o un subconjunto de hardware en lugar de un consumo medido directamente.

La estimación de 415 TWh de la AIE da una escala sin pretender que cada tarea del centro de datos sea IA. También muestra por qué un pequeño porcentaje global puede coexistir con una presión local grave. Las grandes instalaciones se agrupan en regiones concretas y se conectan a redes específicas, por lo que su efecto no se distribuye uniformemente en todo el mundo.

Para los Estados Unidos, el Laboratorio Nacional Lawrence Berkeley Informe energético de centros de datos de 2024 modela el uso histórico y una variedad de escenarios hasta 2028. El uso de un rango es importante: la demanda futura depende de los envíos de aceleradores, la utilización, las mejoras de eficiencia y la rapidez con la que se completan los nuevos sitios.

EPRI también publica escenarios en lugar de un futuro determinado. Es Potenciando el análisis de inteligencia proyecta una amplia distribución en el uso de electricidad de los centros de datos de EE. UU. para 2030. Los pronósticos difieren porque sus datos y fechas límite difieren, no necesariamente porque una de las partes haya encontrado un medidor oculto.

Un mensaje no es una unidad fija

A nivel individual, la pregunta se vuelve más concreta pero aún necesita contexto. Un mensaje de IA puede ser una reescritura de diez palabras o una solicitud que procesa un documento grande, busca en la web y produce varios miles de palabras. Cada uno implica una cantidad diferente de cálculo.

Estimaciones recientes discutidas en ¿cuánta energía un ChatGPT usos de consulta sitúa un intercambio de texto típico alrededor de una fracción de vatio-hora. Los aportes extensos, el razonamiento extenso, las llamadas a múltiples herramientas y la generación de imágenes o videos pueden ser mucho más exigentes. El costo de la energía también cambia según el modelo, el hardware, el procesamiento por lotes y los gastos generales del centro de datos.

Esa variación es la razón por la que multiplicar una cifra popular "por consulta" por todo el uso de IA produce un total frágil. La mezcla de mensajes asumida puede dominar la respuesta.

Tanto el entrenamiento como la inferencia cuentan

La formación es el trabajo concentrado que crea o actualiza sustancialmente un modelo. La inferencia es el trabajo repetido que se realiza cuando la gente la usa. La formación puede consumir una gran cantidad durante un período finito; La inferencia comienza después y crece con cada solicitud.

No se puede responder cuál es mayor durante la vida útil de un modelo sin saber con qué frecuencia se utiliza el modelo. Un servicio ampliamente implementado puede acumular una enorme demanda de inferencia. Un modelo entrenado y luego rara vez utilizado puede seguir teniendo mucho entrenamiento. Asignar energía de entrenamiento por mensaje también requiere adivinar el uso de por vida del modelo.

La distinción se explora más a fondo en Entrenamiento de IA versus emisiones de inferencia. Para la planificación eléctrica, ambas cargas de trabajo contribuyen a la demanda de las instalaciones. Para una recepción por mensaje, la inferencia operativa suele ser el límite más defendible porque se relaciona con el trabajo que se acaba de solicitar.

La eficiencia no garantiza totales más bajos

El hardware y el software pueden generar más trabajo de IA por vatio. Los modelos más pequeños pueden reducir la computación, la cuantificación puede reducir los requisitos de memoria y aritmética, y una mayor utilización puede distribuir la sobrecarga de un servidor entre más solicitudes. La AIE incluye un escenario de alta eficiencia precisamente porque estos cambios podrían reducir materialmente la demanda futura en relación con su caso base.

Pero la eficiencia por tarea y el uso total de electricidad son cuestiones separadas. Si la IA se vuelve más barata y se coloca en más productos, la cantidad y la complejidad de las tareas pueden crecer más rápido de lo que disminuye la energía por tarea. Las nuevas capacidades también pueden crear cargas de trabajo, como agentes persistentes o videos generados, que antes no eran comunes.

Esa es la respuesta central a ¿Por qué la IA usa tanta energía?: la computación exigente se está volviendo más eficiente y más utilizada.

Cómo leer un reclamo de electricidad de IA

Primero pregunte si el reclamo cubre la IA, los servidores acelerados o todos los centros de datos. Luego verifique si se trata de consumo medido, energía estimada o capacidad proyectada. Busque el año, la geografía, el supuesto de utilización y si se incluyen refrigeración y conversión de energía. Por último, mantenga la electricidad separada del carbono: el mismo vatio-hora puede tener emisiones diferentes dependiendo de dónde y cuándo se genera.

Treechat La recepción del mensaje es deliberadamente más limitada que un pronóstico global. Estima la energía operativa a partir del modelo y el uso de tokens, agrega los gastos generales indicados del centro de datos y los convierte utilizando una suposición de red divulgada. No es una lectura de un medidor de potencia ni una afirmación sobre todo el ciclo de vida. Las entradas y límites actuales están en nuestra página de metodología.

Entonces, ¿cuánta electricidad utiliza la IA? Suficiente para ser un impulsor material del crecimiento de los centros de datos, pero no lo suficiente como para que la evidencia pública respalde un total exacto de IA únicamente. Utilice rangos a nivel de sistema para preguntas de cuadrícula y estimaciones a nivel de tarea para opciones individuales, y no confunda ambas.