Quanto è davvero dannosa l’intelligenza artificiale per l’ambiente?

L’impatto ambientale dell’intelligenza artificiale è reale e in crescita, ma molti confronti virali sono troppo certi. Secondo stime recenti, i normali messaggi di testo sembrano utilizzare una frazione di wattora; ragionamenti lunghi, contesto ampio, immagini e video possono servire molto di più. La domanda di elettricità e acqua dei data center è importante su larga scala, soprattutto in particolari regioni.

Il verdetto più onesto non è né panico né licenziamento. Alcuni numeri popolari sono obsoleti, privati ​​dei loro presupposti o applicati all’unità sbagliata. Nel frattempo, la tendenza a livello di sistema – la rapida crescita delle infrastrutture guidata in parte dall’intelligenza artificiale – è ben supportata. Questa verifica dei miti separa ciò che dovrebbe essere ritirato da ciò che merita seria attenzione.

Mito: ogni query AI utilizza 3 Wh

La cifra di 3 wattora era una stima iniziale costruita attorno al vecchio hardware A100, a GPT-3.5-scale modello e circa 2,000 token generati. Non era una misura universale.

Le stime pubbliche più recenti per una query di testo ordinaria sono inferiori. OpenAI l'amministratore delegato Sam Altman ha dichiarato una media ChatGPT query utilizzata circa 0.34,34Wh. Google riportato 0.24 Wh per a mediano Gemini Richiesta di testo dell'app nel maggio 2025 utilizzando una metodologia che includeva il supporto delle infrastrutture.

Nessuno dei due numeri copre tutte le modalità e Altman non ha pubblicato il calcolo alla base della sua media. Gli input e gli output lunghi possono ancora essere utilizzati molte volte di più. Ritira “3 Wh per ogni query”; continua a chiedere quale carico di lavoro e limite.

Mito: un messaggio beve una bottiglia d'acqua

La stima accademica dietro l’affermazione della bottiglia non diceva un messaggio. Li e colleghi hanno stimato che una bottiglia da 500 ml potrebbe corrispondere a circa 20–50 risposte di media lunghezza, a seconda di dove e quando è stato eseguito il modello. Secondo le loro ipotesi, ciò equivale a circa 10–25 ml per risposta.

I dati successivi dell'operatore furono molto più bassi: Altman diede circa 0.000085 galloni USA - circa 0.32 ml - per una media ChatGPT domanda, mentre Google riportato 0.26 ml per la sua mediana Gemini richiesta di testo. Queste non sono confutazioni pulite perché i sistemi e i confini differiscono.

La conclusione è l’incertezza, non lo zero. L'acqua varia in base al raffreddamento, alle condizioni meteorologiche e all'elettricità. Vedere l'intelligenza artificiale utilizza davvero una bottiglia per messaggio? per il percorso completo.

Mito: l'intelligenza artificiale utilizza sempre dieci volte una ricerca sul web

Questo rapporto di solito colloca un vecchio Google stima della ricerca accanto a una stima AI più recente. Da allora l'infrastruttura di ricerca è cambiata Google hanno pubblicato dati energetici nel 2009 e molti prodotti di ricerca ora includono riepiloghi generati. Nel frattempo, “query AI” potrebbe significare un breve completamento o un lavoro di ricerca in più fasi.

Un rapporto ottenuto da diversi fornitori, anni e confini del sistema non è un confronto controllato. Potrebbe essere stato un esempio utile un tempo, ma non dovrebbe essere trattato come una costante fisica attuale.

Per un compito individuale, la domanda più rilevante è se la ricerca, una fonte diretta o una risposta generata sia lo strumento giusto. A livello di sistema, confronta totali trasparenti e contemporanei. La precisione senza comparabilità non è accuratezza.

Mito: l’energia rinnovabile rende l’intelligenza artificiale priva di impatto

L’elettricità a basse emissioni di carbonio può ridurre drasticamente le emissioni operative e i contratti delle aziende tecnologiche possono aiutare a costruire una nuova generazione. IL IEA prevede che, nel suo scenario di base, le energie rinnovabili riusciranno a coprire quasi la metà della crescita della fornitura di elettricità dei data center fino al 2030.

Si prevede inoltre che gas naturale e carbone insieme copriranno oltre il 40% dell’offerta aggiuntiva in quel periodo. L’abbinamento rinnovabile annuale potrebbe non allineare la generazione con il luogo in cui si trova il data center e l’ora della domanda. Inoltre, l’elettricità più pulita non rimuove l’acqua di raffreddamento, la produzione di hardware, gli edifici o i terreni.

“Operazione a basse emissioni di carbonio” è un’affermazione difendibile con prove. “Nessuna impronta” non lo è. La distinzione è fondamentale se l’intelligenza artificiale è dannosa per l’ambiente.

Mito: un piccolo suggerimento non può avere importanza

Un breve messaggio ha un impatto operativo ridotto. Questo è un motivo di proporzione, non di negazione. Si sommano miliardi di utilizzi, lunghezze di output in aumento e nuovi carichi di lavoro di immagini, video e agenti. I fornitori creano capacità per la domanda aggregata prevista, non per il messaggio di una persona.

L’IEA ha stimato che tutti i data center, non solo l’intelligenza artificiale, siano utilizzati in circolazione 415 TWh nel 2024 e prevede circa 945 TWh nel 2030 nel suo caso base. I server accelerati guidati dall’intelligenza artificiale rappresentano quasi la metà dell’aumento netto.

La colpa individuale è ancora la politica sbagliata. Gli operatori scelgono modelli, hardware, ubicazione ed energia; i governi supervisionano le reti e l’acqua. Gli utenti possono evitare gli sprechi, mentre le decisioni strutturali determinano la maggior parte della traiettoria del sistema.

Mito: l’intelligenza artificiale è l’unica ragione per cui i data center stanno crescendo

L’intelligenza artificiale è un motore importante, non l’intero settore. I data center forniscono anche storage, video, sistemi finanziari, software aziendale e cloud computing convenzionale. Ripetendo il totale dell’intero data center come “elettricità AI” si esagera l’attribuzione attuale.

L’errore inverso è ignorare l’intelligenza artificiale perché l’allocazione precisa è difficile. L’IEA modella la crescita dell’elettricità dei server accelerati molto più velocemente della domanda dei server convenzionali e identifica l’intelligenza artificiale come la principale fonte di espansione.

Un buon reporting tiene insieme entrambi i fatti: i totali osservati sono più ampi dell’intelligenza artificiale e l’intelligenza artificiale cambia materialmente le prospettive. Il nostro articolo su Data center IA spiega perché gli impatti sulla rete locale e sull’acqua possono essere più informativi di una percentuale globale.

Ciò che è veramente preoccupante

La rapida domanda assoluta può superare l’efficienza e la costruzione ad energia pulita. Le strutture si raggruppano, quindi le reti locali e i sistemi idrici potrebbero dover affrontare pressioni che le medie globali mascherano. Le emissioni della catena di fornitura e la produzione di hardware rimangono scarsamente allocate. I dati operativi pubblici a livello di modello sono ancora scarsi.

I media generativi e i sistemi ad agenti potrebbero rendere ogni richiesta dell’utente più complessa dal punto di vista computazionale. La ripresa potrebbe trasformare un’inferenza più economica in una maggiore domanda totale. Si tratta di rischi di pianificazione piuttosto che di prove dello scenario peggiore, motivo per cui i range degli scenari contano.

Gli utenti possono scegliere modelli più piccoli, mantenere il focus sul contesto ed evitare generazioni usa e getta. I fornitori dovrebbero pubblicare i totali assoluti e specifici del carico di lavoro. Treechat spiega le sue stime limitate e basate su modelli pagina della metodologia. Una ricevuta può incoraggiare scelte migliori, ma non è un audit dell’intero ciclo di vita.

L’intelligenza artificiale è talmente grave da richiedere trasparenza, infrastrutture più pulite e moderazione. Le prove non supportano il trattamento di ogni richiesta come un’emergenza ambientale. Supporta la costruzione di una cultura in cui il calcolo costoso deve guadagnarsi da vivere.