Quanta CO2 produce l’intelligenza artificiale?

Non esiste una quantità universale affidabile di CO2 per un prompt di intelligenza artificiale o per l’intelligenza artificiale in tutto il mondo. Per una singola risposta, il calcolo di base è l’elettricità utilizzata moltiplicata per l’intensità di carbonio della fornitura di energia elettrica. Entrambi gli input variano. Una risposta breve da un piccolo modello e una risposta lunga, basata sull’uso di strumenti, da parte di un sistema di frontiera sono lavori diversi, e lo stesso lavoro può avere emissioni diverse su reti diverse.

Su scala globale, le prove pubbliche riguardano solitamente tutti i data center e non solo l’intelligenza artificiale. L'Agenzia internazionale per l'energia prevede che le emissioni dei data center legate all'elettricità raggiungano circa 320 milioni di tonnellate di CO2 nel 2030 nel suo caso base. L’intelligenza artificiale è un importante motore di crescita, ma sono inclusi storage, cloud computing e altri servizi digitali, quindi 320 milioni di tonnellate non rappresentano un totale di intelligenza artificiale.

Trasformare i wattora in grammi di CO2

L'aritmetica è semplice una volta scelte le ipotesi. Convertire i wattora in kilowattora, quindi moltiplicare per grammi di CO2 equivalente per kilowattora. Se una normale query di testo utilizza circa 0.3 Wh, come Stime AI di Epoch per una tipica richiesta GPT-4o, le sue emissioni operative ammonterebbero a 0.0003 kWh moltiplicate per il fattore di rete pertinente.

Non esiste un fattore universale per completare questa equazione. Una rete ad alta intensità di rinnovabili e nucleare, una rete ad alta intensità di gas e una rete ad alta intensità di carbone producono risposte diverse. Il fattore può cambiare anche di ora in ora.

Qualsiasi cifra in grammi pubblicata dovrebbe quindi mostrare sia la stima energetica che la fonte dell’intensità di carbonio anziché nasconderle dietro un decimale.

Un messaggio può essere molto più grande della media

La stima di circa 0.3 Wh descrive una tipica richiesta di testo secondo i presupposti di Epoch. Il contesto lungo modifica il calcolo. Lo stesso vale per il ragionamento esteso, le chiamate a modelli multipli, gli strumenti web e la generazione di media. Anche l’architettura, l’hardware e l’utilizzo del modello influenzano l’energia per token.

Questo è il motivo per cui una risposta come “L’intelligenza artificiale produce X grammi per richiesta” è incompleta anche prima di considerare il carbonio. Il prompt è un evento dell'interfaccia, non un carico di lavoro standard. Una media del servizio può essere utile per una pianificazione approssimativa, ma non può servire come lettura del contatore per ogni richiesta.

Il costo energetico di un messaggio AI spiega come i passaggi di input, output e backend nascosti ampliano la gamma.

La formazione non si adatta perfettamente a un prompt

La formazione crea o aggiorna un modello attraverso un lavoro informatico ampio e limitato. L'inferenza è il lavoro che continua quando viene utilizzato il modello. Una stima per risposta normalmente copre l'elettricità dedotta, magari con il sovraccarico del data center, e lascia la formazione fuori dai limiti.

Le emissioni di addestramento possono essere allocate tra i messaggi, ma il divisore è sconosciuto finché il modello non viene ritirato. Un modello utilizzato miliardi di volte riceverebbe un’allocazione di formazione per messaggio molto inferiore rispetto a un modello addestrato e rapidamente abbandonato. Gli esperimenti di sviluppo rendono incerto anche il numeratore.

Per questo motivo, emissioni di training ed inferenza sono più chiari se riportati separatamente. La loro combinazione può essere appropriata per uno studio retrospettivo sul ciclo di vita, ma non quando un'allocazione incerta viene presentata come misurazione diretta per messaggio.

L’elettricità operativa è solo una delle fonti di carbonio. La produzione di acceleratori e memorie, la costruzione di server, la produzione di cemento e acciaio, la costruzione di data center e lo spostamento di apparecchiature attraverso le catene di approvvigionamento creano tutte emissioni incorporate. La generazione di backup e la sostituzione delle apparecchiature possono aggiungere ulteriori impatti.

Queste fonti tendono ad apparire negli inventari aziendali dell’Ambito 3 piuttosto che nei dati per modello. Quello di Microsoft Bilancio di sostenibilità 2025 ha riferito che le sue emissioni totali sono rimaste al di sopra del livello di riferimento del 2020 nonostante l’intelligenza artificiale e l’espansione del cloud, anche se ha descritto i progressi sulle emissioni operative dirette e sull’approvvigionamento di elettricità senza emissioni di carbonio.

Ciò non rivela la CO2 di un prodotto. Dimostra perché una richiesta di elettricità operativa pulita non è un’impronta AI completa.

La contabilità del carbonio può produrre risposte diverse

Un calcolo basato sulla posizione segue l’intensità delle emissioni della rete in cui viene consumata l’elettricità. Un inventario basato sul mercato può riconoscere contratti, certificati e altri strumenti associati alla generazione più pulita. L’abbinamento orario pone una domanda più severa rispetto all’abbinamento annuale: era disponibile elettricità senza emissioni di carbonio al momento e nel luogo di utilizzo?

L’IEA afferma che la sua analisi dell’offerta dei data center utilizza il mix fisico di elettricità piuttosto che il mix contrattuale delle aziende. Una relazione aziendale può legittimamente utilizzare una contabilità riconosciuta basata sul mercato e arrivare a un risultato operativo inferiore. Quando i numeri sono in conflitto, esamina il metodo prima di decidere che uno deve essere falso.

Nostro Spiegazione dell'impronta di carbonio dell'intelligenza artificiale copre questi confini in modo più dettagliato.

Cosa dicono e cosa non dicono le previsioni globali

Il caso di base dell’IEA stima che il consumo di elettricità di tutti i data center sarà di circa 415 TWh nel 2024 e di circa 945 TWh nel 2030. Si prevede che l’intelligenza artificiale sarà il motore più importante della crescita insieme ad altri servizi digitali. Le sue emissioni legate all’elettricità aumentano più lentamente della domanda di energia man mano che si espande la produzione a basse emissioni, sebbene i combustibili fossili continuino a fornire una quota significativa della crescita a breve termine.

Questi sono scenari, non misurazioni del futuro. L’efficienza, l’adozione dell’intelligenza artificiale, la costruzione e il mix generazionale potrebbero cambiare il percorso. Per questo motivo l'IEA pubblica casi alternativi.

Né una quota globale dovrebbe minimizzare gli effetti locali. La domanda dei data center è concentrata, quindi una nuova struttura può influenzare materialmente una rete regionale anche quando il settore rimane una parte modesta delle emissioni globali.

Un modo difendibile per segnalare una risposta

Dichiarare il modello e il carico di lavoro, stimare o misurare l'elettricità dedotta, indicare se sono incluse le spese generali dell'impianto, quindi divulgare il fattore di rete e la base temporale. Mantenere la formazione e le emissioni incorporate visibili come esclusioni a meno che non vi siano prove per assegnarle. Arrotondare per corrispondere all'incertezza.

Treechat segue questo approccio operativo più ristretto. Stima l'elettricità in base al modello e al conteggio dei token, aggiunge i costi generali del data center e applica un'intensità di carbonio media della rete dichiarata. I fornitori non forniscono un misuratore di potenza per risposta o una struttura esatta, quindi il risultato rimane una stima. Le costanti e le limitazioni attuali sono a /methodology.

La risposta alla domanda “quanta CO2 produce l’intelligenza artificiale?” è quindi condizionato. Per una risposta, mostra l'equazione e le ipotesi. Per il mondo, utilizzare scenari di data center senza rietichettarli come totali basati esclusivamente sull’intelligenza artificiale. La precisione senza questi confini è decorazione, non conoscenza.