Hoeveel CO2 produceert AI?

Er bestaat geen betrouwbare universele hoeveelheid CO2 voor één AI-prompt of voor AI wereldwijd. Voor een enkel antwoord is de basisberekening het elektriciteitsverbruik vermenigvuldigd met de koolstofintensiteit van de elektriciteitsvoorziening. Beide ingangen variëren. Een kort antwoord van een klein model en een lang, gereedschapsgebruikend antwoord van een grenssysteem zijn verschillende banen, en dezelfde baan kan verschillende emissies op verschillende netwerken hebben.

Op mondiale schaal geldt het publieke bewijs doorgaans voor alle datacenters en niet alleen voor AI. Het Internationaal Energieagentschap schat dat de elektriciteitsgerelateerde emissies van datacentra ongeveer 320 miljoen ton CO2 in 2030 in zijn basisgeval. AI is een belangrijke groeimotor, maar opslag, cloud computing en andere digitale diensten zijn daar ook bij inbegrepen, dus 320 miljoen ton is geen AI-totaal.

Wattuur omzetten in gram CO2

De rekenkunde is eenvoudig zodra de aannames zijn gekozen. Converteer wattuur naar kilowattuur en vermenigvuldig dit vervolgens met gram CO2-equivalent per kilowattuur. Als een gewone tekstquery ongeveer 0.3 Wh verbruikt, zoals Epoch AI schat een typisch GPT-4o verzoek, zouden de operationele emissies 0.0003 kWh bedragen, vermenigvuldigd met de relevante netfactor.

Er bestaat geen universele factor om deze vergelijking af te ronden. Een hernieuwbaar en nucleair zwaar net, een gaszwaar net en een steenkoolzwaar net leveren verschillende antwoorden op. De factor kan ook van uur tot uur veranderen.

Elk gepubliceerd gramcijfer moet daarom zowel de energieschatting als de koolstofintensiteitsbron weergeven, in plaats van deze achter de komma te verbergen.

Een bericht kan veel groter zijn dan gemiddeld

De schatting van ongeveer 0.3 Wh beschrijft een typisch tekstverzoek onder de aannames van Epoch. Lange context verandert de berekening. Dat geldt ook voor uitgebreid redeneren, meerdere modeloproepen, webtools en het genereren van media. De architectuur, hardware en het gebruik van het model beïnvloeden ook de energie per token.

Dit is de reden waarom een antwoord als “AI produceert X gram per prompt” onvolledig is, zelfs voordat koolstof wordt overwogen. De prompt is een interfacegebeurtenis en geen standaardwerklast. Een servicegemiddelde kan nuttig zijn voor de grove planning, maar kan niet dienen als meterstand voor iedere aanvraag.

De energiekosten van één AI-bericht legt uit hoe input, output en verborgen backend-stappen het bereik vergroten.

Training past niet netjes in een prompt

Door training wordt een model gemaakt of bijgewerkt via een grote, eindige computertaak. Inferentie is het voortdurende werk wanneer het model wordt gebruikt. Een schatting per respons omvat normaal gesproken gevolgtrekkingselektriciteit, misschien met overhead van het datacenter, en laat training buiten de grenzen.

Trainingsemissies kunnen over berichten worden verdeeld, maar de deler is onbekend totdat het model met pensioen gaat. Een model dat miljarden keren wordt gebruikt, zou per bericht een veel kleinere trainingstoewijzing krijgen dan een model dat is getraind en snel wordt verlaten. Ontwikkelingsexperimenten maken de teller ook onzeker.

Om die reden training en gevolgtrekkingsemissies zijn duidelijker als ze afzonderlijk worden gerapporteerd. Het combineren ervan kan geschikt zijn voor een retrospectief levenscyclusonderzoek, maar niet wanneer een onzekere toewijzing wordt gepresenteerd als directe meting per bericht.

Operationele elektriciteit is slechts één koolstofbron. Het vervaardigen van versnellers en geheugen, het bouwen van servers, het produceren van beton en staal, het bouwen van datacenters en het verplaatsen van apparatuur door toeleveringsketens creëren allemaal belichaamde emissies. Het genereren van back-ups en het vervangen van apparatuur kunnen verdere gevolgen hebben.

Deze bronnen verschijnen doorgaans in bedrijfsinventarisaties van Scope 3 en niet in cijfers per model. Die van Microsoft Duurzaamheidsverslag 2025 meldde dat de totale uitstoot boven het basisniveau voor 2020 bleef te midden van de uitbreiding van AI en de cloud, ook al beschreef het de vooruitgang op het gebied van directe operationele emissies en koolstofvrije elektriciteitsinkoop.

Daarmee wordt de CO2 van één product niet zichtbaar. Het laat zien waarom een ​​claim voor schone operationele elektriciteit geen volledige AI-voetafdruk is.

Koolstofboekhouding kan verschillende antwoorden opleveren

Een locatiegebaseerde berekening volgt de emissie-intensiteit van het net waar elektriciteit wordt verbruikt. Een marktgebaseerde inventarisatie kan contracten, certificaten en andere instrumenten herkennen die verband houden met schonere opwekking. Uurmatching stelt een strengere vraag dan jaarlijkse matching: was koolstofvrije elektriciteit beschikbaar op het tijdstip en de plaats van gebruik?

Het IEA stelt dat zijn analyse van het datacenteraanbod gebruik maakt van de fysieke elektriciteitsmix in plaats van de contractuele mix van bedrijven. Een bedrijfsrapportage kan terecht gebruik maken van erkende marktconforme boekhouding en tot een lager operationeel resultaat komen. Wanneer cijfers conflicteren, inspecteer dan de methode voordat u besluit dat er een onwaar moet zijn.

Onze Uitleg over de CO2-voetafdruk van AI gaat dieper in op deze grenzen.

Wat de mondiale voorspellingen wel en niet zeggen

Het basisscenario van het IEA schat het totale elektriciteitsverbruik in datacentra op ongeveer 415 TWh in 2024 en ongeveer 945 TWh in 2030. Het IEA verwacht dat AI naast andere digitale diensten de belangrijkste aanjager van groei zal zijn. De elektriciteitsgerelateerde emissies stijgen langzamer dan de vraag naar energie naarmate de productie van lagere emissies toeneemt, hoewel fossiele brandstoffen nog steeds een aanzienlijk deel van de groei op korte termijn voor hun rekening nemen.

Dat zijn scenario's, geen metingen van de toekomst. Efficiëntie, de toepassing van AI, constructie en de generatiemix kunnen het pad veranderen. Het IEA publiceert om die reden alternatieve gevallen.

Ook mag een mondiaal aandeel de lokale effecten niet minimaliseren. De vraag naar datacentra is geconcentreerd, dus een nieuwe faciliteit kan een regionaal netwerk wezenlijk beïnvloeden, zelfs als de sector een bescheiden deel van de mondiale uitstoot blijft.

Een verdedigbare manier om één reactie te melden

Vermeld het model en de werklast, schat of meet de gevolgtrekking van de elektriciteit, geef aan of de overhead van de faciliteit is inbegrepen en maak vervolgens de netfactor en de tijdbasis bekend. Houd training en belichaamde emissies zichtbaar als uitsluitingen, tenzij er bewijs is om ze toe te wijzen. Rond af om overeen te komen met de onzekerheid.

Treechat volgt die engere operationele benadering. Het schat de elektriciteit op basis van het model en het aantal tokens, voegt overhead van het datacenter toe en past een aangegeven gemiddelde koolstofintensiteit op het elektriciteitsnet toe. Aanbieders leveren geen energiemeter per respons of exacte voorziening, dus het resultaat blijft een schatting. De huidige constanten en beperkingen zijn op /methodology.

Het antwoord op “hoeveel CO2 produceert AI?” is dus voorwaardelijk. Toon voor één antwoord de vergelijking en aannames. Voor de hele wereld: gebruik datacenterscenario's zonder ze opnieuw te bestempelen als totalen voor alleen AI. Precisie zonder die grenzen is decoratie, geen kennis.