Quão ruim é a IA para o meio ambiente, realmente?

O impacto ambiental da IA ​​é real e crescente, mas muitas comparações virais são demasiado certas. Os prompts de texto comuns parecem usar uma fração de watt-hora de acordo com estimativas recentes; raciocínio longo, contexto amplo, imagens e vídeos podem usar muito mais. A procura de eletricidade e água nos data centers é importante em grande escala, especialmente em determinadas regiões.

O veredicto mais honesto não é pânico nem demissão. Alguns números populares estão desatualizados, despojados de suas suposições ou aplicados à unidade errada. Entretanto, a tendência a nível do sistema – rápido crescimento da infraestrutura liderado em parte pela IA – é bem apoiada. Essa auditoria do mito separa o que deveria ser retirado daquilo que merece atenção séria.

Mito: cada consulta de IA usa 3 Wh

O valor de 3 watts-hora foi uma estimativa inicial construída em torno do hardware A100 mais antigo, um GPT-3.5-scale modelo e presumidos 2,000 tokens gerados. Não era uma medida universal.

As estimativas públicas mais recentes para uma consulta de texto comum são mais baixas. OpenAI o presidente-executivo Sam Altman afirmou uma média ChatGPT consulta usada cerca de 0.34,34Wh. Google relatou 0.24 Wh para um mediana Gemini Prompt de texto de aplicativos em maio de 2025, utilizando uma metodologia que incluía infraestrutura de apoio.

Nenhum dos números cobre todos os modos e Altman não publicou o cálculo por trás de sua média. Entradas e saídas longas ainda podem usar muitas vezes mais. Retire “3 Wh para cada consulta”; continue perguntando qual carga de trabalho e limite.

Mito: uma mensagem bebe uma garrafa de água

A estimativa acadêmica por trás da afirmação da garrafa não continha nenhuma mensagem. Li e colegas estimaram que uma garrafa de 500 ml poderia corresponder a aproximadamente 20–50 respostas médias, dependendo de onde e quando o modelo foi executado. Isso equivale a cerca de 10–25 ml por resposta, de acordo com suas suposições.

Os números posteriores dos operadores foram muito mais baixos: Altman deu cerca de 0.000085 galões americanos – cerca de 0.32 ml – para uma média ChatGPT consulta, enquanto Google relataram 0.26 ml para sua mediana Gemini prompt de texto. Estas não são refutações claras porque os sistemas e as fronteiras são diferentes.

A conclusão é incerteza, não zero. A água varia com o resfriamento, o clima e a eletricidade. Ver a IA realmente usa uma garrafa por mensagem? para a trilha completa.

Mito: a IA sempre usa dez vezes uma pesquisa na web

Essa proporção geralmente coloca um antigo Google estimativa de pesquisa ao lado de uma estimativa de IA mais recente. A infraestrutura de pesquisa mudou desde Google publicou números de energia em 2009, e muitos produtos de pesquisa agora incluem resumos gerados. Enquanto isso, “consulta de IA” pode significar uma conclusão curta ou um trabalho de pesquisa em várias etapas.

Uma proporção obtida a partir de diferentes fornecedores, anos e limites do sistema não é uma comparação controlada. Pode ter sido uma ilustração útil, mas não deve ser tratada como uma constante física atual.

Para uma tarefa individual, a questão mais relevante é se a pesquisa, uma fonte direta ou uma resposta gerada é a ferramenta certa. No nível do sistema, compare totais transparentes e contemporâneos. Precisão sem comparabilidade não é exatidão.

Mito: a energia renovável torna a IA livre de impacto

A eletricidade com baixo teor de carbono pode reduzir drasticamente as emissões operacionais e os contratos com empresas de tecnologia podem ajudar a construir uma nova geração. O AIE espera que as energias renováveis correspondam a quase metade do crescimento do fornecimento de eletricidade dos centros de dados até 2030, no seu caso base.

Espera também que o gás natural e o carvão, em conjunto, satisfaçam mais de 40% da oferta adicional durante esse período. A correspondência renovável anual pode não alinhar a produção com o local e a hora de procura do centro de dados. A eletricidade mais limpa também não remove água de resfriamento, fabricação de ferragens, edifícios ou terrenos.

“Operação de baixo carbono” é uma afirmação defensável com evidências. “Sem pegada” não é. A distinção é central para se a IA é ruim para o meio ambiente.

Mito: um pequeno aviso não importa

Um prompt curto tem uma pequena pegada operacional. Essa é uma razão para proporção, não para negação. Bilhões de usos, comprimentos de saída crescentes e novas cargas de trabalho de imagem, vídeo e agentes se somam. Os fornecedores desenvolvem capacidade para a procura agregada esperada e não para a mensagem de uma pessoa.

A IEA estimou que todos os data centers – e não apenas a IA – usados em torno de 415 TWh em 2024 e projeta cerca de 945 TWh em 2030 no seu cenário base. Os servidores acelerados liderados por IA são responsáveis ​​por quase metade do aumento líquido.

A culpa individual ainda é a política errada. Os operadores escolhem modelos, hardware, localização e energia; os governos supervisionam as redes e a água. Os usuários podem evitar desperdícios, enquanto as decisões estruturais determinam a maior parte da trajetória do sistema.

Mito: IA é a única razão pela qual os data centers estão crescendo

A IA é um motor importante, não todo o setor. Os data centers também fornecem armazenamento, vídeo, sistemas financeiros, software empresarial e computação em nuvem convencional. Repetir o total total do data center como “eletricidade de IA” exagera a atribuição atual.

O erro inverso é ignorar a IA porque a alocação precisa é difícil. A IEA modela o crescimento da eletricidade dos servidores acelerados muito mais rapidamente do que a procura dos servidores convencionais e identifica a IA como a principal fonte de expansão.

Bons relatórios mantêm ambos os factos juntos: os totais observados são mais amplos do que a IA, e a IA altera materialmente a perspetiva. Nosso artigo sobre Centros de dados de IA explica por que os impactos locais na rede e na água podem ser mais informativos do que uma percentagem global.

O que é verdadeiramente preocupante

A rápida procura absoluta pode ultrapassar a eficiência e a construção com energia limpa. As instalações aglomeram-se, pelo que as redes locais e os sistemas de água podem enfrentar pressões que as médias globais disfarçam. As emissões da cadeia de abastecimento e a produção de hardware continuam mal distribuídas. Os dados operacionais em nível de modelo público ainda são escassos.

A mídia generativa e os sistemas de agência podem tornar cada solicitação do usuário mais complexa computacionalmente. A recuperação pode transformar inferências mais baratas em maior demanda total. Estes são riscos de planeamento e não provas do pior cenário, razão pela qual os intervalos de cenários são importantes.

Os usuários podem escolher modelos menores, manter o foco no contexto e evitar gerações descartáveis. Os provedores devem publicar totais absolutos e específicos da carga de trabalho. Treechat explica suas estimativas limitadas e baseadas em modelos sobre seu página de metodologia. Um recibo pode encorajar melhores escolhas, mas não é uma auditoria completa do ciclo de vida.

A IA é suficientemente má para exigir transparência, infra-estruturas mais limpas e contenção. As evidências não apoiam o tratamento de cada alerta como uma emergência ambiental. Apoia a construção de uma cultura em que a computação dispendiosa tem de ganhar o seu sustento.