Quanto CO2 a IA produz?

Não existe uma quantidade universal confiável de CO2 para uma solicitação de IA ou para IA em todo o mundo. Para uma única resposta, o cálculo básico é a eletricidade utilizada multiplicada pela intensidade de carbono do fornecimento de eletricidade. Ambas as entradas variam. Uma resposta curta de um modelo pequeno e uma resposta longa, utilizando ferramentas, de um sistema de fronteira são trabalhos diferentes, e o mesmo trabalho pode ter emissões diferentes em redes diferentes.

Em escala global, as evidências públicas geralmente são para todos os data centers, e não apenas para a IA. A Agência Internacional de Energia estima que as emissões dos centros de dados relacionadas com a electricidade atingirão cerca de 320 milhões de toneladas de CO2 em 2030 em seu caso base. A IA é um importante motor de crescimento, mas o armazenamento, a computação em nuvem e outros serviços digitais estão incluídos, pelo que 320 milhões de toneladas não são um total de IA.

Transformando watt-hora em gramas de CO2

A aritmética é simples uma vez escolhidas as suposições. Converta watt-hora em quilowatt-hora e multiplique por gramas de equivalente de CO2 por quilowatt-hora. Se uma consulta de texto comum usar aproximadamente 0.3 Wh, como Estimativas da Epoch AI para um típico GPT-4o solicitação, as suas emissões operacionais seriam de 0.0003 kWh multiplicadas pelo fator de rede relevante.

Não existe um fator universal para finalizar essa equação. Uma rede de energia renovável e nuclear, uma rede de gás e uma rede de carvão produzem respostas diferentes. O fator também pode mudar de hora em hora.

Qualquer valor publicado em gramas deve, portanto, mostrar tanto a estimativa de energia como a fonte de intensidade de carbono, em vez de ocultá-las atrás de uma casa decimal.

Uma mensagem pode ser muito maior que a média

A estimativa de aproximadamente 0.3 Wh descreve uma solicitação de texto típica sob as suposições da Epoch. O contexto longo altera o cálculo. O mesmo acontece com o raciocínio estendido, múltiplas chamadas de modelo, ferramentas da web e geração de mídia. A arquitetura, o hardware e a utilização do modelo também influenciam a energia por token.

É por isso que uma resposta como “IA produz X gramas por solicitação” está incompleta mesmo antes de o carbono ser considerado. O prompt é um evento de interface, não uma carga de trabalho padrão. Uma média de serviço pode ser útil para um planejamento aproximado, mas não pode servir como uma leitura do medidor para cada solicitação.

O custo de energia de uma mensagem de IA explica como as etapas de entrada, saída e back-end ocultas ampliam o intervalo.

O treinamento não se encaixa perfeitamente em um prompt

O treinamento cria ou atualiza um modelo por meio de um trabalho de computação grande e finito. Inferência é o trabalho contínuo quando o modelo é usado. Uma estimativa por resposta normalmente cobre a eletricidade de inferência, talvez com sobrecarga do data center, e deixa o treinamento fora dos limites.

As emissões de treinamento podem ser alocadas entre mensagens, mas o divisor é desconhecido até que o modelo seja desativado. Um modelo usado bilhões de vezes receberia uma alocação de treinamento muito menor por mensagem do que um modelo treinado e rapidamente abandonado. Experimentos de desenvolvimento também tornam o numerador incerto.

Por essa razão, emissões de treinamento e inferência são mais claros quando relatados separadamente. Combiná-los pode ser apropriado para um estudo retrospectivo do ciclo de vida, mas não quando uma alocação incerta é apresentada como medição direta por mensagem.

A eletricidade operacional é apenas uma fonte de carbono. A fabricação de aceleradores e memória, a construção de servidores, a produção de concreto e aço, a construção de data centers e a movimentação de equipamentos através de cadeias de fornecimento criam emissões incorporadas. A geração de backup e a substituição de equipamentos podem adicionar impactos adicionais.

Essas fontes tendem a aparecer em inventários corporativos de Escopo 3, em vez de números por modelo. da Microsoft Relatório de sustentabilidade 2025 informou que as suas emissões totais permaneceram acima da linha de base de 2020 em meio à IA e à expansão da nuvem, ao mesmo tempo que descreveu o progresso nas emissões operacionais diretas e na aquisição de eletricidade sem carbono.

Isso não revela o CO2 de um produto. Isto demonstra por que uma alegação de eletricidade operacional limpa não é uma pegada de IA completa.

A contabilização do carbono pode produzir respostas diferentes

Um cálculo baseado na localização segue a intensidade de emissões da rede onde a eletricidade é consumida. Um inventário baseado no mercado pode reconhecer contratos, certificados e outros instrumentos associados à geração mais limpa. A correspondência horária levanta uma questão mais rigorosa do que a correspondência anual: estava disponível electricidade sem carbono no momento e local de utilização?

A AIE afirma que a sua análise de fornecimento de centros de dados utiliza o mix físico de eletricidade em vez do mix contratual das empresas. Um relatório corporativo pode utilizar legitimamente uma contabilidade reconhecida baseada no mercado e chegar a um resultado operacional inferior. Quando os números entram em conflito, inspecione o método antes de decidir que um deles deve ser falso.

Nosso Explicador da pegada de carbono da IA cobre esses limites com mais detalhes.

O que as previsões globais dizem e não dizem

O cenário base da AIE estima que todo o consumo de eletricidade dos centros de dados seja de cerca de 415 TWh em 2024 e de cerca de 945 TWh em 2030. Espera-se que a IA seja o motor de crescimento mais importante, juntamente com outros serviços digitais. As suas emissões relacionadas com a electricidade aumentam mais lentamente do que a procura de energia à medida que a produção com emissões mais baixas se expande, embora os combustíveis fósseis ainda forneçam uma parte significativa do crescimento a curto prazo.

Esses são cenários, não medições do futuro. A eficiência, a utilização da IA, a construção e o mix de produção poderão mudar o caminho. A IEA publica casos alternativos por esse motivo.

Nem deveria uma participação global minimizar os efeitos locais. A procura de centros de dados está concentrada, pelo que uma nova instalação pode afectar materialmente uma rede regional, mesmo quando o sector continua a representar uma parte modesta das emissões globais.

Uma maneira defensável de relatar uma resposta

Indique o modelo e a carga de trabalho, estime ou meça a eletricidade de inferência, diga se as despesas gerais da instalação estão incluídas e, em seguida, divulgue o fator da rede e a base temporal. Mantenha o treinamento e as emissões incorporadas visíveis como exclusões, a menos que haja evidências para alocá-las. Arredonde para corresponder à incerteza.

Treechat segue essa abordagem operacional mais restrita. Ele estima a eletricidade a partir do modelo e da contagem de tokens, adiciona despesas gerais ao data center e aplica uma intensidade média declarada de carbono na rede. Os fornecedores não fornecem um medidor de energia por resposta ou uma instalação exata, portanto o resultado permanece uma estimativa. As constantes e limitações atuais estão em /methodology.

A resposta para “quanto CO2 a IA produz?” é portanto condicional. Para uma resposta, mostre a equação e as suposições. Para o mundo, use cenários de data center sem renomeá-los como totais somente de IA. Precisão sem esses limites é decoração, não conhecimento.