Quanta eletricidade a IA usa?

Não existe um total global fiável para a eletricidade utilizada apenas pela IA. A IA é executada dentro de data centers junto com armazenamento em nuvem, vídeo, software convencional e outras cargas de trabalho, e as operadoras raramente publicam detalhes suficientes para separá-los. A melhor resposta honesta, portanto, começa um nível acima.

A Agência Internacional de Energia estima que todos os data centers utilizados cerca de 415 terawatts-hora de eletricidade em 2024, cerca de 1.5% do consumo global de eletricidade. O seu cenário base projeta cerca de 945 TWh em 2030 e identifica a IA como o motor mais importante do aumento, juntamente com o crescimento de outros serviços digitais. Esses são números modelados de data centers, não uma leitura de “eletricidade de IA”.

Para uma mensagem de texto comum, as estimativas públicas recentes são muito menores – geralmente uma fração de watt-hora – mas a escolha do modelo, o contexto e a duração da saída podem alterar substancialmente o resultado.

Por que falta o número global da IA

Um medidor de eletricidade de data center vê servidores, redes, armazenamento, refrigeração e conversão de energia. Não rotula cada elétron como “inferência de IA”, “treinamento de modelo” ou “e-mail”. Um fornecedor pode alocar energia internamente, mas os relatórios públicos geralmente combinam serviços ou reportam os totais de toda a empresa.

Até a categoria de IA é escorregadia. Um modelo de recomendação, um modelo meteorológico, um gerador de imagens e um chatbot de longo raciocínio são cargas de trabalho diferentes. Alguns compartilham aceleradores com outros clientes. Outros usam clusters dedicados. Um servidor também pode consumir energia enquanto espera pelo trabalho, que deve ser alocada de alguma forma se o objetivo for um valor por tarefa.

É por isso que um total global preciso da IA deve levantar questões sobre os limites e o método. Pode ser um cenário, uma estimativa de capacidade ou um subconjunto de hardware, em vez de um consumo medido diretamente.

A estimativa de 415 TWh da IEA dá escala sem pretender que todas as tarefas do centro de dados sejam IA. Também mostra porque é que uma pequena percentagem global pode coexistir com uma grave pressão local. As grandes instalações agrupam-se em regiões específicas e ligam-se a redes específicas, pelo que o seu efeito não é distribuído uniformemente por todo o mundo.

Para os Estados Unidos, o Laboratório Nacional Lawrence Berkeley Relatório de energia do data center de 2024 modela o uso histórico e uma série de cenários até 2028. O uso de uma variedade é importante: a demanda futura depende das remessas de aceleradores, da utilização, das melhorias de eficiência e da rapidez com que novos locais são concluídos.

Da mesma forma, o EPRI publica cenários em vez de um futuro certo. É Potenciando a análise de inteligência projecta uma ampla difusão na utilização de electricidade nos centros de dados dos EUA até 2030. As previsões diferem porque os seus dados e datas limite diferem, não necessariamente porque um dos lados encontrou um contador oculto.

Uma mensagem não é uma unidade fixa

No nível individual, a questão se torna mais concreta, mas ainda precisa de contexto. Uma mensagem de IA pode ser uma reescrita de dez palavras ou uma solicitação que processa um documento grande, pesquisa na web e produz vários milhares de palavras. Cada um envolve uma quantidade diferente de computação.

Estimativas recentes discutidas em quanta energia um ChatGPT consulta usa coloque uma troca de texto típica em torno de uma fração de watt-hora. Entradas longas, raciocínio extenso, múltiplas chamadas de ferramentas e geração de imagens ou vídeos podem ser muito mais exigentes. O custo de energia também muda com o modelo, hardware, processamento em lote e sobrecarga do data center.

Essa variação é a razão pela qual multiplicar um número popular “por consulta” por todo o uso de IA produz um total frágil. A mistura de mensagens assumida pode dominar a resposta.

Treinamento e inferência contam

Treinamento é o trabalho concentrado que cria ou atualiza substancialmente um modelo. Inferência é o trabalho repetido realizado quando as pessoas o utilizam. O treinamento pode consumir muito durante um período finito; a inferência começa depois e cresce a cada solicitação.

Qual deles é maior ao longo da vida de um modelo não pode ser respondido sem saber com que frequência o modelo é usado. Um serviço amplamente implantado pode acumular uma enorme demanda de inferência. Um modelo treinado e raramente usado pode continuar com muito treinamento. Alocar energia de treinamento por mensagem também requer adivinhar o uso vitalício do modelo.

A distinção é explorada mais detalhadamente em Treinamento de IA versus emissões de inferência. Para o planeamento da eletricidade, ambas as cargas de trabalho contribuem para a procura das instalações. Para um recebimento por mensagem, a inferência operacional é geralmente o limite mais defensável porque se refere ao trabalho que acabou de ser solicitado.

Eficiência não garante totais inferiores

Hardware e software podem fornecer mais trabalho de IA por watt. Modelos menores podem reduzir a computação, a quantização pode reduzir os requisitos de memória e aritmética, e uma maior utilização pode distribuir a sobrecarga de um servidor por mais solicitações. A AIE inclui um cenário de alta eficiência precisamente porque estas alterações poderiam reduzir materialmente a procura futura em relação ao seu cenário base.

Mas a eficiência por tarefa e o consumo total de eletricidade são questões distintas. Se a IA se tornar mais barata e for colocada em mais produtos, o número e a complexidade das tarefas podem crescer mais rapidamente do que a energia por tarefa diminui. Novos recursos também podem criar cargas de trabalho — como agentes persistentes ou vídeo gerado — que não eram comuns antes.

Essa é a resposta central para por que a IA usa tanta energia: a computação exigente está se tornando mais eficiente e mais amplamente utilizada.

Como ler uma declaração de eletricidade de IA

Primeiro pergunte se a reivindicação cobre IA, servidores acelerados ou todos os data centers. Em seguida, verifique se se trata de consumo medido, energia estimada ou capacidade projetada. Procure o ano, a geografia, a suposição de utilização e se o resfriamento e a conversão de energia estão incluídos. Por último, mantenha a eletricidade separada do carbono: o mesmo watt-hora pode ter emissões diferentes dependendo de onde e quando é gerado.

Treechat O recebimento de mensagens de é deliberadamente mais restrito do que uma previsão global. Ele estima a energia operacional a partir do modelo e do uso de tokens, adiciona a sobrecarga declarada do data center e a converte usando uma suposição de rede divulgada. Não se trata de uma leitura de medidor de energia ou de uma afirmação sobre todo o ciclo de vida. As entradas e limites atuais estão em nosso página de metodologia.

Então, quanta eletricidade a IA usa? O suficiente para ser um impulsionador material do crescimento dos data centers, mas não o suficiente para que as evidências públicas apoiem um total exato apenas de IA. Use intervalos no nível do sistema para perguntas da grade e estimativas no nível da tarefa para escolhas individuais — e não confunda os dois.