AI koldioxidavtryck förklaras

AI:s koldioxidavtryck är utsläppen av växthusgaser som orsakas under dess livscykel: generering av elektricitet för utbildning och slutledning, tillverkning av chips och servrar, byggande av datacenter och drift av den stödjande försörjningskedjan. Det finns inget enskilt fotavtryck för "AI" eftersom modeller, uppgifter, platser och redovisningsgränser skiljer sig åt.

Driftel är den mest synliga delen och ofta den enda delen som ingår i en uppskattning per fråga. Det är inte hela historien. Kolet som är förknippat med en wattimme ändras med nätet som försörjer datacentret, medan årliga avtal om förnybar energi kan ge ett annat redovisningsresultat än den fysiska elektriciteten som finns tillgänglig vid en viss timme. Ett trovärdigt påstående anger vad som räknas, vilken kolmetod som används och vad som förblir okänt.

El blir till kol genom nätet

Datorer förbrukar energi; utsläpp uppstår när den energin produceras. Ett datacenter kopplat till ett fossiltungt nät kan ha högre driftsutsläpp än ett som använder samma el på ett koldioxidsnålt system. Nätintensiteten ändras också med säsong och timme eftersom efterfrågan och produktionen varierar.

Analytiker kan använda en platsbaserad metod som återspeglar det lokala nätet, eller en marknadsbaserad metod som tar hänsyn till avtalsenliga instrument som kraftköpsavtal och energicertifikat. Båda kan svara på legitima frågor, men de är inte utbytbara.

IEA:s analys av elförsörjning till datacenter fokuserar uttryckligen på den fysiska generationsmixen snarare än operatörernas avtalsmässiga mix. Det valet gör att dess utsläppsutsikter på systemnivå skiljer sig från en företagsinventering som använder marknadsinstrument.

Träning och slutledning har olika tidslinjer

Träning är en koncentrerad period av beräkning som används för att skapa eller väsentligt uppdatera en modell. Slutledning är den upprepade beräkningen efter implementering: varje genererat svar, bild eller förutsägelse. Utvecklingsexperiment och misslyckade körningar kan lägga till utsläpp innan den släppta modellen existerar.

Träning kan ha stora rubriker, men slutsatser ackumuleras hela tiden med användningen. Vad som dominerar över modellens livslängd beror på hur ofta den kallas, hur effektivt den serveras och hur länge den finns kvar i produktionen. Att allokera träningsutsläpp till ett meddelande kräver ett antagande om meddelanden om total livslängd.

AI-träning kontra slutledningsutsläpp undersöker varför ingen fast split fungerar för varje modell. Ett operativt kvitto per meddelande bör inte tyst innehålla en spekulativ utbildningstilldelning och presentera den som uppmätt.

Flis och byggnader har förkroppsligade utsläpp

Acceleratorer kommer inte fram utan ett fotavtryck. Halvledartillverkning använder energi, material och komplexa globala leveranskedjor. Servrar behöver rack och nätverk. Datacenter använder betong, stål och elektrisk utrustning. Att byta ut hårdvara skapar frågor om uttjänt livslängd och återvinning.

Dessa rapporteras vanligtvis som värdekedjan, eller Scope 3, utsläpp av teknikföretag. Microsofts 2025 Miljöhållbarhetsredovisning sa att dess totala Scope 1, 2 och 3 utsläpp under det rapporterade året var 23.4% över dess 2020 baslinje, med AI och molnexpansion bland de tillväxtrelaterade faktorerna. Företaget rapporterade också lägre operativa Scope 1 och 2 utsläpp och högre Scope 3 utsläpp.

Den kombinationen visar varför förnybar el ensam inte kan få hela livscykeln att försvinna.

Ett företag kan matcha sin årliga elanvändning med förnybar produktion samtidigt som de drar från det lokala elnätet när vind- eller solenergi inte är tillgänglig. Den kan rapportera nettonoll-verksamhet samtidigt som den strävar efter ett senare mål för hela värdekedjan. Det kan köpa kolavskiljning för restutsläpp.

Meta s Hållbarhetsrapport 2025 säger att det matchar 100% av sin elanvändning med ren och förnybar energi och arbetar mot nettonoll i hela värdekedjan till 2030. Det är två distinkta påståenden. Google s 2025 års miljöredovisning rapporterar energi- och utsläppsframsteg samtidigt som man fortsätter att sträva efter kolfri energi dygnet runt.

Rapporterna är användbara primära källor, men de är företagsredovisning, inte revisioner per modell. Läs omfång, baslinje, instrument och försäkran.

Uppskattningar per meddelande är medvetet snäva

För att uppskatta det operativa kolet för ett svar, börja med den elektricitet som används genom slutledning, lägg till datacenterkostnader om det inte redan är inkluderat och multiplicera med en lämplig kolintensitet i nätet. Varje ingång introducerar osäkerhet. Leverantörer exponerar sällan mätardata på modellnivå, och ett globalt genomsnitt kan inte fånga en viss anläggning och timme.

Resultatet kan fortfarande hjälpa till att jämföra ett kort svar med ett långt eller en liten modell med en större baslinje. Det bör märkas som en uppskattning och bör inte beskrivas som det fullständiga koldioxidavtrycket för AI.

Vår guide till hur mycket CO2 AI producerar går igenom konverteringen och förklarar varför till synes exakta gramsiffror kan överdriva vad som är känt.

Totala utsläpp och individuella val är olika synsätt

På systemnivå räknar IEA med att utsläppen från elproduktion för datacenter uppgår till cirka 320 miljoner ton CO2 år 2030 i sitt basfall innan de minskar något. Den säger också att datacenter skulle förbli under 1% av de globala koldioxidutsläppen. Det är en datacenterprognos, inte en endast AI-inventering, och dess fysiska rutnätsgräns bör förbli kopplad.

På uppgiftsnivå kan användare välja en mindre kapabel modell, begära endast den utdata som behövs och undvika onödiga generationer. Leverantörer kontrollerar större spakar: modellarkitektur, hårdvarueffektivitet, utnyttjande, lokalisering av anläggningar, elanskaffning och design av leveranskedjan.

Hur mycket el använder AI är en del av svaret, men kol kräver tilläggsfrågan: vilken el?

Hur Treechat rapporterar kol

Treechat uppskattar operativ energi från modell- och tokenanvändning, inkluderar en angiven datacenteroverhead och konverterar den med ett publicerat antagande om genomsnittlig nätintensitet. Den kan inte identifiera den exakta anläggningen eller strömkällan per timme för ett svar, och den presenterar inte kvittot som en fullständig livscykelbedömning. Antagandena och uteslutningarna är på vår metodsida.

Trädfinansiering rapporteras som en separat åtgärd, inte ett bevis på att beräkningen var utsläppsfri. Den skillnaden spelar roll. Minskning, ren el och hållbart kolavskiljande kan alla bidra, men inget ändrar det historiska faktum att hårdvara tillverkades och energi användes.

Den bästa korta förklaringen av AI:s koldioxidavtryck är därför en gräns, inte en slogan: räkna operativa och förkroppsligade utsläpp, särskilj fysiska nät från kontraktsanspråk och bevara osäkerhet istället för att komprimera hela livscykeln till ett snyggt tal.