AI vs Google Sökenergi: är AI verkligen 10 gånger sämre?
Den berömda 10 gångers jämförelsen blandar en gammal söksiffra med ändrade AI-uppskattningar. En rättvis jämförelse beror på uppgift, system och år.
Det finns ingen pålitlig regel att ett AI-meddelande använder exakt tio gånger så mycket energi som ett Google sök. Det berömda förhållandet kombinerar en Google uppskattning från 2009 med tidiga antaganden om ChatGPT, behandlar sedan båda som tidlösa konstanter. Sökinfrastruktur, AI-hårdvara och själva produkterna har förändrats.
Senaste offentliga uppskattningar placerar en vanlig ChatGPT textfråga på cirka 0.3–0.34 wattimmar. Det är nära den gamla 0.3 Wh Google sökuppskattning används ofta som nämnare, inte tio gånger den. Men detta bevisar inte att modern AI och modern sökning använder samma energi. Google publicerar inte en aktuell universell siffra per sökning, och många sökningar inkluderar nu AI-genererade sammanfattningar. Den ärliga jämförelsen är ett intervall knutet till en definierad uppgift och gräns.
Varifrån tiofaldiga kravet kom
Google skrev 2009 att en sökning använde om 0.0003 kWh eller 0.3 Wh. Det var en företagsuppskattning för sin tids söksystem. Det går före dagens datacenter, rankningsmodeller, rika resultatsidor och genererade sammanfattningar.
AI-sidan var ofta inställd på cirka 3 Wh per fråga. Den uppskattningen antog äldre acceleratorhårdvara, en GPT-3.5-scale modell och en lång utgång. Epok AI genomgång av den äldre beräkningen förklarar varför den anser att dessa antaganden inte är representativa för typisk nuvarande textanvändning.
Dela 3 Wh med 0.3 Wh och det minnesvärda förhållandet visas. Aritmetiken är lätt; ingångarna är inte jämförbara.
Vad nyare AI-uppskattningar säger
OpenAI verkställande direktör Sam Altman uppgav 2025 att ett genomsnitt ChatGPT fråga använder om 0.34 Wh. Epoch AI modellerade separat en typisk GPT-4o begära på ungefär 0.3 Wh. Ingendera siffran är en mätarställning för varje meddelande.
Epochs resultat beror på antaganden om modellarkitektur, hårdvara, användning och antal token. Altman publicerade inte en stödberäkning. Deras överenskommelse är en användbar signal, men den kan inte fylla den saknade moderna söknämnaren.
Långkontext, resonemang och verktygstunga AI-förfrågningar kan använda mycket mer än det typiska textfallet. Ett AI-meddelandes energikostnad varierar eftersom "meddelande" beskriver en gränssnittsåtgärd, inte en fast mängd beräkning.
Sök och chatt gör olika jobb
En konventionell webbsökning rangordnar och returnerar länkar. En chatbot genererar ett svar token för token. Om användaren bara behöver en webbplats är det troligtvis mer proportionerligt verktyg att öppna ett sökresultat. Att be en modell skriva en uppsats är inte meningsfullt att jämföra med att hämta tio blå länkar.
Gränsen blir suddigare när sökningen inkluderar genererade sammanfattningar, eller när en chatbot söker på webben innan den svarar. En synlig begäran kan kombinera rankning, hämtning, sidbearbetning och ett eller flera modellanrop. Att räkna det som antingen "en sökning" eller "en AI-fråga" döljer det mesta av systemet.
Ett rättvist test skulle ge båda produkterna samma informationsuppgift, registrera om svaret lyckas och räkna varje backend-steg och försöka igen. Offentlig data stöder sällan det experimentet över kommersiella tjänster.
En låg siffra per fråga avgör inte den totala efterfrågan
Även om vanlig textgenerering närmar sig den gamla sökuppskattningen kan AI fortfarande öka den totala elanvändningen. Det skapar nya användningsområden, genererar längre utdata och bäddas in i produkter. Träningsmodeller och konstruktion av accelererad beräkningskapacitet ligger också utanför de flesta jämförelser per fråga.
International Energy Agency uppskattar att alla datacenter förbrukade ca 415 TWh 2024 och projekterar cirka 945 TWh år 2030 i sitt basfall. Den beskriver AI som den viktigaste tillväxtmotorn vid sidan av andra digitala tjänster. Dessa summor inkluderar mycket mer än sökning eller chatt och bör inte delas med ett gissat antal frågor.
Systemtillväxt och ett effektivt individuellt svar kan båda vara sant. De verkar i olika skalor.
Kol kan vända en energijämförelse
El är inte kol. Två uppgifter som använder samma wattimmar kan ha olika utsläpp när en körs på ett fossiltungt nät och en annan använder el med lägre koldioxidutsläpp. Tid spelar roll på nät med växlande vind, sol och efterfrågan. Årlig matchning av förnybar energi kan också ge ett annat redovisningsresultat än den fysiska genereringen som är tillgänglig under begäran.
Det betyder "vilket släpper ut mer?" behöver infrastrukturdata utöver energiuppskattningen per fråga. Den bör också skilja operativa utsläpp från förkroppsligade utsläpp i chips och datacenterkonstruktioner.
Vår AI koldioxidavtryck förklarar anger dessa gränser. Ett enkelt energiförhållande kan inte svara på alla.
Välj verktyget efter jobbet
Använd vanlig sökning när du vill att en känd sida, aktuella källor eller flera synpunkter ska inspektera dig själv. Använd en liten AI-modell när syntes, omskrivning eller konversation ger mervärde. Använd ett större resonemang eller forskningssystem när komplexiteten motiverar det. Undvik att upprepa någon av processerna eftersom den första begäran var vag.
Treechat uppskattar den operativa energin för sina svar från modell- och tokenanvändning, med datacenter-overhead och koldioxidantaganden som anges på vår metodsida. Det gör inte anspråk på en universell besparing mot Google Sök eftersom en aktuell offentlig baslinje inte är tillgänglig.
Den användbara slutsatsen är inte "AI är tio sökningar" eller "AI är nu detsamma som sökning". Det är att det populära förhållandet har gått ut. Jämför en definierad uppgift med hjälp av samtida bevis och var villig att säga att de offentliga uppgifterna inte stöder en snygg siffra.