In breve
L'impronta di carbonio dell'IA è l'insieme dei gas serra emessi per costruire l'hardware e gli edifici su cui l'IA funziona (carbonio incorporato) e per produrre l'elettricità che addestra e fa funzionare i suoi modelli (carbonio operativo). Per singolo prompt di testo è piccola: Google riporta 0,03 g di CO₂ equivalente per il prompt mediano di Gemini. Ma le emissioni dell'IA si sommano: l'addestramento di GPT-3 è stato stimato in 552 tonnellate, e le emissioni totali di Microsoft sono passate da circa 12,9 a 20,3 milioni di tonnellate tra il 2020 e il 2025, mentre l'azienda ampliava la propria capacità di IA. Da dove viene l'elettricità conta quanto la quantità consumata.
Punti chiave
- Google riporta 0,03 g di CO₂e per il prompt di testo mediano di Gemini a maggio 2025, con metodo market-based, un calo di 44 volte in un anno; circa un terzo deriva dall'hardware e da altre emissioni non legate all'elettricità.
- La valutazione del ciclo di vita di Mistral AI ha stimato una risposta di Le Chat da 400 token in 1,14 g di CO₂e, e l'addestramento più 18 mesi di uso di Mistral Large 2 in 20.400 tonnellate.
- L'addestramento di GPT-3 è stato stimato in 552 tonnellate di CO₂e; Meta riporta 11.390 tonnellate location-based per la famiglia Llama 3.1, e zero market-based.
- Le emissioni di Microsoft sono passate da circa 12,9 milioni di tonnellate nell'esercizio finanziario 2020 a circa 20,3 milioni nel 2025.
- Secondo Patterson e colleghi, la scelta di modello, data center e processore può ridurre il carbonio dell'addestramento di circa 100–1.000 volte.
- Secondo il Lawrence Berkeley National Laboratory, l'elettricità consumata nel 2023 dai data center statunitensi era associata a circa 74 milioni di tonnellate di CO₂e, in media 0,34 kg per kWh.
Qual è l'impronta di carbonio dell'IA? È l'insieme dei gas serra rilasciati per costruire l'hardware e gli edifici su cui l'IA funziona, e per produrre l'elettricità che addestra e fa funzionare i suoi modelli. Per singolo prompt, l'impronta di carbonio dell'IA è piccola; in totale, le emissioni dell'IA crescono in fretta, perché crescono in fretta il consumo di elettricità e la costruzione di data center. Questa pagina presenta i dati pubblicati, spiega perché sono diversi e come stimare la propria impronta.
Quanto è grande l'impronta di carbonio dell'IA per prompt?
Per un prompt di testo breve, una frazione di grammo di CO₂ equivalente secondo i conti dei fornitori stessi; di più quando si conta l'intero ciclo di vita. La CO₂ equivalente (CO₂e) somma all'anidride carbonica gli altri gas serra, pesati in base al loro effetto di riscaldamento.
| Dato | Che cosa comprende | Fonte |
|---|---|---|
| 0,03 g di CO₂e per prompt di testo mediano di Gemini | Elettricità (market-based), più hardware e altre emissioni; maggio 2025 | Google, 2025 |
| 1,14 g di CO₂e per risposta di Le Chat da 400 token | Valutazione del ciclo di vita dell'inferenza, escluso il dispositivo dell'utente | Mistral AI, 2025 |
| circa 0,34 Wh per richiesta media a ChatGPT | Solo energia; nessun dato sul carbonio pubblicato | Amministratore delegato di OpenAI, 2025 |
Non esiste un'impronta di carbonio ufficiale di ChatGPT per richiesta: OpenAI ha fornito un dato sull'energia ma non sul carbonio, e il carbonio dipende dalle reti elettriche da cui prelevano i suoi data center.
Il dato di Google si scompone in 0,023 g dall'elettricità e 0,010 g dalle sue emissioni di Scope 1 e Scope 3, che comprendono la produzione dell'hardware. Google riporta anche un calo di 44 volte del carbonio per prompt mediano in un anno. Il dato di Mistral è più alto in parte perché conta una porzione maggiore del ciclo di vita e usa un metodo diverso; i due non sono direttamente confrontabili.
L'uso intensivo cambia il quadro. Zeke Hausfather ha stimato che il proprio uso intensivo di un agente di coding basato sull'IA, circa 1,1 MWh di elettricità all'anno, emetterebbe circa 370 kg di CO₂e all'anno. Veda quanta energia consuma l'IA?
Qual è la differenza tra carbonio operativo e carbonio incorporato?
Il carbonio operativo deriva dall'elettricità usata per far funzionare l'IA; il carbonio incorporato deriva dalla produzione, dal trasporto e dallo smaltimento dell'hardware e degli edifici. Entrambi fanno parte di un'impronta onesta.
- Il carbonio operativo dipende da quanta energia consuma il lavoro e da quanto è pulita l'elettricità.
- Il carbonio incorporato deriva dalla fabbricazione dei chip, dalla produzione dei server, dalla costruzione dei data center e dallo smaltimento a fine vita. Si ripartisce su tutti i compiti che l'hardware svolge nel corso della sua vita.
Il carbonio incorporato è una quota consistente. Wu e colleghi di Meta hanno riferito nel 2022 che rappresentava circa il 30% dell'impronta del machine learning su larga scala di Meta. Luccioni, Viguier e Ligozat hanno stimato l'addestramento di BLOOM in circa 24,7 tonnellate di CO₂e contando solo la potenza dinamica usata durante l'addestramento, e in circa 50,5 tonnellate includendo tutto, dalla produzione delle apparecchiature all'energia operativa. Man mano che l'elettricità diventa più pulita, la quota incorporata cresce, e questo rende più importante tenere in uso l'hardware più a lungo, e tenerlo occupato. Veda come calcolare il carbonio incorporato dell'hardware per l'IA.
Quanto carbonio emette l'addestramento di un modello di IA?
Le emissioni dell'addestramento dei grandi modelli pubblicate finora vanno da decine a decine di migliaia di tonnellate di CO₂e. Le model card (la documentazione pubblicata insieme a un modello) sono il luogo principale in cui trovarle, anche se molti modelli di frontiera non pubblicano nulla.
| Modello | Emissioni dell'addestramento | Base | Fonte |
|---|---|---|---|
| BLOOM (176 miliardi di parametri, 2022) | circa 24,7 t di CO₂e; 50,5 t includendo la produzione e tutta l'energia operativa | Stima indipendente del ciclo di vita | Luccioni, Viguier e Ligozat, 2022 |
| GPT-3 (175 miliardi di parametri, 2020) | 552 t di CO₂e; 1.287 MWh | Stima di ricercatori di Google | Patterson et al., 2021 |
| Famiglia Llama 3.1 (8B, 70B, 405B, 2024) | 11.390 t di CO₂e location-based; 0 t market-based | Model card, 39,3 milioni di ore GPU | Meta, 2024 |
| Solo Llama 3.1 405B | 8.930 t di CO₂e location-based | Model card | Meta, 2024 |
| Mistral Large 2 (addestramento più 18 mesi di uso) | 20.400 t di CO₂e; 281.000 m³ di acqua | Valutazione del ciclo di vita | Mistral AI, 2025 |
Sono costi una tantum, ma non sono tutto. Patterson e colleghi citano stime del settore secondo cui l'80–90% del carico di lavoro di machine learning è inferenza, quindi per un modello popolare l'uso nel corso della sua vita può pesare più dell'addestramento. L'AI Act dell'UE ora impone ai fornitori di modelli di IA per finalità generali di documentare per le autorità di regolamentazione il consumo energetico noto o stimato. Veda come misurare l'impronta di carbonio dell'addestramento di un modello.
Come cambia la rete elettrica le emissioni dell'IA?
Lo stesso kilowattora può avere un contenuto di carbonio molto diverso a seconda di dove e quando viene usato. L'intensità di carbonio è la CO₂e emessa per ogni kilowattora di elettricità prodotto. Una rete alimentata soprattutto da idroelettrico, nucleare, eolico o solare ha un'intensità bassa; una alimentata a carbone o gas, un'intensità alta.
- Il Lawrence Berkeley National Laboratory ha stimato che l'elettricità consumata nel 2023 dai data center statunitensi fosse associata a circa 74 milioni di tonnellate di CO₂e, in media 0,34 kg di CO₂e per kWh, date le reti dei luoghi in cui si trovano.
- Patterson e colleghi hanno rilevato che la scelta di modello, data center e processore può ridurre l'impronta di carbonio dell'addestramento di circa 100–1.000 volte. La località è una delle leve più importanti.
Per questo conta dove e quando si fa funzionare l'IA. Un addestramento che può aspettare può essere programmato nelle ore in cui la rete è più pulita. Veda come scegliere una regione cloud a basse emissioni di carbonio, come pianificare l'addestramento quando la rete elettrica è più verde e come trovare i dati sull'intensità di carbonio della rete elettrica.
Location-based o market-based: quale numero è giusto?
Entrambi sono legittimi, ma rispondono a domande diverse, e la differenza può essere enorme. Secondo il Greenhouse Gas Protocol, un'azienda dichiara le emissioni di Scope 2 legate all'elettricità in due modi:
- Il metodo location-based usa l'intensità di carbonio media delle reti da cui preleva effettivamente.
- Il metodo market-based tiene conto dei contratti e dei certificati di energia pulita che l'azienda acquista.
Meta riporta per l'addestramento di Llama 3.1 11.390 tonnellate location-based e zero market-based. L'esercizio finanziario 2025 di Microsoft mostra emissioni di Scope 2 di circa 12,0 milioni di tonnellate location-based contro 2,7 milioni market-based. Alphabet ha riportato per il 2025 15,1 milioni di tonnellate location-based contro 2,8 milioni market-based. Quando un'azienda definisce la propria IA "carbon neutral" o "100% rinnovabile", verifichi quale metodo sta usando. Veda come verificare se la mia IA funziona con energia rinnovabile e dichiarazioni ambientali oneste.
Le emissioni delle aziende tecnologiche stanno aumentando a causa dell'IA?
Sì: i maggiori fornitori di IA riportano emissioni totali in aumento, soprattutto per la costruzione e l'alimentazione dei data center. I loro rapporti annuali di sostenibilità mostrano la tendenza.
- Microsoft riporta emissioni totali di circa 12,9 milioni di tonnellate di CO₂e nell'esercizio finanziario 2020, la base di riferimento del suo obiettivo di diventare carbon negative entro il 2030, e di circa 20,3 milioni di tonnellate nel 2025 (secondo i propri criteri di gestione). Nello stesso periodo il suo consumo di elettricità è più che triplicato, da circa 10,8 TWh a 37,0 TWh.
- Google ha riferito che le sue emissioni operative (Scope 1 e Scope 2 market-based) sono calate del 2% nel 2025, mentre la sua domanda di elettricità è cresciuta del 37% e le emissioni della sua catena di fornitura del 25%. I dati certificati di Alphabet per il 2025 mostrano circa 15,9 milioni di tonnellate di emissioni di Scope 3 (catena di fornitura), più di cinque volte i suoi 2,9 milioni di tonnellate di emissioni operative.
In entrambi i casi lo schema è lo stesso: l'acquisto di elettricità pulita tiene basse le emissioni operative, ma la produzione e la costruzione dietro la nuova capacità di IA spingono in alto le emissioni della catena di fornitura.
A livello nazionale, l'allegato tecnico della UK Compute Roadmap ha stimato che le emissioni del calcolo per l'IA tra il 2025 e il 2035 potrebbero essere di 34–123 milioni di tonnellate di CO₂, circa lo 0,9–3,4% delle emissioni previste del Regno Unito nel periodo. L'ampio intervallo riflette l'incertezza su quanta capacità di calcolo verrà costruita e su quanto sarà pulita la rete.
Perché le stime sul carbonio dell'IA non concordano?
Perché contano cose diverse, usano dati diversi sulla rete elettrica e invecchiano in fretta. Le principali fonti di differenza:
- Confine. Solo i chip, o l'intero server, il raffreddamento e la capacità inattiva? La produzione dell'hardware? L'addestramento ripartito tra i vari usi?
- Metodo contabile. Elettricità location-based o market-based, come visto sopra.
- Rete e periodo. Lo stesso modello eseguito in un'altra regione, o un anno dopo, può avere un'impronta molto diversa.
- Carico di lavoro. Un prompt breve, una lunga risposta con ragionamento e una sessione con un agente differiscono di mille volte nell'energia.
Un dato ha senso solo insieme al suo confine, metodo, luogo e data. Veda la misurazione è il collo di bottiglia.
Come posso stimare l'impronta di carbonio del mio uso dell'IA?
Moltiplichi l'energia per l'intensità di carbonio della rete, poi aggiunga una quota delle emissioni incorporate. È la struttura dello standard Software Carbon Intensity (SCI), ISO/IEC 21031:2024, che esprime il risultato per unità di lavoro utile, per esempio per richiesta o per utente.
- Stimi l'energia del lavoro di IA in kilowattora: da un contatore o da uno strumento se lo esegue Lei stesso, o dai dati per compito se si tratta di un servizio ospitato.
- Trovi l'intensità di carbonio della rete dove si svolge il lavoro, in kg di CO₂e per kWh, idealmente per l'ora in cui è stato eseguito.
- Moltiplichi i due valori per ottenere le emissioni operative.
- Aggiunga le emissioni incorporate: l'impronta di produzione dell'hardware ripartita sulla sua vita utile.
- Dichiari il confine, il metodo (location-based o market-based) e un intervallo anziché un solo numero.
Gli strumenti aiutano. CodeCarbon e Green Algorithms stimano le emissioni del codice che esegue; EcoLogits stima l'impatto delle chiamate ai modelli di IA ospitati. Sono strumenti di stima, non contatori. Guide passo per passo: come calcolare la mia impronta di carbonio personale legata all'IA, come calcolare un punteggio SCI per una funzione di IA e dove trovare i dati sulle emissioni del mio fornitore cloud.
Che cosa fare adesso
- Riduca prima l'energia: veda usare l'IA in modo efficiente e scegliere il modello giusto.
- Faccia funzionare l'IA dove la rete è pulita: veda hosting e data center.
- Chieda ai fornitori i dati su energia e carbonio per compito, con il metodo: veda acquisti sostenibili di IA.
- Comunichi in modo onesto, dichiarando confine e metodo: veda dichiarazioni ambientali oneste.
- Rifletta prima di compensare: veda come compensare le emissioni del mio uso dell'IA.
- Legga quanta acqua consuma l'IA? per l'altra metà dell'impronta.
Domande frequenti
Qual è l'impronta di carbonio di ChatGPT?
OpenAI non ha pubblicato un dato sul carbonio per richiesta. Il suo amministratore delegato ha indicato circa 0,34 Wh di energia per una richiesta media; il carbonio dipende dalla rete elettrica che alimenta il data center. Google riporta 0,03 g di CO₂e per il prompt di testo mediano di Gemini, secondo la propria contabilità market-based.
Quanta CO₂ produce l'addestramento di un modello di IA?
Si va da decine a migliaia di tonnellate. L'addestramento di BLOOM è stato stimato in circa 24,7 tonnellate di CO₂e (50,5 includendo la produzione e tutta l'energia operativa), quello di GPT-3 in 552 tonnellate, e Meta riporta 11.390 tonnellate location-based per i tre modelli Llama 3.1.
Le emissioni dell'IA stanno aumentando?
Per i fornitori più grandi, sì. Le emissioni totali di Microsoft sono passate da circa 12,9 milioni di tonnellate nell'esercizio finanziario 2020 a 20,3 milioni nel 2025. Google ha riferito che le sue emissioni operative sono calate del 2% nel 2025, ma quelle della catena di fornitura sono aumentate del 25% mentre costruiva data center.
Che cos'è il carbonio incorporato nell'IA?
Sono le emissioni dovute alla produzione, al trasporto e allo smaltimento di chip, server ed edifici dei data center. Wu e colleghi di Meta lo hanno stimato in circa il 30% dell'impronta del machine learning su larga scala di Meta, e la sua quota cresce quando l'elettricità è pulita.
L'IA alimentata da energia rinnovabile ha emissioni zero?
Non nella realtà. La contabilità market-based permette a un'azienda di dichiarare emissioni basse o nulle per l'elettricità se acquista certificati di energia rinnovabile, mentre la rete da cui preleva può ancora bruciare combustibili fossili. Meta riporta per l'addestramento di Llama 3.1 11.390 tonnellate location-based ma zero market-based.
Come calcolo l'impronta di carbonio del mio uso dell'IA?
Moltiplichi l'energia consumata, in kilowattora, per l'intensità di carbonio della rete che la fornisce, in kg di CO₂e per kWh, poi aggiunga una quota delle emissioni incorporate dell'hardware. Strumenti come CodeCarbon, Green Algorithms ed EcoLogits aiutano a stimare ciascuna parte.
L'IA fa male al clima?
Aumenta le emissioni, soprattutto per la rapida crescita dell'elettricità e delle costruzioni legate ai data center. Quanto dipende da come viene usata, da quanto funziona in modo efficiente e da quanto è pulita la rete. L'IA può anche aiutare a ridurre le emissioni altrove, ma questi benefici non sono automatici e sono più difficili da misurare.
Fonti
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Llama 3.1 8B model card, Meta (2024)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)
- Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics), Alphabet (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- Scope 2 guidance, Greenhouse Gas Protocol (2015)
- Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
- UK Compute Roadmap: evidence annex, Department for Science, Innovation and Technology (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification, ISO/IEC and Green Software Foundation (2024)
- CodeCarbon, CodeCarbon project (2020)
- Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
- EcoLogits, GenAI Impact (2025)
Correlati
Quanta energia consuma l'IA?
Quanta energia consuma l'IA? Dati per prompt di ChatGPT, Gemini, ragionamento, immagini, video e agenti di coding, più i totali dei data center, con fonti.
Quanta acqua consuma l'IA?
Quanta acqua consuma l'IA? Consumo idrico per prompt e per modello, acqua dei data center, WUE, dati delle aziende, stress idrico locale e ciò che resta ignoto.
Hosting e data centre per un'IA verde
Come scegliere dove far girare l'IA: intensità carbonica della rete, PUE e WUE, dichiarazioni sulle rinnovabili, acqua e ubicazione, con domande per i fornitori.
Come misurare l'energia e il carbonio dell'IA
Guida pratica per misurare o stimare energia e carbonio del lavoro di IA: strumenti, confini del sistema, metriche per attività e incertezza dichiarata.