greenai.guide

Home › Articoli › Quanta energia consuma l'IA?

Articolo

Quanta energia consuma l'IA?

Aggiornato · 11 min di lettura

In breve

Un tipico prompt di testo breve a un chatbot come ChatGPT o Gemini consuma circa 0,2–0,4 wattora di elettricità, secondo i dati dei fornitori stessi e le stime indipendenti: più o meno quanto consuma un televisore in pochi secondi. Il consumo energetico dell'IA sale molto con input lunghi, modelli di ragionamento, immagini, video e agenti di coding, che possono consumare da decine a migliaia di volte di più per compito. In totale, secondo l'IEA, nel 2025 i data center hanno consumato circa 485 TWh di elettricità, e l'IA è il motivo principale per cui questo dato sta crescendo.

Punti chiave

  • Google riporta 0,24 Wh per il prompt di testo mediano di Gemini a maggio 2025; l'amministratore delegato di OpenAI ha indicato circa 0,34 Wh per una richiesta media a ChatGPT. Entrambi i dati sono autodichiarati.
  • Epoch AI stima una tipica richiesta a GPT-4o in circa 0,3 Wh, che salgono a circa 2,5 Wh con un input di 10.000 token e a quasi 40 Wh con un input di 100.000 token.
  • Nei test AI Energy Score di Hugging Face, i modelli di ragionamento hanno consumato in media 30 volte più energia dei modelli standard.
  • Nei test su modelli aperti, generare un'immagine ha richiesto in media circa 2,9 Wh, e un breve video generato con l'IA circa 90 Wh.
  • Un'analisi dell'uso intensivo di un agente di coding basato sull'IA ha stimato circa 150 Wh per prompt digitato, circa 600 volte un prompt di chat mediano.
  • L'IEA stima che nel 2025 i data center abbiano consumato circa 485 TWh, il 17% in più in un anno, e prevede circa 950 TWh entro il 2030.

Quanta energia consuma l'IA? Per una singola domanda breve a un chatbot, molto poca: una frazione di wattora. Per documenti lunghi, modalità di ragionamento, immagini, video e agenti di coding, molta di più. E su miliardi di richieste al giorno, il consumo energetico dell'IA è ormai abbastanza grande da incidere sulla pianificazione elettrica. Questa pagina raccoglie i migliori dati pubblici, indica da dove viene ciascuno e spiega perché sono diversi.

Quanta energia consuma un prompt di ChatGPT o Gemini?

Un prompt di testo breve a un grande chatbot consuma circa 0,2–0,4 wattora (Wh), secondo i migliori dati attuali. Un wattora è l'energia che un dispositivo da 1 watt consuma in un'ora.

I numeri più citati vengono dai fornitori stessi:

  • Google ha riferito nel 2025 che il prompt di testo mediano delle app Gemini consumava 0,24 Wh. Il suo studio lo paragona a guardare la televisione per meno di nove secondi.
  • L'amministratore delegato di OpenAI ha scritto nel 2025 che una richiesta media a ChatGPT consuma circa 0,34 Wh. Non è stato pubblicato alcun metodo.
  • Epoch AI, un gruppo di ricerca indipendente, ha stimato circa 0,3 Wh per una tipica richiesta a GPT-4o, partendo da informazioni pubbliche su hardware e dimensioni del modello.

Sono valori vicini, ma non confrontabili alla pari: una mediana non è una media, e ciascuno traccia in un punto diverso il confine di ciò che viene contato. Inoltre riguardano solo prompt di testo brevi.

Energia per compito: i dati a confronto

L'energia per compito di IA varia di oltre mille volte, da meno di un wattora per un prompt breve a centinaia di wattora per una sessione con un agente. La tabella riporta i principali dati pubblicati. I dati autodichiarati vengono dall'azienda che gestisce il servizio; stime e misurazioni vengono da ricercatori indipendenti.

Compito Energia Fonte e anno Tipo
Prompt di testo mediano di Gemini 0,24 Wh Google, 2025 Autodichiarato, metodo pubblicato
Richiesta media a ChatGPT circa 0,34 Wh Amministratore delegato di OpenAI, 2025 Autodichiarato, nessun metodo
Tipica richiesta a GPT-4o circa 0,3 Wh Epoch AI, 2025 Stima indipendente
GPT-4o, prompt breve (100 token in ingresso, 300 in uscita) 0,42 Wh Jegham et al., 2025 Stima indipendente
Richiesta a un modello di classe GPT-4o con input di 10.000 token circa 2,5 Wh Epoch AI, 2025 Stima indipendente
Richiesta a un modello di classe GPT-4o con input di 100.000 token quasi 40 Wh Epoch AI, 2025 Stima indipendente
Prompt lungo (10.000 in ingresso, 1.500 in uscita): Llama 3.1 8B contro DeepSeek-R1 circa 0,44 Wh contro circa 29 Wh Jegham et al., 2025 Stima indipendente
Modelli di ragionamento contro modelli standard 30 volte di più in media Hugging Face AI Energy Score, 2025 Misurato, modelli aperti
Un'immagine generata circa 2,9 Wh (2,9 kWh ogni 1.000) Luccioni, Jernite e Strubell, 2024 Misurato, modelli aperti
Un breve video generato circa 90 Wh per un modello; da 0,14 Wh a oltre 415 Wh tra i vari modelli Delavande, Pierrard e Luccioni, 2025 Misurato, modelli aperti
Sessione mediana con un agente di coding circa 41 Wh Couch, 2026 Stima indipendente
Agente di coding, per prompt digitato (uso intensivo) circa 150 Wh (intervallo 60–290 Wh) Hausfather, 2026 Stima indipendente

Un token è un frammento di testo, circa tre quarti di una parola inglese. I dati su immagini e video provengono da modelli aperti eseguiti su hardware di ricerca; i servizi commerciali possono essere più o meno efficienti, e la maggior parte non pubblica dati.

Perché modelli di ragionamento, immagini e agenti consumano di più?

Perché svolgono molti più calcoli per richiesta. L'energia cresce con il numero di token che un modello legge e scrive, e con le dimensioni del modello.

  • I modelli di ragionamento scrivono lunghe catene nascoste di passaggi prima di rispondere. Il gruppo AI Energy Score di Hugging Face ha rilevato che lo stesso modello, con il ragionamento attivato, consumava tra 150 e 700 volte più energia che con il ragionamento disattivato, e scriveva da 300 a 800 volte più token.
  • Gli input lunghi devono essere elaborati per intero. Le stime di Epoch AI salgono da circa 0,3 Wh a quasi 40 Wh quando l'input arriva a 100.000 token, la dimensione di un documento incollato molto lungo.
  • Immagini e video vengono generati in molti passaggi su moltissimi pixel. Delavande, Pierrard e Luccioni hanno rilevato che l'energia per i video cresce in modo quadratico con risoluzione e durata, e hanno stimato una breve clip in circa 2.000 volte una risposta testuale.
  • Gli agenti richiamano il modello più e più volte, rileggendo ogni volta il loro contesto crescente. Anthropic ha riferito che i suoi agenti usavano di solito circa quattro volte i token di una chat, e i sistemi multi-agente circa quindici volte.

Quanta energia consuma un agente di coding basato sull'IA?

Le stime vanno da decine di wattora per una sessione tipica a oltre un kilowattora per una giornata di uso intensivo. Nessuna azienda di IA pubblica dati sull'energia dei propri agenti di coding, quindi i numeri migliori disponibili sono accurate stime indipendenti basate sul conteggio dei token.

Simon Couch ha stimato una sessione mediana di Claude Code, con 24 chiamate al modello e circa 590.000 token, in circa 41 Wh. Il climatologo Zeke Hausfather ha registrato otto settimane del proprio uso intensivo: 1.138 prompt digitati hanno innescato oltre 14.000 chiamate al modello e 3,2 miliardi di token, il 96% dei quali riletture di contesto in cache. Ha stimato circa 170 kWh in totale (intervallo 70–330 kWh), circa 150 Wh per prompt e una sessione mediana di circa 0,6 kWh, che paragona a ricaricare un telefono circa 50 volte. Veda IA agentica e spreco di token.

Costa di più l'addestramento o l'inferenza?

Per un modello molto usato, farlo funzionare (inferenza) di solito pesa più che addestrarlo. L'addestramento è un grande costo una tantum; l'inferenza costa poco per richiesta, ma si ripete miliardi di volte.

I dati pubblicati sull'addestramento mostrano l'ordine di grandezza:

  • GPT-3 (2020): Patterson e colleghi di Google hanno stimato che l'addestramento abbia consumato 1.287 MWh di elettricità.
  • Llama 3.1 (2024): la model card di Meta riporta 39,3 milioni di ore GPU su chip H100 per le sue tre dimensioni di modello, di cui 30,84 milioni per il modello più grande, da 405 miliardi di parametri.

Dall'altra parte, Patterson e colleghi citano stime di NVIDIA secondo cui l'80–90% del carico di lavoro di machine learning è inferenza, e l'affermazione di Amazon Web Services secondo cui il 90% della domanda di machine learning nel suo cloud è inferenza. È per questo equilibrio che il calo dell'energia per prompt conta così tanto, ed è anche il motivo per cui da solo non basta: l'uso cresce più in fretta. Veda efficienza non è sufficienza.

Quanta elettricità consumano in totale i data center e l'IA?

L'Agenzia internazionale dell'energia (IEA) stima che nel 2025 i data center abbiano consumato circa 485 TWh, e prevede circa 950 TWh entro il 2030, circa il 3% dell'elettricità mondiale. Un terawattora (TWh) equivale a un miliardo di kilowattora.

  • L'IEA ha stimato il consumo dei data center in circa 415 TWh nel 2024, circa l'1,5% dell'elettricità mondiale. Il suo aggiornamento di aprile 2026 ha riportato 485 TWh nel 2025, il 17% in più in un anno, con l'elettricità consumata dai data center dedicati all'IA in aumento del 50%.
  • Prevede che Stati Uniti e Cina rappresentino quasi l'80% della crescita fino al 2030, e che i server accelerati, soprattutto per l'IA, determinino quasi metà dell'aumento.
  • Negli Stati Uniti, il Lawrence Berkeley National Laboratory ha stimato che nel 2023 i data center abbiano consumato circa 178 TWh, il 4,4% dell'elettricità nazionale, e che potrebbero arrivare al 6,7–12% entro il 2028.

Non esiste un dato globale affidabile per la sola IA, perché i data center non misurano separatamente il lavoro di IA. I rapporti delle aziende mostrano la tendenza: il consumo di elettricità di Microsoft è passato da circa 10,8 TWh nell'esercizio finanziario 2020 a circa 37,0 TWh nel 2025, e Google ha riportato nel 2025 un aumento del 37% della domanda di elettricità, il più grande della sua storia. Veda perché l'IA verde conta adesso.

Perché i dati sull'energia dell'IA variano così tanto?

Perché gli studi contano cose diverse, su hardware diversi, per modelli e compiti diversi. Quattro fattori spiegano la maggior parte delle differenze.

  1. Confine del sistema. Lo studio stesso di Google mostra che contare solo i chip di IA attivi dà 0,10 Wh per prompt mediano; aggiungendo processori host e memoria, la capacità inattiva tenuta pronta per la domanda e il raffreddamento del data center si arriva a 0,24 Wh, più del doppio. Veda la misurazione è il collo di bottiglia.
  2. Hardware e utilizzo. I chip più recenti svolgono più lavoro per watt, e un server molto occupato distribuisce i propri costi fissi su più richieste di uno poco usato.
  3. Dimensioni del modello. Nelle stime di Jegham e colleghi, un prompt lungo costava circa 0,44 Wh sul piccolo modello Llama 3.1 8B e circa 29 Wh su DeepSeek-R1, un grande modello di ragionamento.
  4. Token. Input più lunghi, risposte più lunghe, ragionamento nascosto e passaggi ripetuti degli agenti aggiungono token, e l'energia cresce con essi.

Altre due avvertenze. I dati invecchiano in fretta: Google ha riportato un calo di 33 volte dell'energia per prompt mediano in un solo anno. E i dati autodichiarati non possono essere verificati in modo indipendente. Quando vede un numero, si chieda che cosa è stato misurato, con quale confine e quando. Veda come verificare un'affermazione sul consumo energetico dell'IA.

Come si confronta l'energia dell'IA con le cose di tutti i giorni?

Un prompt di testo breve è poca cosa rispetto alla maggior parte degli usi domestici dell'elettricità; l'uso intensivo di agenti o video no. Questi confronti sono quelli delle fonti stesse:

  • Google paragona il suo prompt mediano di Gemini da 0,24 Wh a guardare la televisione per meno di nove secondi.
  • Hausfather paragona una sessione mediana con un agente di coding nel suo uso intensivo (circa 0,6 kWh) a ricaricare un telefono circa 50 volte, e una giornata media di quell'uso (circa 3 kWh) a far funzionare più di due frigoriferi.
  • Couch paragona una giornata mediana del suo uso di un agente di coding (circa 1.300 Wh) a far partire una lavastoviglie in più ogni giorno.
  • Nel 2009 Google dichiarò che una ricerca web media consumava circa 0,3 Wh, un ordine di grandezza simile a quello dei prompt di testo brevi di oggi. I dati sono molto distanti nel tempo e nel metodo.

Il punto non è che una singola richiesta sia grande. È che le abitudini contano: scegliere un modello di ragionamento, incollare documenti lunghi, generare serie di immagini o lasciare un agente in funzione possono ciascuno moltiplicare molte volte l'energia di un compito. Veda come mettere in prospettiva il mio consumo di energia per l'IA.

Che cosa si può fare per ridurre il consumo energetico dell'IA?

Usi lo strumento più piccolo che fa il lavoro, e gli chieda meno. I risparmi maggiori vengono dall'evitare lavoro inutile, non dal cambiare fornitore.

Per le organizzazioni, il punto di partenza è la misurazione: veda misurare l'energia dell'IA, stimare l'energia delle chiamate alle API di IA e usare l'IA in modo efficiente.

Che cosa fare adesso

Domande frequenti

Quanta energia consuma un prompt di ChatGPT?

Nel 2025 l'amministratore delegato di OpenAI ha dichiarato che una richiesta media a ChatGPT consuma circa 0,34 wattora, ed Epoch AI ha stimato in modo indipendente circa 0,3 Wh per una tipica richiesta a GPT-4o. Input lunghi, modalità di ragionamento e generazione di immagini consumano molto di più.

Quanta energia consuma l'IA per ogni prompt?

Per un prompt di testo breve, i dati pubblicati si concentrano tra 0,2 e 0,4 Wh: Google riporta 0,24 Wh per il prompt mediano di Gemini. Le stime indipendenti per modelli grandi con prompt lunghi arrivano a circa 29 Wh, e le sessioni di coding con agenti possono consumare centinaia di wattora.

L'IA consuma più energia di una ricerca su Google?

Non per un prompt di testo breve, stando ai dati pubblicati. Nel 2009 Google dichiarò che una ricerca media consumava circa 0,3 Wh; oggi riporta 0,24 Wh per il prompt di testo mediano di Gemini. I dati sono distanti 16 anni e misurati in modo diverso, quindi vanno presi come indicazione approssimativa. Compiti lunghi, di ragionamento, con immagini o con agenti consumano molto di più.

Quanta elettricità consuma l'IA in totale?

Non esiste un dato affidabile per la sola IA. L'Agenzia internazionale dell'energia stima che nel 2025 tutti i data center abbiano consumato circa 485 TWh, il 17% in più in un anno, che il consumo dei data center dedicati all'IA sia cresciuto del 50% e che il totale arriverà a circa 950 TWh, circa il 3% dell'elettricità mondiale, entro il 2030.

Consuma più energia l'addestramento o l'uso dell'IA?

Addestrare un grande modello è un costo una tantum elevato, come i circa 1.287 MWh stimati per GPT-3. Ma un modello popolare viene usato miliardi di volte, e le stime del settore citate da ricercatori di Google attribuiscono all'inferenza l'80–90% dei carichi di lavoro di machine learning.

Perché le stime sul consumo energetico dell'IA variano così tanto?

Perché contano cose diverse. Includere il raffreddamento dei data center, i server inattivi e i computer host ha più che raddoppiato il dato di Google, da 0,10 Wh a 0,24 Wh. Anche dimensioni del modello, hardware, lunghezza del prompt e numero di token generati cambiano la risposta.

Quanta energia consuma la generazione di immagini con l'IA?

Nei test su modelli aperti di Luccioni, Jernite e Strubell, generare immagini ha richiesto in media circa 2,9 kWh ogni 1.000 immagini, cioè circa 2,9 Wh ciascuna, più di mille volte quanto serve per classificare un testo.

Come posso ridurre l'energia consumata dal mio uso dell'IA?

Usi un modello più piccolo o più veloce per i compiti semplici, mantenga brevi prompt e conversazioni, disattivi le modalità di ragionamento quando non servono e generi meno immagini e video. Il risparmio maggiore viene dal chiedersi se per quel compito serva davvero l'IA.

Fonti

  1. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  2. The gentle singularity, Sam Altman (OpenAI) (2025)
  3. How much energy does ChatGPT use?, Epoch AI (2025)
  4. How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
  5. AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
  6. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
  7. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
  8. The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
  9. Electricity use of AI coding agents, Simon P. Couch (2026)
  10. How we built our multi-agent research system, Anthropic (2025)
  11. Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
  12. Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
  13. Llama 3.1 8B model card, Meta (2024)
  14. Energy and AI, International Energy Agency (2025)
  15. Key questions on energy and AI, International Energy Agency (2026)
  16. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
  17. 2026 environmental data fact sheet, Microsoft (2026)
  18. Read our 11th annual Environmental Report, Google (2026)

Si unisca a noi

Aiuti a ridurre l'impatto dell'IA sul pianeta

Riceva per email nuove guide, bandi di finanziamento e schede delle directory, circa una volta al mese. Oppure aggiunga il suo prodotto, corso, dottorato o ricerca alle directory.

Nessun tracciamento. Disiscrizione con un clic. Altri modi per partecipare · Privacy