In breve
Queste statistiche sul consumo energetico dell'IA raccolgono 40 dei dati più utili su elettricità, acqua e carbonio dell'IA, ciascuno verificato sulla sua fonte primaria e datato. In breve, i data centre hanno usato circa 415 TWh di elettricità nel 2024 (circa l'1,5% del totale mondiale), la IEA prevede circa 950 TWh entro il 2030 e un tipico prompt di testo usa all'incirca 0,24–0,34 Wh secondo i dati degli stessi fornitori, mentre immagini, video, input lunghi e ragionamento usano molto di più.
Punti chiave
- Secondo la IEA, i data centre hanno usato circa 415 TWh di elettricità nel 2024, circa l'1,5% del totale mondiale, e 485 TWh nel 2025.
- La IEA prevede circa 950 TWh entro il 2030, circa il 3% della domanda mondiale di elettricità; il consumo di elettricità dei data centre dedicati all'IA è cresciuto del 50% nel 2025.
- I fornitori indicano circa 0,24 Wh (Google, prompt di testo mediano di Gemini) e 0,34 Wh (OpenAI, richiesta media a ChatGPT) per prompt di testo.
- Nei test di Hugging Face del 2025, i modelli di ragionamento hanno usato in media 30 volte più energia di quelli standard.
- Si stima che l'addestramento di GPT-3 abbia usato 1.287 MWh ed emesso circa 552 tonnellate di CO₂e.
- Nel 2025 i data centre hanno usato il 23% dell'elettricità misurata in Irlanda.
Questa pagina raccoglie le statistiche sull'energia dell'IA che si cercano più spesso, ciascuna verificata sulla sua fonte primaria, con l'anno a cui si riferisce. La usi per trovare rapidamente un dato, e consulti la fonte prima di citarlo in qualcosa di importante.
Quali sono le principali statistiche sul consumo energetico dell'IA?
I data centre usano circa l'1,5% dell'elettricità mondiale, una quota destinata all'incirca a raddoppiare entro il 2030, e l'IA ne è il motore principale. Un tipico prompt di testo usa una frazione di wattora, mentre immagini, video, input molto lunghi e ragionamento usano molto di più. Le tabelle seguenti riportano 40 dati divisi in dieci gruppi. Dove le fonti non concordano o un dato è un intervallo, viene indicato l'intervallo.
Elettricità dei data centre
Secondo la IEA, i data centre hanno usato circa 415 TWh nel 2024 e 485 TWh nel 2025. Un terawattora (TWh) equivale a un miliardo di kilowattora.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 1 | I data centre hanno usato circa 415 TWh di elettricità nel 2024, circa l'1,5% del consumo mondiale. | Agenzia internazionale dell'energia (IEA) | 2025 |
| 2 | Il consumo di elettricità dei data centre è cresciuto del 17% nel 2025, arrivando a 485 TWh. | IEA | 2026 |
| 3 | La IEA prevede circa 950 TWh entro il 2030, circa il 3% della domanda mondiale di elettricità. | IEA | 2026 |
| 4 | Le proiezioni per il 2035 vanno da 700 a 1.700 TWh a seconda degli scenari della IEA. | IEA | 2025 |
| 5 | Dal 2017 il consumo di elettricità dei data centre è cresciuto di circa il 12% l'anno. | IEA | 2025 |
| 6 | Fino al 2030 i data centre rappresenteranno circa un decimo della crescita della domanda mondiale di elettricità. | IEA | 2025 |
Dove si concentra la domanda
Pochi Paesi e regioni sostengono la maggior parte del carico. Veda IA e consumo elettrico dei data centre per capire che cosa significa per le reti elettriche.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 7 | Stati Uniti e Cina rappresentano quasi l'80% della crescita mondiale dell'elettricità dei data centre fino al 2030. | IEA | 2025 |
| 8 | Nel 2023 i data centre statunitensi hanno usato 176 TWh, circa il 4,4% dell'elettricità degli Stati Uniti. | Lawrence Berkeley National Laboratory (LBNL) | 2024 |
| 9 | Si prevede che entro il 2028 i data centre statunitensi useranno 325–580 TWh, il 6,7–12% dell'elettricità degli Stati Uniti. | LBNL | 2024 |
| 10 | Fino al 2030 i data centre rappresentano quasi metà della crescita della domanda di elettricità degli Stati Uniti. | IEA | 2025 |
| 11 | Nel 2025 i data centre hanno usato il 23% dell'elettricità misurata in Irlanda, contro il 5% nel 2015. | Central Statistics Office, Irlanda | 2026 |
| 12 | Nel 2023 i data centre hanno usato quasi un quarto dell'elettricità della Virginia. | Electric Power Research Institute | 2024 |
La quota dell'IA
Non esiste un dato pubblico esatto sulla quota dell'IA nell'elettricità dei data centre, ma l'IA è la parte in più rapida crescita.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 13 | Il consumo di elettricità dei data centre dedicati all'IA è cresciuto del 50% nel 2025. | IEA | 2026 |
| 14 | Nello scenario di base della IEA, il consumo di elettricità dei server accelerati, usati soprattutto per l'IA, dovrebbe crescere del 30% l'anno. | IEA | 2025 |
| 15 | Un tipico data centre dedicato all'IA usa tanta elettricità quanto 100.000 famiglie. | IEA | 2025 |
Energia per prompt
Secondo i dati degli stessi fornitori, un tipico prompt di testo usa circa 0,24–0,34 Wh. Sono dati dichiarati dalle aziende, ottenuti con metodi diversi e relativi solo al testo. Veda la misurazione è il collo di bottiglia.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 16 | Un prompt di testo mediano delle app Gemini ha usato 0,24 Wh, emesso 0,03 g di CO₂e e consumato 0,26 mL di acqua. | Google (Elsworth et al.) | 2025 |
| 17 | Contando solo i chip di IA attivi nei data centre più efficienti, lo stesso prompt scende a 0,10 Wh. | Google (Elsworth et al.) | 2025 |
| 18 | Una richiesta media a ChatGPT usa circa 0,34 Wh e circa 0,000085 galloni di acqua. | Sam Altman, OpenAI | 2025 |
| 19 | Una tipica richiesta a GPT-4o usa all'incirca 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. | Epoch AI | 2025 |
| 20 | Una risposta di 400 token di Mistral Large 2 emette 1,14 g di CO₂e e usa 45 mL di acqua. | Mistral AI | 2025 |
| 21 | I modelli di ragionamento hanno usato in media 30 volte più energia dei modelli standard; un modello ne ha usata da 150 a 700 volte di più con il ragionamento attivo. | Hugging Face AI Energy Score | 2025 |
Immagini e video
Generare immagini e video richiede molta più energia dei compiti testuali.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 22 | La generazione di immagini ha usato in media circa 2,9 kWh ogni 1.000 immagini, contro 0,002 kWh ogni 1.000 classificazioni di testo. | Luccioni, Jernite e Strubell | 2024 |
| 23 | Il modello di immagini meno efficiente tra quelli testati ha usato circa mezza ricarica di smartphone per immagine. | Luccioni, Jernite e Strubell | 2024 |
| 24 | I modelli aperti da testo a video hanno usato da 0,14 Wh a oltre 415 Wh per breve clip, con un'energia che cresce in modo quadratico con risoluzione e durata. | Delavande, Pierrard e Luccioni | 2025 |
Addestramento
Addestrare un grande modello può richiedere gigawattora, ma la maggior parte degli sviluppatori dei modelli più recenti non lo rende noto.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 25 | Si stima che l'addestramento di GPT-3 abbia usato 1.287 MWh ed emesso circa 552 tonnellate di CO₂e. | Patterson et al., Google | 2021 |
| 26 | L'addestramento di BLOOM ha emesso circa 24,7 tonnellate di CO₂e per l'elettricità, o 50,5 tonnellate includendo produzione dell'hardware e hardware inattivo. | Luccioni, Viguier e Ligozat | 2022 |
| 27 | L'addestramento dei modelli Llama 3.1 ha richiesto 39,3 milioni di ore GPU e 11.390 tonnellate di CO₂e (metodo location-based). | Meta | 2024 |
| 28 | L'addestramento di Mistral Large 2 e 18 mesi del suo utilizzo hanno prodotto 20,4 kilotonnellate di CO₂e e consumato 281.000 m³ di acqua. | Mistral AI | 2025 |
Acqua
L'IA usa acqua soprattutto per raffreddare i data centre e, indirettamente, per produrre elettricità. Veda come stimare l'impronta idrica dell'IA.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 29 | L'addestramento di GPT-3 nei data centre statunitensi di Microsoft potrebbe far evaporare direttamente 700.000 litri di acqua dolce. | Li, Yang, Islam e Ren | 2023 (rivisto nel 2025) |
| 30 | Nel 2027 la domanda mondiale di IA potrebbe corrispondere a 4,2–6,6 miliardi di m³ di prelievi idrici. | Li, Yang, Islam e Ren | 2023 (rivisto nel 2025) |
| 31 | Nel 2025 Google ha consumato 41 miliardi di litri (10,9 miliardi di galloni) di acqua nei suoi data centre e uffici, e ha reintegrato circa il 78% del suo consumo di acqua dolce. | 2026 |
Carbonio ed emissioni delle aziende
Le emissioni dei maggiori fornitori di IA stanno aumentando, nonostante grandi acquisti di energia pulita.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 32 | Nel 2025 le emissioni di Google rilevanti per i suoi obiettivi (ambition-based) sono state di circa 14,5 milioni di tonnellate di CO₂e, il 18% in più rispetto al 2024 e l'81% in più rispetto al 2019. | 2026 | |
| 33 | Nel suo esercizio finanziario 2025 le emissioni totali di Microsoft sono state di circa 20,3 milioni di tonnellate di CO₂e, contro circa 12,9 milioni nel 2020. | Microsoft | 2026 |
| 34 | Le emissioni assolute di Amazon sono aumentate del 16% dal 2024 al 2025, arrivando a 80,85 milioni di tonnellate di CO₂e. | Amazon | 2026 |
| 35 | L'IA generativa potrebbe aggiungere in totale 1,2–5,0 milioni di tonnellate di rifiuti elettronici nel periodo 2020–2030. | Wang et al., Nature Computational Science | 2024 |
Tendenze di hardware ed efficienza
Hardware e software stanno diventando molto più efficienti, ma la domanda cresce più in fretta.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 36 | L'hardware di punta per il machine learning diventa circa il 40% più efficiente dal punto di vista energetico ogni anno. | Epoch AI | 2024 |
| 37 | Il supercomputer più efficiente dal punto di vista energetico della lista Green500 di novembre 2026, KAIROS in Francia, offre 73,28 gigaflop per watt. | TOP500 | 2026 |
| 38 | Dal 1946 al 2009 le operazioni di calcolo per kilowattora sono raddoppiate circa ogni 1,57 anni ("legge di Koomey"). | Koomey et al. | 2011 |
Guadagni di efficienza dichiarati da fornitori e ricercatori
I guadagni dichiarati sono grandi, ma per lo più sono autodichiarati o misurati rispetto a un riferimento scelto.
| # | Dato | Fonte | Anno |
|---|---|---|---|
| 39 | Google riferisce che in 12 mesi energia e carbonio per prompt di testo mediano di Gemini sono diminuiti rispettivamente di 33 e di 44 volte. | Google (Elsworth et al.) | 2025 |
| 40 | Piccoli modelli specifici per un compito possono ridurre il consumo di energia fino al 90%, e prompt e risposte più brevi di oltre il 50%. | UNESCO e University College London | 2025 |
Altri due dati vengono citati spesso. Nel 2024 NVIDIA ha dichiarato che la sua piattaforma Blackwell riduce costi e consumi energetici fino a 25 volte rispetto alla generazione precedente per l'inferenza dei grandi modelli linguistici; si tratta di una dichiarazione del produttore per un carico di lavoro specifico. Inoltre, nel 2021 ricercatori di Google hanno stimato che la scelta di modello, data centre e processore può ridurre l'impronta di carbonio dell'addestramento fino a circa 100–1.000 volte. Per ottenere guadagni simili nella pratica, veda IA efficiente dal punto di vista energetico.
Opinione pubblica
La preoccupazione per l'impatto ambientale dell'IA è in aumento, almeno negli Stati Uniti. Altrove i dati dei sondaggi sono più scarsi.
- Nel 2026 il 53% degli statunitensi era estremamente o molto preoccupato per l'impatto ambientale dell'IA, contro il 41% nel 2025 (AP-NORC ed Energy Policy Institute dell'Università di Chicago).
- Nel 2025 il 72% degli statunitensi era almeno abbastanza preoccupato (stessi istituti di sondaggio).
- Nel Regno Unito, il rilevamento periodico del governo sugli atteggiamenti del pubblico del 2024 ha rilevato che il 54% si aspettava che l'IA aiutasse a monitorare il cambiamento climatico, e ha osservato che a questo ottimismo non corrispondeva la consapevolezza degli impatti ambientali negativi dell'IA.
Come scegliamo i dati
Usiamo fonti primarie, indichiamo l'anno e preferiamo gli intervalli quando i dati sono controversi.
- Solo fonti primarie. Ogni dato è verificato sul rapporto, sull'articolo o sulla pagina dell'editore stesso, non sulla copertura giornalistica. Dove non abbiamo trovato una fonte primaria, il dato è stato escluso.
- Riportati come pubblicati. Non arrotondiamo i dati fino a far dire alla fonte qualcosa che non dice. Quando calcoliamo qualcosa noi stessi, lo diciamo.
- I confini contano. I dati per prompt cambiano a seconda di che cosa si conta: il dato di Google scende da 0,24 Wh a 0,10 Wh se si contano solo i chip attivi. I dati delle aziende sono autodichiarati e non verificati in modo indipendente.
- Intervalli quando i dati sono controversi. Le proiezioni cambiano a seconda dello scenario, e mostriamo l'intervallo invece di scegliere un solo numero.
- Dati più vecchi segnalati. Una stima del 2019 molto citata per un singolo addestramento con ricerca dell'architettura neurale (circa 626.000 lb di CO₂e) secondo ricercatori di Google sovrastimava il costo reale; non l'abbiamo inclusa nelle tabelle.
Per verificare un dato visto altrove, veda come verificare un'affermazione sul consumo energetico dell'IA.
Ultima verifica
Tutti i dati di questa pagina sono stati verificati l'ultima volta sulle loro fonti il 20 novembre 2026. Aggiorniamo la pagina quando la IEA, gli istituti nazionali di statistica o i principali fornitori pubblicano nuovi dati. Se nota un dato più recente o un errore, ci contatti.
Che cosa fare adesso
- Quando cita dati sull'energia dell'IA, inserisca un link a questa pagina o a una tabella specifica e nomini la fonte originale.
- Metta in prospettiva il suo uso personale con come mettere in prospettiva il mio consumo energetico per l'IA.
- Misuri l'energia della sua IA con come misurare energia e carbonio dell'IA.
- Chieda i dati ai fornitori: veda come chiedere i dati energetici a un'azienda di IA.
- Riduca la sua impronta con IA efficiente dal punto di vista energetico.
Domande frequenti
Quanta energia consuma l'intelligenza artificiale?
Non esiste un dato unico per l'IA. La IEA stima che nel 2024 tutti i data centre abbiano usato circa 415 TWh, circa l'1,5% dell'elettricità mondiale, e che i data centre dedicati all'IA siano la parte in più rapida crescita: il loro consumo di elettricità è aumentato del 50% nel 2025.
Quanta energia consuma una richiesta a ChatGPT?
Nel 2025 l'amministratore delegato di OpenAI ha indicato circa 0,34 Wh per una richiesta media, ed Epoch AI ha stimato in modo indipendente circa 0,3 Wh per una tipica richiesta a GPT-4o. Gli input molto lunghi fanno salire nettamente il valore: Epoch AI stima quasi 40 Wh con un input di 100.000 token.
Quanta energia serve per generare un'immagine con l'IA?
In uno studio del 2024 di Luccioni, Jernite e Strubell, la generazione di immagini ha richiesto in media circa 2,9 kWh ogni 1.000 immagini, circa 2,9 Wh ciascuna. Il modello meno efficiente ha usato all'incirca mezza ricarica di smartphone per immagine.
Quanta acqua consuma l'IA?
Google indica 0,26 mL di acqua per un prompt di testo mediano di Gemini, e Mistral 45 mL per una risposta di 400 token di Mistral Large 2. I ricercatori stimano che la domanda mondiale di IA potrebbe corrispondere a 4,2–6,6 miliardi di metri cubi di prelievi idrici nel 2027.
Quanta energia è servita per addestrare GPT-3?
Ricercatori di Google hanno stimato 1.287 MWh di elettricità e circa 552 tonnellate di CO₂e per l'addestramento di GPT-3, in uno studio pubblicato nel 2021. L'energia di addestramento dei modelli più nuovi e più grandi in genere non viene resa nota.
Che percentuale dell'elettricità usano i data centre?
Circa l'1,5% a livello mondiale nel 2024 (IEA), il 4,4% negli Stati Uniti nel 2023 (Lawrence Berkeley National Laboratory) e il 23% dell'elettricità misurata in Irlanda nel 2025 (Central Statistics Office).
L'IA sta diventando più efficiente dal punto di vista energetico?
Sì, per singolo compito. Google riferisce che l'energia del suo prompt mediano di Gemini è diminuita di 33 volte in un anno, ed Epoch AI rileva che i principali chip per l'IA diventano circa il 40% più efficienti ogni anno. Il consumo totale continua però a salire, perché la domanda cresce più in fretta.
Le persone sono preoccupate per l'impatto ambientale dell'IA?
Sempre di più, almeno negli Stati Uniti: un sondaggio di AP-NORC e dell'Università di Chicago ha rilevato che nel 2026 il 53% degli statunitensi era estremamente o molto preoccupato per l'impatto ambientale dell'IA, contro il 41% nel 2025.
Fonti
- Energy and AI: executive summary, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
- Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
- Carbon emissions and large neural network training, Patterson et al., Google (2021)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
- Llama 3.1 model card, Meta (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
- Google 2026 environmental report, Google (2026)
- 2026 environmental data fact sheet, Microsoft (2026)
- 2025 Amazon sustainability report, Amazon (2026)
- E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
- Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- Green500, November 2026, TOP500 (2026)
- NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
- 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
- 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
- Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)
Correlati
IA e consumo elettrico dei data centre
Consumo energetico dei data centre e domanda di elettricità dell'IA: proiezioni IEA, casi come Irlanda e Virginia, risposte delle reti e politiche pubbliche.
IA a basso consumo energetico: come far consumare meno l'IA
IA efficiente dal punto di vista energetico: le leve che riducono di più il consumo, in ordine, da modelli piccoli e quantizzazione a routing, cache e località.
La misurazione è il collo di bottiglia dell'IA verde
Perché i dati sull'energia dell'IA sono difficili da verificare e confrontare: dichiarazioni proprie, stime invece di misure, confini diversi.
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.