greenai.guide

Home › Articoli › Statistiche sul consumo energetico dell'IA (aggiornate a novembre 2026)

Articolo

Statistiche sul consumo energetico dell'IA (aggiornate a novembre 2026)

Aggiornato · 9 min di lettura

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. Google 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. Google 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

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

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

  1. Energy and AI: executive summary, International Energy Agency (2025)
  2. Key questions on energy and AI, International Energy Agency (2026)
  3. 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)
  4. Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
  5. Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
  6. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  7. The gentle singularity, Sam Altman (OpenAI) (2025)
  8. How much energy does ChatGPT use?, Epoch AI (2025)
  9. Our contribution to a global environmental standard for AI, Mistral AI (2025)
  10. AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
  11. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
  12. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
  13. Carbon emissions and large neural network training, Patterson et al., Google (2021)
  14. Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
  15. Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
  16. Llama 3.1 model card, Meta (2024)
  17. Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
  18. Google 2026 environmental report, Google (2026)
  19. 2026 environmental data fact sheet, Microsoft (2026)
  20. 2025 Amazon sustainability report, Amazon (2026)
  21. E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
  22. Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
  23. Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
  24. Green500, November 2026, TOP500 (2026)
  25. NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
  26. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
  27. 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
  28. 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
  29. Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)

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