# 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.

Source: https://greenai.guide/it/buone-pratiche/come-misurare-l-energia-e-il-carbonio-dell-ia/  
Updated: 2026-11-19

## In breve

Misuri l'energia dell'IA rilevando i consumi dell'hardware che controlla e stimando quelli dei servizi che non controlla, poi converta entrambi in carbonio con dati di rete locali e riferiti allo stesso momento. Registri con ogni dato il confine, il metodo e l'incertezza, e lo riporti per unità di lavoro utile, non solo come totale.

## Punti chiave

- Misuri dove può (contatori hardware, telemetria delle GPU, prese, log dello scheduler) e stimi dove non può (API ospitate, cloud pubblico).
- Ogni dato richiede un confine del sistema dichiarato: che cosa è incluso, che cosa è escluso e perché.
- Riporti l'energia per unità di lavoro utile, per esempio per richiesta o per documento, così l'efficienza resta visibile mentre l'uso cresce.
- Usi l'intensità carbonica della rete location-based per la regione e l'ora in cui il lavoro è stato eseguito; i certificati non la cambiano.
- Ripeta le misurazioni e indichi un intervallo. Una sola coppia prima-dopo può essere rumore.

## Perché misurare? {#why-measure-at-all}

**Non si può ridurre, confrontare né dichiarare onestamente ciò che non si è misurato.** La misurazione trasforma
"l'IA consuma molta energia" in numeri su cui agire: quale funzione, modello o lavoro costa di più, e se una
modifica è servita.

Al sandpit (un laboratorio di idee) britannico sull'IA verde del 2026, con matematici, informatici e industria, la
misurazione è emersa più volte come il collo di bottiglia. Molti dati pubblicati sono stime, i metodi spesso non sono
documentati e lo stesso lavoro può produrre numeri molto diversi a seconda di che cosa si conta. Questa guida
presenta un metodo che regge.

## Devo misurare o stimare? {#should-i-meter-or-estimate}

**Misuri l'hardware che controlla; stimi i servizi che non controlla.** Entrambe le strade sono valide, purché ogni
dato dica quale è stata seguita.

| Situazione | Approccio | Strumenti tipici |
|---|---|---|
| Il Suo portatile, workstation o server | Misurare con i contatori hardware | `perf` o powercap (contatori RAPL Intel/AMD), PowerJoular, Scaphandre |
| Le Sue GPU | Misurare con la telemetria del produttore, campionata nel tempo | `nvidia-smi` o NVML, CodeCarbon |
| Un cluster di ricerca | Leggere la contabilità energetica dello scheduler | Slurm `sacct` (campo ConsumedEnergy), dove abilitato |
| Macchine virtuali nel cloud pubblico | Stimare da utilizzo e fatturazione | Cloud Carbon Footprint, cruscotti delle emissioni dei provider |
| API di IA ospitate | Stimare da token e ipotesi sul modello | EcoLogits |
| Confrontare modelli aperti prima di scegliere | Usare un benchmark standard | Hugging Face AI Energy Score |

Le indicazioni di CodeCarbon tracciano la stessa linea: usare CodeCarbon per il codice che gira su hardware gestito
da Lei ed EcoLogits per le chiamate a servizi remoti di IA generativa, dove non ha accesso all'hardware.

### Conosca i limiti del Suo strumento di misura {#know-the-limits-of-your-meter}

- **La telemetria delle GPU campiona, non osserva di continuo.** Alcuni ricercatori hanno rilevato che sulle GPU
  A100 e H100 `nvidia-smi` campiona la potenza solo per circa il 25% del tempo di esecuzione, il che può causare
  forti sottostime o sovrastime per i lavori brevi. Campioni per l'intera durata del lavoro, lo faccia durare
  abbastanza da coprire molti intervalli di campionamento e integri nel tempo.
- **I misuratori software sono modelli.** Li verifichi una volta per piattaforma con un misuratore a presa (basta
  una presa intelligente con misurazione).
- **I numeri del cloud sono stime.** Sulle macchine virtuali del cloud pubblico i contatori hardware di solito non
  sono disponibili, quindi etichetti i dati del cloud come stimati.

## Che cosa dovrebbe includere il confine del sistema? {#what-should-the-system-boundary-include}

**Tracci il confine abbastanza largo da includere tutto ciò che è significativo, e lo metta per iscritto.** Un dato
senza confine non si può confrontare con nulla.

L'articolo di Google del 2025 su Gemini ne è un buon esempio. Indica per un prompt testuale mediano 0,24 Wh quando
conta acceleratori, macchine host, capacità inattiva e sovraccarico del data centre, e 0,10 Wh quando conta solo
l'uso attivo di TPU e GPU. Entrambi i dati sono onesti; rispondono a domande diverse. Il confine di Google esclude
inoltre la rete esterna, i dispositivi degli utenti e l'addestramento del modello, e i dati non sono stati
verificati in modo indipendente.

Esamini questi livelli e decida, per ciascuno, se è dentro o fuori:

1. **L'acceleratore** (GPU, TPU) che esegue i calcoli.
2. **Il resto del server:** CPU, memoria, archiviazione.
3. **La capacità inattiva e riservata** tenuta pronta per il Suo lavoro.
4. **Il sovraccarico del data centre:** raffreddamento e conversione dell'energia, rappresentati dal [PUE](/it/glossario/#pue).
5. **La rete** tra gli utenti e il servizio.
6. **I dispositivi degli utenti.**
7. **Le emissioni incorporate:** la quota della fabbricazione dell'hardware attribuibile al Suo uso.
8. **Addestramento e fine-tuning,** ripartiti sulla vita utile del modello.
9. **Il processo circostante:** nuovi tentativi, esecuzioni fallite, tempo di revisione umana.

Il sandpit ha fatto la stessa osservazione su affermazioni come "l'IA costa trenta volte più che farlo a mano": la
risposta dipende dal fatto che si conti o meno il tempo di lavoro della persona, la sua attrezzatura e tutto ciò che
la circonda. Definisca il confine prima di confrontare.

## Che cosa devo registrare? {#what-should-i-record}

**Registri abbastanza perché un'altra persona possa ripetere la misurazione e ottenere un numero simile.** Per ogni
dato, conservi:

- **Che cosa è stato misurato:** modello e versione, attività, set di dati o di prompt, numero di token in input e
  in output.
- **Dove e quando:** hardware, regione, data e ora (necessarie per l'intensità carbonica).
- **Come:** strumento e versione, frequenza di campionamento, misurato o stimato, consumo di base a riposo incluso o
  escluso.
- **Il confine:** quali dei livelli sopra sono inclusi.
- **La regola di ripartizione:** come l'energia condivisa o inattiva è stata suddivisa tra utenti o servizi.
- **La dispersione:** numero di esecuzioni, media e intervallo.
- **La qualità:** l'accuratezza o il tasso di successo dell'attività in quel momento. Una risposta sbagliata a basso
  costo non è un risparmio.

## Come converto l'energia in carbonio? {#how-do-i-turn-energy-into-carbon}

**Moltiplichi l'energia per l'intensità carbonica della rete nel luogo e nel momento in cui il lavoro è stato
eseguito, e aggiunga le emissioni incorporate se rientrano nel Suo confine.** La specifica Software Carbon Intensity
(SCI) della Green Software Foundation, pubblicata come ISO/IEC 21031:2024, la esprime come un tasso:

> SCI = ((E × I) + M) per R

dove **E** è l'energia, **I** è l'[intensità carbonica](/it/glossario/#carbon-intensity) della rete location-based,
**M** sono le emissioni incorporate e **R** è l'unità funzionale. La specifica usa dati di rete location-based e non
consente che misure market-based come certificati di energia rinnovabile, contratti di acquisto di energia o
compensazioni riducano il punteggio.

- Usi, dove può, dati regionali e riferiti allo stesso momento. In Gran Bretagna, la Carbon Intensity API del
  National Energy System Operator fornisce previsioni e stime regionali; Electricity Maps copre molti altri paesi.
- Ricorra alle medie nazionali annuali solo quando non esiste nulla di più dettagliato, e lo dichiari.

## Quali metriche per attività funzionano meglio? {#which-per-task-metrics-work-best}

**Scelga un'unità funzionale che corrisponda al valore fornito dalla Sua IA e riporti i dati rispetto a quella.** I
totali crescono con la crescita e nascondono l'efficienza; i dati per unità la mostrano.

Buone unità funzionali per il lavoro di IA:

- per richiesta, per risposta o per conversazione
- per documento riassunto, ticket classificato o immagine prodotta
- per attività riuscita (ancora meglio, perché anche i tentativi falliti contano)
- per esecuzione di addestramento o per modello sottoposto a fine-tuning, per il lavoro di sviluppo

Poi segua **energia per unità**, **carbonio per unità**, **qualità per unità** e **totale** fianco a fianco. Se
l'energia per unità scende mentre il totale sale, l'efficienza migliora ma l'uso cresce più in fretta: è
l'[effetto rimbalzo](/it/glossario/#rebound-effect), e la Sua rendicontazione dovrebbe mostrarlo.

## Come gestisco l'incertezza? {#how-do-i-handle-uncertainty}

**Ripeta, riporti un intervallo e dichiari solo variazioni più grandi del rumore.** Le letture variano con la
temperatura, i processi in background e la variazione di frequenza dei processori.

- Misuri prima il consumo di base a riposo sulla stessa macchina.
- Esegua ogni test più volte; riporti media e dispersione.
- Cambi una cosa alla volta e misuri di nuovo con la stessa configurazione e lo stesso carico.
- Per le stime, elenchi ogni ipotesi (dimensione del modello, hardware, utilizzo, PUE) e indichi un caso basso e uno
  alto.
- Sostituisca le stime con dati misurati o comunicati dai fornitori man mano che diventano disponibili.

I dati per prompt pubblicati sono un contesto utile, non un sostituto dei Suoi numeri. La stima dal basso di Epoch
AI di circa 0,3 Wh per una tipica richiesta a ChatGPT sale a circa 2,5 Wh con un input di 10.000 token e a quasi 40
Wh con un input di 100.000 token. Il Suo modo d'uso conta più di qualsiasi media da titolo.

## Lista di controllo {#checklist}

- [ ] Ogni dato è etichettato come misurato o stimato, con strumento e versione
- [ ] Confine messo per iscritto, compreso ciò che è stato escluso e perché
- [ ] Consumo di base a riposo registrato; regola di ripartizione dell'energia condivisa dichiarata
- [ ] Potenza delle GPU campionata per l'intero lavoro, non con un'istantanea
- [ ] Energia riportata per unità funzionale, insieme a totale e qualità
- [ ] Carbonio calcolato con dati di rete location-based e riferiti allo stesso momento
- [ ] Più esecuzioni; media e intervallo riportati
- [ ] Metodo conservato con i risultati, così che altri possano ripeterlo

## Che cosa fare adesso {#what-to-do-next}

1. Scelga una funzione o un carico di lavoro di IA e ne definisca l'unità funzionale.
2. Aggiunga CodeCarbon a uno script di addestramento o di inferenza locale, oppure EcoLogits al Suo client per le
   API di IA, e registri l'energia con ogni richiesta o esecuzione.
3. Scriva un metodo di misurazione di una pagina: confine, strumenti, regola di ripartizione, fonte dei dati sul
   carbonio.
4. Metta alla prova i modelli candidati prima di sceglierne uno; veda [scegliere il modello giusto](/it/buone-pratiche/scegliere-il-modello-giusto-per-il-compito/).
5. Prima di pubblicare qualsiasi dato, lo verifichi con [dichiarazioni ambientali oneste](/it/buone-pratiche/dichiarazioni-ambientali-oneste-sull-ia/).
6. Legga perché [la misurazione è il collo di bottiglia](/it/articoli/la-misurazione-e-il-collo-di-bottiglia-dell-ia-verde/) e trovi strumenti
   di misurazione nella [directory dei prodotti](/it/prodotti/) o aiuto dai [consulenti](/it/consulenti/).

## Domande frequenti

### Quanta energia consuma un prompt di IA?

I dati pubblicati per un tipico prompt testuale sono una frazione di wattora: Google indica 0,24 Wh per un prompt testuale mediano di Gemini ed Epoch AI stima circa 0,3 Wh per una tipica richiesta a ChatGPT. Input lunghi, ragionamento e generazione di immagini o video possono costare molto di più.

### Posso misurare l'energia di un servizio di IA ospitato come ChatGPT?

Non direttamente. Può stimarla dal numero di token e da ipotesi sul modello con uno strumento come EcoLogits, e chiedere al fornitore i suoi dati e il suo metodo.

### Il tempo di esecuzione è un buon sostituto dell'energia?

No. Velocità ed energia spesso vanno di pari passo, ma non sempre, quindi misuri direttamente l'energia e riporti entrambi.

### Che cos'è un confine del sistema?

È l'elenco di ciò che il Suo dato include: per esempio solo la GPU, l'intero server, il sovraccarico del data centre, la rete, i dispositivi degli utenti e la fabbricazione dell'hardware. Due dati onesti possono differire di dieci volte perché i loro confini sono diversi.

## Fonti

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Google (arXiv 2508.15734) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Part-time power measurements: nvidia-smi's lack of attention](https://arxiv.org/abs/2312.02741), Yang et al. (arXiv 2312.02741) (2023)
- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification](https://www.iso.org/standard/86612.html), ISO (2024)
- [When to use CodeCarbon](https://docs.codecarbon.io/latest/explanation/when-to-use/), CodeCarbon (2025)
- [EcoLogits documentation](https://ecologits.ai/latest/), EcoLogits (2025)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
- [Carbon Intensity API](https://carbonintensity.org.uk/), National Energy System Operator (2025)
- [Slurm sacct manual (ConsumedEnergy)](https://slurm.schedmd.com/sacct.html), SchedMD (2025)
