要点
AI のエネルギーは、自分で管理しているハードウェアは計測し、管理していないサービスは推計して求めます。そのうえで両方を、 地域と時間を合わせた電力網のデータを使って炭素に換算します。すべての数値には境界、方法、不確かさを記録し、 合計だけでなく、有用な仕事 1 単位あたりの値として報告しましょう。
要点
- 計測できるところは計測し(ハードウェアカウンター、GPU テレメトリー、電源プラグ、スケジューラーのログ)、できないところは推計します(ホスト型 API、パブリッククラウド)。
- すべての数値には、明記されたシステム境界が必要です。何が含まれ、何が含まれず、それはなぜかを示します。
- エネルギーは、リクエスト 1 件あたりや文書 1 件あたりなど、有用な仕事 1 単位あたりで報告しましょう。そうすれば、利用が増えても効率が見えます。
- 作業が実行された地域と時間帯の、ロケーション基準の電力網の炭素強度を使いましょう。証書によってそれが変わることはありません。
- 計測を繰り返し、範囲を示しましょう。前後 1 回ずつの比較だけでは、ノイズにすぎないことがあります。
そもそも、なぜ測るのですか?
測っていないものは、減らすことも、比べることも、誠実に主張することもできないからです。 計測によって、 「AI は大量のエネルギーを使う」という話が、行動につなげられる数値に変わります。どの機能、モデル、ジョブが最もコストが高いのか、 そして変更が効果を上げたのかがわかります。
2026 年に英国で開かれた、数学者、コンピューター科学者、産業界によるグリーン AI のサンドピット(集中討議型ワークショップ)では、 計測がボトルネックであることが繰り返し話題になりました。公表されている数値の多くは推計であり、方法が記録されていないことも よくあります。また、何を数えるかによって、同じ作業からまったく異なる数値が出ることがあります。このガイドでは、 検証に耐える方法を説明します。
計測すべきですか、推計すべきですか?
自分で管理しているハードウェアは計測し、管理していないサービスは推計しましょう。 どちらの数値がどちらなのかを すべて明記していれば、どちらも妥当です。
| 状況 | 方法 | 代表的なツール |
|---|---|---|
| 自分のノートパソコン、ワークステーション、サーバー | ハードウェアカウンターで計測 | perf または powercap(Intel/AMD の RAPL カウンター)、PowerJoular、Scaphandre |
| 自分の GPU | ベンダーのテレメトリーで、時間を通してサンプリングして計測 | nvidia-smi または NVML、CodeCarbon |
| 研究用クラスター | スケジューラーのエネルギー記録を読む | Slurm sacct(ConsumedEnergy フィールド、有効な場合) |
| パブリッククラウドの仮想マシン | 稼働率と請求情報から推計 | Cloud Carbon Footprint、プロバイダーの炭素ダッシュボード |
| ホスト型 AI API | トークンとモデルに関する仮定から推計 | EcoLogits |
| 選ぶ前にオープンモデルを比較する | 標準的なベンチマークを使う | Hugging Face AI Energy Score |
CodeCarbon 自身のガイダンスも同じ線を引いています。管理しているハードウェア上で動くコードには CodeCarbon を使い、 ハードウェアにアクセスできないリモートの生成 AI サービスへの呼び出しには EcoLogits を使う、というものです。
計測器の限界を知る
- GPU テレメトリーはサンプリングであり、連続的に監視しているわけではありません。 研究者たちは、A100 と H100 の GPU で
nvidia-smiが電力について実行時間の約 25% しかサンプリングしていないことを発見しました。そのため、短いジョブでは 大きな過小評価や過大評価が起こりえます。ジョブ全体を通してサンプリングし、多くのサンプリング間隔をカバーできるだけ長く実行し、 時間で積分しましょう。 - ソフトウェアによる計測はモデルです。 プラットフォームごとに一度、壁のコンセントでの計測器(計測機能付きのスマートプラグで 十分です)と照らし合わせて確認しましょう。
- クラウドの数値は推計です。 パブリッククラウドの仮想マシンでは通常、ハードウェアカウンターを利用できないため、 クラウドの数値には推計であることを明記しましょう。
システム境界には何を含めるべきですか?
重要なものがすべて入るように境界を十分広く取り、それを書き留めましょう。 境界のない数値は、何とも比べられません。
Gemini に関する Google の 2025 年の論文がよい例です。アクセラレーター、ホストマシン、アイドル状態の容量、 データセンターのオーバーヘッドを数えると、テキストプロンプト(中央値)は 0.24 Wh になり、稼働中の TPU と GPU の使用だけを数えると 0.10 Wh になると報告しています。どちらも誠実な数値ですが、答えている問いが異なります。Google の境界には、外部ネットワーク、 利用者の端末、モデルの学習も含まれておらず、これらの数値は独立した検証を受けていません。
次の層を順に検討し、それぞれを含めるか含めないかを決めましょう。
- 計算を行うアクセラレーター(GPU、TPU)。
- サーバーのその他の部分: CPU、メモリ、ストレージ。
- 作業のために待機させているアイドル状態や予約済みの容量。
- データセンターのオーバーヘッド: 冷却と電力変換。PUE で捉えられます。
- 利用者とサービスの間のネットワーク。
- 利用者の端末。
- 内包排出量(エンボディド・エミッション): ハードウェアの製造のうち、自分の利用に帰属する分。
- 学習とファインチューニング。 モデルの耐用期間にわたって按分します。
- 周辺のプロセス: 再試行、失敗した実行、人によるレビューの時間。
サンドピットでは、「AI は手作業より 30 倍コストがかかる」といった主張についても同じ指摘がありました。答えは、人の作業時間、 その人の機器、そしてその周辺のすべてを数えるかどうかで変わります。比べる前に境界を定義しましょう。
何を記録すべきですか?
他の人が同じ計測を繰り返して、似た数値を得られるだけの情報を記録しましょう。 数値ごとに、次のことを残します。
- 何を測ったか: モデルとバージョン、タスク、データセットまたはプロンプトのセット、入力と出力のトークン数。
- どこで、いつ: ハードウェア、地域、日付と時刻(炭素強度を求めるのに必要です)。
- どのように: ツールとバージョン、サンプリングレート、計測か推計か、アイドル時のベースラインを含めたか除いたか。
- 境界: 上記の層のどれを含めたか。
- 配分のルール: 共有されたエネルギーやアイドル時のエネルギーを、利用者やサービスの間でどう分けたか。
- ばらつき: 実行回数、平均、範囲。
- 品質: その時点での正確さ、またはタスクの成功率。安くても間違った答えは、節約にはなりません。
エネルギーを炭素に換算するにはどうすればよいですか?
エネルギーに、それが実行された場所と時間の電力網の炭素強度を掛け、内包排出量が境界に含まれる場合はそれを加えます。 Green Software Foundation の Software Carbon Intensity(SCI)仕様は ISO/IEC 21031:2024 として発行されており、 これを次のような率として表しています。
SCI = ((E × I) + M) per R
ここで E はエネルギー、I はロケーション基準の電力網の炭素強度、M は 内包排出量、R は機能単位です。この仕様はロケーション基準の電力網の数値を使い、再生可能エネルギー証書、電力購入契約、 オフセットといったマーケット基準の手段によってスコアを下げることを認めていません。
- できる限り、地域ごとで時間を合わせたデータを使いましょう。グレートブリテンでは、National Energy System Operator の Carbon Intensity API が地域ごとの予測と推計を提供しています。Electricity Maps は他の多くの国をカバーしています。
- 年間の全国平均は、より細かいデータがない場合にだけ使い、そのことを明記しましょう。
タスクあたりの指標では、何が最も役立ちますか?
AI が生み出す価値に合った機能単位を選び、それに対して報告しましょう。 合計値は成長とともに増え、効率を覆い隠します。 単位あたりの数値なら、効率が見えます。
AI 作業に適した機能単位には、次のようなものがあります。
- リクエスト 1 件、回答 1 件、または会話 1 回あたり
- 要約した文書 1 件、分類したチケット 1 件、生成した画像 1 枚あたり
- 成功したタスク 1 件あたり(失敗した試行も数に入るので、さらによい)
- 開発作業では、学習の実行 1 回あたり、またはファインチューニングしたモデル 1 つあたり
そのうえで、単位あたりのエネルギー、単位あたりの炭素、単位あたりの品質、合計を並べて追跡しましょう。 単位あたりのエネルギーが下がっているのに合計が増えているなら、効率は改善していますが、利用がそれ以上の速さで増えています。 これがリバウンド効果であり、報告にはそれが表れるべきです。
不確かさはどう扱えばよいですか?
繰り返し測り、範囲を報告し、ノイズより大きい変化だけを主張しましょう。 計測値は、温度、バックグラウンドのプロセス、 周波数スケーリングによって変わります。
- まず、同じマシンでアイドル時のベースラインを測る。
- 各テストを何回か実行し、平均とばらつきを報告する。
- 一度に 1 つだけ変え、同じ構成と負荷で測り直す。
- 推計では、すべての仮定(モデルのサイズ、ハードウェア、稼働率、PUE)を列挙し、低いケースと高いケースを示す。
- 計測値やサプライヤーが報告した数値が手に入ったら、推計をそれに置き換える。
公表されているプロンプトあたりの数値は参考情報として役立ちますが、自分の数値の代わりにはなりません。典型的な ChatGPT の 問い合わせについての Epoch AI のボトムアップの推計は約 0.3 Wh ですが、10,000 トークンの入力では約 2.5 Wh、 100,000 トークンの入力では 40 Wh 近くまで増えます。どんな見出しの平均値よりも、ご自身の利用パターンのほうが重要です。
チェックリスト
- [ ] 各数値に、計測か推計か、ツールとバージョンを明記した
- [ ] 何を除外したか、その理由も含めて境界を書き留めた
- [ ] アイドル時のベースラインを記録し、共有エネルギーの配分ルールを示した
- [ ] GPU の電力を、スナップショットではなくジョブ全体を通してサンプリングした
- [ ] 合計と品質と並べて、機能単位あたりのエネルギーを報告した
- [ ] ロケーション基準で時間を合わせた電力網のデータを使って炭素を計算した
- [ ] 複数回実行し、平均と範囲を報告した
- [ ] 他の人が再現できるよう、方法を結果と一緒に保存した
次にすること
- AI の機能かワークロードを 1 つ選び、その機能単位を定義する。
- 学習やローカル推論のスクリプトに CodeCarbon を、AI API クライアントに EcoLogits を追加し、リクエストや実行ごとに エネルギーを記録する。
- 1 ページの計測方法をまとめる。境界、ツール、配分ルール、炭素データの出典を記載する。
- モデルを選ぶ前に、候補のモデルをベンチマークする。適切なモデルを選ぶをご覧ください。
- 数値を公表する前に、誠実なグリーン主張と照らし合わせて確認する。
- 計測がボトルネックである理由を読み、製品ディレクトリで 計測ツールを、コンサルタントで支援を探す。
よくある質問
AI へのプロンプト 1 件で、どのくらいのエネルギーを使いますか?
典型的なテキストプロンプトについて公表されている数値は、1 ワット時に満たない程度です。Google は Gemini のテキストプロンプト(中央値)を 0.24 Wh と報告し、Epoch AI は典型的な ChatGPT の問い合わせを約 0.3 Wh と推計しています。長い入力、推論(リーズニング)、画像や動画の生成では、はるかに多くかかることがあります。
ChatGPT のようなホスト型 AI サービスのエネルギーを測ることはできますか?
直接は測れません。EcoLogits などのツールを使って、トークン数とモデルに関する仮定から推計することができます。また、サプライヤーに独自の数値とその方法を尋ねましょう。
実行時間はエネルギーの代わりとしてよい指標ですか?
いいえ。速度とエネルギーは連動することが多いものの、いつもそうとは限りません。エネルギーを直接測り、両方を報告しましょう。
システム境界とは何ですか?
数値に何が含まれるかの一覧です。たとえば GPU だけ、サーバー全体、データセンターのオーバーヘッド、ネットワーク、利用者の端末、ハードウェアの製造などです。境界が異なるために、どちらも誠実な 2 つの数値が 10 倍違うこともあります。
出典
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv 2508.15734) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Part-time power measurements: nvidia-smi's lack of attention, Yang et al. (arXiv 2312.02741) (2023)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
- ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification, ISO (2024)
- When to use CodeCarbon, CodeCarbon (2025)
- EcoLogits documentation, EcoLogits (2025)
- AI Energy Score, Hugging Face (2025)
- Carbon Intensity API, National Energy System Operator (2025)
- Slurm sacct manual (ConsumedEnergy), SchedMD (2025)
関連
用途に合ったモデルを選ぶ
AI を適正なサイズで使う方法。小型・特化型モデルを使うべき場面、フロンティアモデルがコストに見合う場面、ルーティングの仕組み、AI を使わないほうがよい場面を解説します。
AI についての誠実な環境主張
AI のグリーンウォッシングを避ける方法。主張してよいこと・いけないこと、リバウンド効果、誠実な報告、英国・EU・米国の環境主張のルールを解説します。
グリーン AI のボトルネックは測定にある
AI のエネルギー数値が信頼しにくく比べにくい理由を解説します。自己申告の数値、実測ではない推計、異なる境界、そしてよい測定のあり方を紹介します。
AI のエネルギーラベルとベンチマーク
2026 年時点の AI のエネルギー評価の現状を、AI Energy Score、MLPerf Power、EU AI 法の文書化義務、データセンターの格付けから整理し、ラベルで何がわかるかを説明します。