要点
AI のカーボンフットプリントとは、AI が動くハードウェアや建物を作るとき(内包炭素)と、モデルを訓練し動かす電力を作るとき(運用炭素)に排出される温室効果ガスのことです。テキストプロンプト 1 件あたりでは小さく、Google は Gemini のプロンプト(中央値)で CO₂ 換算 0.03 g と報告しています。しかし AI の排出量は積み重なります。GPT-3 の訓練は 552 トンと推計され、Microsoft の総排出量は、AI の設備を拡大するなかで 2020 年から 2025 年にかけて約 1,290 万トンから 2,030 万トンに増えました。電力をどこから得るかは、どれだけ使うかと同じくらい重要です。
要点
- Google は 2025 年 5 月の Gemini のテキストプロンプト(中央値)について、マーケット基準で 0.03 g CO₂e と報告しています。1 年で 44 分の 1 に下がりました。その約 3 分の 1 はハードウェアやその他の電力以外の排出です。
- Mistral AI のライフサイクルアセスメントでは、Le Chat の 400 トークンの応答 1 件が 1.14 g CO₂e、Mistral Large 2 の訓練と 18 か月間の利用が 20,400 トンとされました。
- GPT-3 の訓練は 552 トン CO₂e と推計されています。Meta は Llama 3.1 ファミリーについて、ロケーション基準で 11,390 トン、マーケット基準でゼロと報告しています。
- Microsoft の排出量は、2020 会計年度の約 1,290 万トンから 2025 年には約 2,030 万トンに増えました。
- Patterson らによると、モデル、データセンター、プロセッサーの選択によって、訓練の炭素を約 100〜1,000 分の 1 に減らせます。
- ローレンス・バークレー国立研究所によると、米国のデータセンターの 2023 年の電力は約 7,400 万トン CO₂e、平均で 1 kWh あたり 0.34 kg に相当しました。
AI のカーボンフットプリントとは何でしょうか。AI が動くハードウェアや建物を作るとき、そしてモデルを訓練し動かす電力を作るときに出る温室効果ガスのことです。プロンプト 1 件あたりの AI のカーボンフットプリントは小さいものの、全体では AI の排出量は急速に増えています。データセンターの電力使用と建設が急速に増えているからです。このページでは、公表されている数値、それらが異なる理由、そして自分の分を推計する方法を紹介します。
プロンプト 1 回あたりの AI のカーボンフットプリントはどれくらいですか?
短いテキストプロンプトなら、提供企業自身の算定では CO₂ 換算で 1 グラムに満たない量です。ライフサイクル全体を数えると、もっと多くなります。 CO₂ 換算(CO₂e)とは、二酸化炭素にほかの温室効果ガスを、その温暖化効果で重み付けして加えたものです。
| 数値 | 対象範囲 | 出典 |
|---|---|---|
| Gemini のテキストプロンプト(中央値)1 件あたり 0.03 g CO₂e | 電力(マーケット基準)とハードウェアなどの排出、2025 年 5 月 | Google、2025 年 |
| Le Chat の 400 トークンの応答 1 件あたり 1.14 g CO₂e | 推論のライフサイクルアセスメント、利用者の端末を除く | Mistral AI、2025 年 |
| ChatGPT の平均的なクエリ 1 件あたり約 0.34 Wh | エネルギーのみ、炭素の数値は未公表 | OpenAI 最高経営責任者、2025 年 |
ChatGPT のクエリ 1 件あたりの公式なカーボンフットプリントはありません。OpenAI はエネルギーの数値は示しましたが、炭素の数値は示しておらず、炭素は同社のデータセンターが電力を受ける電力網によって決まります。
Google の数値の内訳は、電力による 0.023 g と、ハードウェアの製造を含むスコープ 1 とスコープ 3 の排出による 0.010 g です。同社は、プロンプト(中央値)1 件あたりの炭素が 1 年で 44 分の 1 に下がったとも報告しています。Mistral の数値が大きいのは、一つにはライフサイクルのより多くの部分を数え、異なる方法を使っているためです。2 つは直接比較できません。
ヘビーな利用では話が変わります。Zeke Hausfather は、自身の AI コーディングエージェントの集中的な利用(年間約 1.1 MWh の電力)が、年間約 370 kg CO₂e を排出すると推計しました。AI の消費電力はどれくらい?をご覧ください。
運用炭素と内包炭素の違いは何ですか?
運用炭素は AI を動かす電力から、内包炭素はハードウェアや建物を作り、運び、廃棄することから生じます。 誠実なフットプリントには、両方が含まれます。
- 運用炭素は、その処理が使うエネルギーの量と、電力のクリーンさによって決まります。
- 内包炭素は、チップの製造、サーバーの製造、データセンターの建設、使用後の廃棄から生じます。ハードウェアがその寿命のあいだに行うすべてのタスクで分け合われます。
内包炭素の割合は大きいものです。Meta の Wu らは 2022 年に、それが Meta の大規模な機械学習のフットプリントのおよそ 30% だと報告しました。Luccioni、Viguier、Ligozat は、BLOOM の訓練を、訓練中に使われた動的な電力だけを数えると約 24.7 トン CO₂e、機器の製造から運用エネルギーまですべてを含めると約 50.5 トンと推計しました。電力がクリーンになるにつれて内包分の割合は大きくなり、ハードウェアをより長く使い続け、稼働させ続けることがより重要になります。AI ハードウェアの内包炭素を算定するをご覧ください。
AI モデルの訓練ではどれくらいの炭素が出ますか?
これまでに公表された大規模モデルの訓練時の排出量は、数十トンから数万トン CO₂e までの幅があります。 主な情報源はモデルカード(モデルとともに公開される文書)ですが、最先端のモデルの多くは何も公表していません。
| モデル | 訓練時の排出量 | 根拠 | 出典 |
|---|---|---|---|
| BLOOM(1,760 億パラメーター、2022 年) | 約 24.7 t CO₂e、製造とすべての運用エネルギーを含めると 50.5 t | 独立したライフサイクル推計 | Luccioni、Viguier、Ligozat、2022 年 |
| GPT-3(1,750 億パラメーター、2020 年) | 552 t CO₂e、1,287 MWh | Google の研究者による推計 | Patterson ら、2021 年 |
| Llama 3.1 ファミリー(8B、70B、405B、2024 年) | ロケーション基準 11,390 t CO₂e、マーケット基準 0 t | モデルカード、3,930 万 GPU 時間 | Meta、2024 年 |
| Llama 3.1 405B 単体 | ロケーション基準 8,930 t CO₂e | モデルカード | Meta、2024 年 |
| Mistral Large 2(訓練と 18 か月間の利用) | 20,400 t CO₂e、水 281,000 m³ | ライフサイクルアセスメント | Mistral AI、2025 年 |
これらは 1 回限りのコストですが、それですべてではありません。Patterson らは、機械学習のワークロードの 80〜90% が推論だという業界の推計を引用しています。そのため人気のあるモデルでは、寿命全体での運用が訓練を上回ることがあります。EU の AI 法は現在、汎用 AI モデルの提供者に対し、既知の、または推計されたエネルギー使用量を規制当局向けに文書化するよう求めています。モデルの訓練のカーボンフットプリントを測るをご覧ください。
電力網によって AI の排出量はどう変わりますか?
同じ 1 キロワット時でも、どこで、いつ使うかによって、炭素の量は大きく異なります。 炭素強度とは、発電された電力 1 キロワット時あたりに排出される CO₂e です。主に水力、原子力、風力、太陽光で動く電力網は強度が低く、石炭やガスで動く電力網は強度が高くなります。
- ローレンス・バークレー国立研究所は、立地する地域の電力網を踏まえると、米国のデータセンターの 2023 年の電力は約 7,400 万トン CO₂e、平均で 1 kWh あたり 0.34 kg CO₂e に相当すると推計しました。
- Patterson らは、モデル、データセンター、プロセッサーを選ぶことで、訓練のカーボンフットプリントを約 100〜1,000 分の 1 に減らせることを示しました。立地は、そのなかでも最も大きな手段の一つです。
だからこそ、AI をどこで、いつ動かすかが重要なのです。待てる訓練ジョブは、電力網がよりクリーンな時間帯に予定できます。低炭素のクラウドリージョンを選ぶ、電力網がよりグリーンなときに訓練を予定する、電力網の炭素強度データを探すをご覧ください。
ロケーション基準とマーケット基準:どちらの数値が正しいのですか?
どちらも正当ですが、答えている問いが異なり、その差は非常に大きくなることがあります。 GHG プロトコルのもとで、企業は電力によるスコープ 2 排出量を 2 つの方法で報告します。
- ロケーション基準は、実際に電力を受けている電力網の平均的な炭素強度を使います。
- マーケット基準は、企業が購入するクリーンエネルギーの契約や証書を反映します。
Meta は Llama 3.1 の訓練を、ロケーション基準で 11,390 トン、マーケット基準でゼロと報告しています。Microsoft の 2025 会計年度のスコープ 2 排出量は、ロケーション基準で約 1,200 万トン、マーケット基準で 270 万トンです。Alphabet は 2025 年について、ロケーション基準で 1,510 万トン、マーケット基準で 280 万トンと報告しました。企業が自社の AI を「カーボンニュートラル」や「再生可能エネルギー 100%」と呼ぶときは、どちらの方法を使っているかを確かめましょう。自分の AI が再生可能エネルギーで動いているかを確かめると誠実な環境主張をご覧ください。
テック企業の排出量は AI のせいで増えているのですか?
はい。最大手の AI 提供企業は、総排出量の増加を報告しています。主な原因は、データセンターの建設と電力供給です。 各社の年次サステナビリティ報告書から、その傾向がわかります。
- Microsoft は、2030 年までにカーボンネガティブになるという目標の基準年である 2020 会計年度の総排出量を約 1,290 万トン CO₂e、2025 年を約 2,030 万トン(同社のマネジメント基準による)と報告しています。同じ期間に電力使用量は約 10.8 TWh から 37.0 TWh へと 3 倍以上になりました。
- Google は、2025 年に運用時の排出量(スコープ 1 とマーケット基準のスコープ 2)が 2% 減った一方、電力需要は 37%、サプライチェーンの排出量は 25% 増えたと報告しました。Alphabet の 2025 年の保証付きの数値では、スコープ 3(サプライチェーン)の排出量は約 1,590 万トンで、運用時の排出量 290 万トンの 5 倍を超えています。
両社のパターンは同じです。クリーンな電力の購入によって運用時の排出量は抑えられていますが、新たな AI の設備の背後にある製造と建設が、サプライチェーンの排出量を押し上げています。
国のレベルでは、英国の Compute Roadmap のエビデンス付属書が、2025 年から 2035 年までの AI の計算による排出量は 3,400 万〜1 億 2,300 万トン CO₂ で、この期間の英国の予測排出量の約 0.9〜3.4% にあたりうると推計しました。幅が広いのは、どれだけの計算設備が作られるか、電力網がどれだけクリーンになるかが不確かだからです。
AI の炭素推計はなぜ食い違うのですか?
数えるものが違い、使う電力網の数値が違い、しかもすぐに古くなるからです。 違いの主な原因は次のとおりです。
- 境界。 チップだけか、サーバー全体、冷却、待機容量まで含めるか。ハードウェアの製造は含めるか。訓練を利用全体で分け合うか。
- 算定方法。 上で述べたロケーション基準かマーケット基準か。
- 電力網と時期。 同じモデルでも、別の地域で、あるいは 1 年後に動かすと、フットプリントが大きく異なることがあります。
- ワークロード。 短いプロンプト、長い推論の回答、エージェントのセッションでは、エネルギーが 1,000 倍も異なります。
数値が意味を持つのは、その境界、方法、場所、時期がそろっているときだけです。グリーン AI のボトルネックは測定にあるをご覧ください。
自分の AI 利用のカーボンフットプリントはどう推計できますか?
エネルギーに電力網の炭素強度を掛け、内包排出の一部を加えます。 これは、結果を要求 1 件あたりや利用者 1 人あたりなど、有用な仕事の単位あたりで表す Software Carbon Intensity(SCI)規格 ISO/IEC 21031:2024 の構造です。
- AI の処理のエネルギーを推計します(キロワット時)。自分で動かしているなら計測器やツールから、ホスティングされたサービスならタスクごとの数値から求めます。
- 処理が動く場所の電力網の炭素強度を調べます(1 kWh あたりの kg CO₂e)。理想的には、処理が動いた時間帯のものを使います。
- 2 つを掛け合わせて、運用時の排出量を求めます。
- 内包排出を加えます。ハードウェアの製造時のフットプリントを、その稼働期間で割ったものです。
- 境界と方法(ロケーション基準かマーケット基準か)を明記し、1 つの数値ではなく幅で示します。
ツールが役立ちます。CodeCarbon と Green Algorithms は自分で動かすコードの排出量を推計し、EcoLogits はホスティングされた AI モデルの呼び出しの影響を推計します。これらは推計ツールであり、計測器ではありません。手順を追ったガイドは次のとおりです。自分の AI のカーボンフットプリントを計算する、AI 機能の SCI スコアを計算する、クラウドプロバイダーの炭素データを探す。
次にすること
- まずエネルギーを減らしましょう:AI を効率よく使うと適切なモデルを選ぶをご覧ください。
- 電力網がクリーンな場所で AI を動かしましょう:ホスティングとデータセンターをご覧ください。
- 調達先に、タスクごとのエネルギーと炭素の数値を、方法とあわせて尋ねましょう:持続可能な AI の調達をご覧ください。
- 境界と方法を明記して誠実に報告しましょう:誠実な環境主張をご覧ください。
- オフセットする前によく考えましょう:自分の AI 利用の炭素をオフセットするをご覧ください。
- フットプリントのもう半分については、AI はどれくらいの水を使うのか?をお読みください。
よくある質問
ChatGPT のカーボンフットプリントはどれくらいですか?
OpenAI はクエリ 1 件あたりの炭素の数値を公表していません。同社の最高経営責任者は、平均的なクエリのエネルギーを約 0.34 Wh としていますが、炭素はデータセンターに電力を供給する電力網によって決まります。Google は、自社のマーケット基準の算定で、Gemini のテキストプロンプト(中央値)を 0.03 g CO₂e と報告しています。
AI モデルの訓練ではどれくらいの CO₂ が出ますか?
数十トンから数千トンまでの幅があります。BLOOM の訓練は約 24.7 トン CO₂e(製造とすべての運用エネルギーを含めると 50.5 トン)、GPT-3 は 552 トンと推計されており、Meta は 3 つの Llama 3.1 モデルについてロケーション基準で 11,390 トンと報告しています。
AI の排出量は増えていますか?
最大手の提供企業では、増えています。Microsoft の総排出量は、2020 会計年度の約 1,290 万トンから 2025 年には 2,030 万トンに増えました。Google は、2025 年に運用時の排出量が 2% 減った一方、データセンターの建設に伴いサプライチェーンの排出量が 25% 増えたと報告しました。
AI における内包炭素とは何ですか?
チップ、サーバー、データセンターの建物を作り、運び、廃棄する際の排出です。Meta の Wu らは、これが Meta の大規模な機械学習のフットプリントのおよそ 30% にあたると推計しました。電力がクリーンになると、その割合は大きくなります。
再生可能エネルギーで動く AI は排出ゼロですか?
実際にはそうではありません。マーケット基準の算定では、企業が再生可能エネルギー証書を購入すれば電力の排出量を低く、あるいはゼロと報告できますが、実際に電力を受けている電力網はまだ化石燃料を燃やしているかもしれません。Meta は Llama 3.1 の訓練を、ロケーション基準で 11,390 トン、マーケット基準でゼロと報告しています。
自分の AI 利用のカーボンフットプリントはどう計算しますか?
使ったエネルギー(キロワット時)に、それを供給する電力網の炭素強度(1 kWh あたりの kg CO₂e)を掛け、さらにハードウェアの内包排出の一部を加えます。CodeCarbon、Green Algorithms、EcoLogits などのツールが、それぞれの部分の推計に役立ちます。
AI は気候に悪いのですか?
AI は排出量を増やします。主な原因は、データセンターの電力と建設の急速な伸びです。どれだけ増えるかは、AI の使い方、動かす効率、電力網のクリーンさによります。AI はほかの分野の排出削減にも役立ちますが、その効果は自動的に得られるものではなく、測るのも難しくなります。
出典
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Llama 3.1 8B model card, Meta (2024)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)
- Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics), Alphabet (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- Scope 2 guidance, Greenhouse Gas Protocol (2015)
- Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
- UK Compute Roadmap: evidence annex, Department for Science, Innovation and Technology (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification, ISO/IEC and Green Software Foundation (2024)
- CodeCarbon, CodeCarbon project (2020)
- Green Algorithms: quantifying the carbon footprint of computation, Lannelongue, Grealey and Inouye, Advanced Science (2021)
- EcoLogits, GenAI Impact (2025)
関連
AI の消費電力はどれくらい?
AI の消費電力はどれくらい? ChatGPT、Gemini、推論モデル、画像、動画、コーディングエージェントの 1 回あたりの電力量と、データセンター全体の電力消費を出典付きで解説します。
AI はどれくらいの水を使うのか? AI の水消費量を解説
AI の水使用量はどれくらい? プロンプト 1 回あたりとモデルごとの水消費量、データセンターの水、WUE、企業の公表値、地域の水ストレス、まだわかっていないことを解説します。
グリーン AI のホスティングとデータセンター
AI をどこで動かすかの選び方。電力網の炭素強度、PUE と WUE、再生可能エネルギーの主張、水使用量と立地、そしてホスト事業者への質問を解説します。
AI のエネルギーと炭素を測る方法
AI 作業のエネルギーと炭素を計測または推計するための実践ガイド。ツール、システム境界、タスクあたりの指標、不確かさの誠実な扱い方を解説します。