# AI の消費電力・エネルギー統計（2026 年 11 月更新）

> AI の消費電力に関する統計を一次資料で確認してまとめました。データセンターの電力使用量、プロンプト 1 回あたりの電力、画像・動画生成、学習、水使用量、CO₂ 排出、ハードウェアの効率の推移を紹介します。

Source: https://greenai.guide/ja/記事/ai-の消費電力-エネルギー統計-2026-年-11-月更新/  
Updated: 2026-11-20

## 要点

この AI エネルギー統計は、AI の電力、水、炭素に関する最も役立つ数値 40 個を集めたもので、どれも一次資料で確認し、年を明記しています。要点をまとめると、データセンターは 2024 年に約 415 TWh（世界全体の約 1.5%）の電力を使い、IEA は 2030 年までに約 950 TWh になると見込んでいます。また、提供事業者自身の数値では、一般的なテキストプロンプト 1 回あたりの電力はおよそ 0.24〜0.34 Wh ですが、画像、動画、長い入力、推論（reasoning）ははるかに多くの電力を使います。

## 要点

- IEA によると、データセンターは 2024 年に約 415 TWh の電力を使い、これは世界全体の約 1.5% にあたります。2025 年には 485 TWh でした。
- IEA は 2030 年までに約 950 TWh、世界の電力需要の約 3% になると予測しています。AI 向けデータセンターの電力使用量は 2025 年に 50% 増加しました。
- 提供事業者の報告では、テキストプロンプト 1 回あたり約 0.24 Wh（Google、Gemini のテキストプロンプトの中央値）、約 0.34 Wh（OpenAI、ChatGPT のクエリの平均）です。
- Hugging Face の 2025 年のテストでは、推論モデルは標準的なモデルの平均 30 倍のエネルギーを使いました。
- GPT-3 の学習には推定 1,287 MWh が使われ、約 552 トンの CO₂e が排出されました。
- 2025 年、データセンターはアイルランドの計量電力の 23% を使いました。

このページでは、よく調べられている AI のエネルギー統計を、それぞれ一次資料で確認し、対象となる年とあわせてまとめています。数値をすばやく見つけるためにご利用ください。重要な場面で引用する前には、必ず出典をたどってください。

## AI のエネルギーに関する主な統計は？ {#what-are-the-key-ai-energy-statistics}

**データセンターは世界の電力の約 1.5% を使っており、その量は 2030 年までにおよそ 2 倍になる見込みで、その主な要因は AI です。**一般的なテキストプロンプトが使う電力は 1 ワット時にも満たない一方で、画像、動画、非常に長い入力、推論ははるかに多くの電力を使います。以下の表では、40 の数値を 10 のグループに分けて示します。資料によって数値が異なる場合や、数値に幅がある場合は、その幅を示しています。

## データセンターの電力 {#data-centre-electricity}

**IEA によると、データセンターは 2024 年に約 415 TWh、2025 年に 485 TWh を使いました。**テラワット時（TWh）は 10 億キロワット時です。

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 1 | データセンターは 2024 年に約 415 TWh の電力を使い、これは世界の消費量の約 1.5% にあたります。 | 国際エネルギー機関（IEA） | 2025 |
| 2 | データセンターの電力使用量は 2025 年に 17% 増え、485 TWh になりました。 | IEA | 2026 |
| 3 | IEA は 2030 年までに約 950 TWh、世界の電力需要の約 3% になると予測しています。 | IEA | 2026 |
| 4 | 2035 年の予測は、IEA のシナリオによって 700〜1,700 TWh の幅があります。 | IEA | 2025 |
| 5 | データセンターの電力使用量は 2017 年以降、年に約 12% 増えています。 | IEA | 2025 |
| 6 | 2030 年までの世界の電力需要の増加のうち、約 10 分の 1 をデータセンターが占める見込みです。 | IEA | 2025 |

## 需要が集中している場所 {#where-demand-is-concentrated}

**負荷の大部分は、少数の国と地域に集中しています。**これが電力網にとって何を意味するかは、[AI とデータセンターの電力需要](/ja/記事/ai-とデータセンターの電力需要/)をご覧ください。

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 7 | 2030 年までの世界のデータセンター電力の増加のうち、米国と中国が 80% 近くを占めます。 | IEA | 2025 |
| 8 | 米国のデータセンターは 2023 年に 176 TWh を使い、これは米国の電力の約 4.4% にあたります。 | ローレンス・バークレー国立研究所（LBNL） | 2024 |
| 9 | 米国のデータセンターは 2028 年までに 325〜580 TWh、米国の電力の 6.7〜12% を使うと予測されています。 | LBNL | 2024 |
| 10 | 2030 年までの米国の電力需要の増加のうち、半分近くをデータセンターが占めます。 | IEA | 2025 |
| 11 | データセンターは 2025 年にアイルランドの計量電力の 23% を使いました。2015 年には 5% でした。 | アイルランド中央統計局 | 2026 |
| 12 | データセンターは 2023 年にバージニア州の電力の 4 分の 1 近くを使いました。 | 米国電力研究所（EPRI） | 2024 |

## AI の占める割合 {#ai-s-share}

**データセンターの電力のうち AI が占める割合について、正確な公開数値はありませんが、AI は最も急速に伸びている部分です。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 13 | AI 向けデータセンターの電力使用量は 2025 年に 50% 増えました。 | IEA | 2026 |
| 14 | 主に AI に使われるアクセラレーテッドサーバーの電力使用量は、IEA の基本ケースで年 30% 増えると予測されています。 | IEA | 2025 |
| 15 | 一般的な AI 向けデータセンターは、10 万世帯分に相当する電力を使います。 | IEA | 2025 |

## プロンプト 1 回あたりのエネルギー {#energy-per-prompt}

**提供事業者自身の数値では、一般的なテキストプロンプト 1 回あたりは約 0.24〜0.34 Wh です。**これらは自己申告で、方法もそれぞれ異なり、対象はテキストのみです。[測定こそがボトルネック](/ja/記事/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。

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 16 | Gemini アプリのテキストプロンプトの中央値は 0.24 Wh を使い、0.03 g の CO₂e を排出し、0.26 mL の水を消費しました。 | Google（Elsworth ら） | 2025 |
| 17 | 最も効率のよいデータセンターで稼働中の AI チップだけを数えると、同じプロンプトで 0.10 Wh になります。 | Google（Elsworth ら） | 2025 |
| 18 | ChatGPT の平均的なクエリは約 0.34 Wh と約 0.000085 ガロンの水を使います。 | Sam Altman、OpenAI | 2025 |
| 19 | 一般的な GPT-4o のクエリはおよそ 0.3 Wh を使い、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ほぼ 40 Wh に増えます。 | Epoch AI | 2025 |
| 20 | Mistral Large 2 の 400 トークンの応答は 1.14 g の CO₂e を排出し、45 mL の水を使います。 | Mistral AI | 2025 |
| 21 | 推論モデルは標準的なモデルの平均 30 倍のエネルギーを使いました。あるモデルは、推論をオンにすると 150〜700 倍を使いました。 | Hugging Face AI Energy Score | 2025 |

## 画像と動画 {#images-and-video}

**画像や動画の生成は、テキストのタスクよりはるかに多くのエネルギーを使います。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 22 | 画像生成は平均で 1,000 枚あたり約 2.9 kWh を使いました。テキスト分類は 1,000 回あたり 0.002 kWh でした。 | Luccioni、Jernite、Strubell | 2024 |
| 23 | テストした中で最も効率の悪い画像モデルは、画像 1 枚につきスマートフォンの約半分の充電分を使いました。 | Luccioni、Jernite、Strubell | 2024 |
| 24 | オープンなテキストから動画を生成するモデルは、短いクリップ 1 本あたり 0.14 Wh から 415 Wh 超を使い、エネルギーは解像度と長さに対して二乗で増えました。 | Delavande、Pierrard、Luccioni | 2025 |

## 学習 {#training-runs}

**大規模なモデルの学習にはギガワット時単位の電力がかかることがありますが、最新モデルの開発者のほとんどはそれを公開していません。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 25 | GPT-3 の学習には推定 1,287 MWh が使われ、約 552 トンの CO₂e が排出されました。 | Patterson ら、Google | 2021 |
| 26 | BLOOM の学習では、電力由来で約 24.7 トン、製造と待機中のハードウェアを含めると 50.5 トンの CO₂e が排出されました。 | Luccioni、Viguier、Ligozat | 2022 |
| 27 | Llama 3.1 モデルの学習には 3,930 万 GPU 時間がかかり、11,390 トンの CO₂e（ロケーション基準）が排出されました。 | Meta | 2024 |
| 28 | Mistral Large 2 の学習と 18 か月間の利用で、20.4 キロトンの CO₂e が排出され、281,000 m³ の水が消費されました。 | Mistral AI | 2025 |

## 水 {#water}

**AI が水を使うのは、主にデータセンターの冷却のためと、間接的には発電のためです。**[AI の水フットプリントの見積もり方](/ja/ハウツー/ai-の水使用量-ウォーターフットプリント-を見積もるには/)をご覧ください。

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 29 | Microsoft の米国のデータセンターで GPT-3 を学習させると、700,000 リットルの淡水が直接蒸発する可能性があります。 | Li、Yang、Islam、Ren | 2023（2025 年改訂） |
| 30 | 世界の AI 需要は、2027 年に 42 億〜66 億 m³ の取水量を占める可能性があります。 | Li、Yang、Islam、Ren | 2023（2025 年改訂） |
| 31 | Google は 2025 年にデータセンターとオフィス全体で 410 億リットル（109 億ガロン）の水を消費し、淡水消費量の約 78% を補充しました。 | Google | 2026 |

## 炭素と企業の排出量 {#carbon-and-company-emissions}

**大手 AI 提供事業者の排出量は、クリーンエネルギーを大量に購入しているにもかかわらず増えています。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 32 | Google の目標ベースの排出量は 2025 年に約 1,450 万トンの CO₂e で、2024 年比 18%、2019 年比 81% の増加でした。 | Google | 2026 |
| 33 | Microsoft の総排出量は 2025 会計年度に約 2,030 万トンの CO₂e で、2020 年は約 1,290 万トンでした。 | Microsoft | 2026 |
| 34 | Amazon の絶対排出量は 2024 年から 2025 年にかけて 16% 増え、8,085 万トンの CO₂e になりました。 | Amazon | 2026 |
| 35 | 生成 AI は、2020〜2030 年の合計で 120 万〜500 万トンの電子廃棄物を新たに生む可能性があります。 | Wang ら、Nature Computational Science | 2024 |

## ハードウェアと効率の推移 {#hardware-and-efficiency-trends}

**ハードウェアとソフトウェアは大幅に効率化していますが、需要はそれ以上の速さで伸びています。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 36 | 主要な機械学習ハードウェアのエネルギー効率は、毎年約 40% 向上しています。 | Epoch AI | 2024 |
| 37 | 2026 年 11 月の Green500 リストで最もエネルギー効率の高いスーパーコンピューター、フランスの KAIROS は、1 ワットあたり 73.28 ギガフロップスの性能を出します。 | TOP500 | 2026 |
| 38 | 1 キロワット時あたりの計算回数は、1946 年から 2009 年まで約 1.57 年ごとに倍増しました（「クーミーの法則」）。 | Koomey ら | 2011 |

## 提供事業者と研究者が報告している効率の向上 {#efficiency-gains-reported-by-providers-and-researchers}

**報告されている向上幅は大きいものの、そのほとんどは自己申告か、選んだ基準と比べて測定されたものです。**

| # | 統計 | 出典 | 年 |
|---|---|---|---|
| 39 | Google は、Gemini のテキストプロンプトの中央値あたりのエネルギーが 12 か月で 33 分の 1、炭素が 44 分の 1 になったと報告しています。 | Google（Elsworth ら） | 2025 |
| 40 | タスクに特化した小さなモデルはエネルギー使用量を最大 90%、プロンプトと応答を短くすると 50% 超削減できます。 | UNESCO とユニバーシティ・カレッジ・ロンドン | 2025 |

ほかにも、よく引用される数値が 2 つあります。NVIDIA は 2024 年に、同社の Blackwell プラットフォームは大規模言語モデルの推論で、前世代と比べてコストとエネルギー消費を最大 25 分の 1 に減らすと発表しました。これは特定のワークロードについてのベンダーの主張です。また、Google の研究者は 2021 年に、モデル、データセンター、プロセッサーの選び方によって、学習のカーボンフットプリントを最大でおよそ 100〜1,000 分の 1 に減らせると推定しました。こうした向上を実際に得る方法については、[エネルギー効率の高い AI](/ja/記事/省エネ-ai-ai-の消費電力を減らす方法/)をご覧ください。

## 人々の意識 {#public-attitudes}

**少なくとも米国では、AI の環境への影響に対する懸念が高まっています。**ほかの地域では、調査による裏付けがまだ少ない状況です。

- 2026 年、AI の環境への影響を「非常に」または「とても」心配している米国人は 53% で、2025 年の 41% から増えました（AP-NORC とシカゴ大学エネルギー政策研究所）。
- 2025 年には、米国人の 72% が少なくとも「ある程度」心配していました（同じ調査機関）。
- 英国では、政府の 2024 年の国民意識トラッカー調査で、54% が AI は気候変動の監視に役立つと期待していることがわかりました。一方で、この楽観的な見方に見合うほど、AI の環境への悪影響は認識されていないことも指摘されました。

## 数値の選び方 {#how-we-choose-figures}

**一次資料を使い、年を明記し、数値に異論がある場合は幅で示します。**

- **一次資料のみ。**各数値は、ニュース記事ではなく、発行元自身の報告書、論文、ページで確認しています。一次資料が見つからなかった数値は掲載していません。
- **発表どおりに記載。**出典が述べていない数値になるような丸め方はしません。自分たちで計算したものがある場合は、その旨を明記します。
- **範囲が重要。**プロンプトあたりの数値は、何を数えるかによって変わります。Google 自身の数値は、稼働中のチップだけを数えると 0.24 Wh から 0.10 Wh に下がります。企業の数値は自己申告で、独立した監査は受けていません。
- **異論がある場合は幅で。**予測はシナリオによって異なるため、1 つの数値を選ぶのではなく幅を示します。
- **古い数値には注記。**ニューラルアーキテクチャ探索を使った 1 回の学習について、2019 年に出された広く引用される推定値（約 626,000 ポンドの CO₂e）は、のちに Google の研究者から実際のコストを過大に見積もっていると指摘されました。この数値は表に含めていません。

ほかで見かけた数値を確かめるには、[AI のエネルギー使用に関する主張の確かめ方](/ja/ハウツー/ai-の消費電力についての主張が正しいか確かめるには/)をご覧ください。

## 最終確認日 {#last-checked}

**このページのすべての数値は、2026 年 11 月 20 日に出典で最終確認しました。**IEA、各国の統計機関、主要な提供事業者が新しいデータを発表したときに、このページを更新します。より新しい数値や誤りに気づいた場合は、[お問い合わせ](/ja/お問い合わせ/)ください。

## 次にすること {#what-to-do-next}

- AI のエネルギーに関する数値を引用するときは、このページまたは特定の表にリンクし、元の出典を明記してください。
- 個人の利用を全体の中で捉えるには、[自分の AI エネルギー使用量を客観的に捉える方法](/ja/ハウツー/自分の-ai-のエネルギー使用量は-ほかと比べてどのくらい/)をご覧ください。
- 自分の AI のエネルギーを測るには、[AI のエネルギーと炭素の測り方](/ja/グッドプラクティス/ai-のエネルギーと炭素を測る方法/)をご覧ください。
- 供給事業者に数値を尋ねるには、[AI 企業にエネルギーの数値を尋ねる方法](/ja/ハウツー/ai-企業にエネルギーの数値を問い合わせるには/)をご覧ください。
- 自分のフットプリントを減らすには、[エネルギー効率の高い AI](/ja/記事/省エネ-ai-ai-の消費電力を減らす方法/)をご覧ください。

## よくある質問

### AI はどれくらいのエネルギーを使いますか？

AI だけの単一の数値はありません。IEA は、2024 年にすべてのデータセンターが約 415 TWh、世界の電力の約 1.5% を使ったと推定しています。そのうち最も急速に伸びているのが AI 向けデータセンターで、その電力使用量は 2025 年に 50% 増えました。

### ChatGPT のクエリ 1 回でどれくらいのエネルギーを使いますか？

OpenAI の最高経営責任者は 2025 年に、平均的なクエリで約 0.34 Wh という数値を示しました。Epoch AI は独自に、一般的な GPT-4o のクエリで約 0.3 Wh と推定しています。入力が非常に長いと、この値は大きく増えます。Epoch AI の推定では、100,000 トークンの入力でほぼ 40 Wh になります。

### AI で画像を 1 枚生成するのにどれくらいのエネルギーがかかりますか？

Luccioni、Jernite、Strubell による 2024 年の研究では、画像生成は平均で 1,000 枚あたり約 2.9 kWh、1 枚あたり約 2.9 Wh でした。最も効率の悪いモデルは、画像 1 枚につきスマートフォンのおよそ半分の充電分を使いました。

### AI はどれくらいの水を使いますか？

Google は Gemini のテキストプロンプトの中央値で 0.26 mL の水、Mistral は Mistral Large 2 の 400 トークンの応答で 45 mL と報告しています。研究者は、世界の AI 需要が 2027 年に 42 億〜66 億立方メートルの取水量を占める可能性があると推定しています。

### GPT-3 の学習にはどれくらいのエネルギーがかかりましたか？

Google の研究者は 2021 年に発表した論文で、GPT-3 の学習に 1,287 MWh の電力と約 552 トンの CO₂e がかかったと推定しました。より新しく大きなモデルの学習エネルギーは、ほとんど公開されていません。

### データセンターは電力の何パーセントを使っていますか？

世界全体では 2024 年に約 1.5%（IEA）、米国では 2023 年に 4.4%（ローレンス・バークレー国立研究所）、アイルランドでは 2025 年に計量電力の 23%（中央統計局）です。

### AI のエネルギー効率は上がっていますか？

はい、タスクあたりでは上がっています。Google は Gemini のプロンプトの中央値のエネルギーが 1 年で 33 分の 1 になったと報告しており、Epoch AI は主要な AI チップのエネルギー効率が毎年約 40% 向上していることを明らかにしています。それでも需要がより速く伸びているため、総使用量は増え続けています。

### 人々は AI の環境への影響を心配していますか？

少なくとも米国では、心配する人が増えています。AP-NORC とシカゴ大学の世論調査では、AI の環境への影響を「非常に」または「とても」心配している米国人は 2026 年に 53% で、2025 年の 41% から増えました。

## 出典

- [Energy and AI: executive summary](https://www.iea.org/reports/energy-and-ai/executive-summary), International Energy Agency (2025)
- [Key questions on energy and AI](https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary), 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)](https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- [Data centres metered electricity consumption 2025: key findings](https://www.cso.ie/en/releasesandpublications/ep/p-dcmec/datacentresmeteredelectricityconsumption2025/keyfindings/), Central Statistics Office, Ireland (2026)
- [Powering data centers: U.S. energy system and emissions impacts of growing loads](https://restservice.epri.com/publicdownload/000000003002031198/0/Product), Electric Power Research Institute (2024)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Hugging Face (Luccioni and Gamazaychikov) (2025)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell (FAccT 2024) (2024)
- [Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models](https://arxiv.org/abs/2509.19222), Delavande, Pierrard and Luccioni (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al., Google (2021)
- [Energy and policy considerations for deep learning in NLP](https://arxiv.org/abs/1906.02243), Strubell, Ganesh and McCallum (2019)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (2022)
- [Llama 3.1 model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2025)
- [Google 2026 environmental report](https://sustainability.google/google-2026-environmental-report/), Google (2026)
- [2026 environmental data fact sheet](https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Environmental-Data-Fact-Sheet-PDF.pdf), Microsoft (2026)
- [2025 Amazon sustainability report](https://sustainability.aboutamazon.com/2025-amazon-sustainability-report.pdf), Amazon (2026)
- [E-waste challenges of generative artificial intelligence](https://doi.org/10.1038/s43588-024-00712-6), Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- [Leading ML hardware becomes 40% more energy-efficient each year](https://epoch.ai/data-insights/ml-hardware-energy-efficiency), Epoch AI (2024)
- [Implications of historical trends in the electrical efficiency of computing](https://doi.org/10.1109/MAHC.2010.28), Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- [Green500, November 2026](https://top500.org/lists/green500/2026/11/), TOP500 (2026)
- [NVIDIA Blackwell platform arrives to power a new era of computing](https://nvidianews.nvidia.com/news/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%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [2026 poll: Americans' views on the impact of AI and data centers](https://epic.uchicago.edu/insights/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](https://epic.uchicago.edu/insights/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)](https://www.gov.uk/government/publications/public-attitudes-to-data-and-ai-tracker-survey-wave-4/public-attitudes-to-data-and-ai-tracker-survey-wave-4-report), Department for Science, Innovation and Technology (2024)
