要点
ChatGPT や Gemini のようなチャットボットへの典型的な短いテキストプロンプトは、提供企業自身の数値と独立した推計によれば、約 0.2〜0.4 ワット時の電力を使います。テレビを数秒つけるのとほぼ同じです。AI のエネルギー使用量は、長い入力、推論モデル、画像、動画、コーディングエージェントでは急激に増え、1 タスクあたり数十倍から数千倍になることがあります。全体では、IEA によるとデータセンターは 2025 年に約 485 TWh の電力を使い、その数字が増えている主な理由は AI 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 0.24 Wh と報告しています。OpenAI の最高経営責任者は、ChatGPT の平均的なクエリについて約 0.34 Wh という数字を示しました。どちらも自己申告です。
- Epoch AI は、典型的な GPT-4o のクエリを約 0.3 Wh と推計しています。入力が 10,000 トークンなら約 2.5 Wh、100,000 トークンならほぼ 40 Wh に増えます。
- Hugging Face の AI Energy Score のテストでは、推論モデルは標準的なモデルより平均で 30 倍多くのエネルギーを使いました。
- オープンモデルのテストでは、画像 1 枚の生成に平均約 2.9 Wh、短い AI 動画 1 本に約 90 Wh かかりました。
- AI コーディングエージェントのヘビーな利用についてのある分析では、入力したプロンプト 1 件あたり約 150 Wh と推計されました。チャットのプロンプト(中央値)のおよそ 600 倍です。
- IEA の推計では、データセンターは 2025 年に約 485 TWh を使い、1 年で 17% 増えました。2030 年には約 950 TWh になると見込まれています。
AI はどれくらいのエネルギーを使うのでしょうか。チャットボットへの短い質問 1 つなら、ごくわずかです。1 ワット時にも満たない量です。長い文書、推論モード、画像、動画、コーディングエージェントでは、はるかに多くなります。そして毎日何十億件もの要求を合わせると、AI のエネルギー消費は、いまや電力計画を左右するほどの規模になっています。このページでは、公開されている最良の数値をまとめ、それぞれの出所を示し、なぜ数値が異なるのかを説明します。
ChatGPT や Gemini のプロンプト 1 回の消費電力はどれくらいですか?
現時点で最良の数値によれば、大規模なチャットボットへの短いテキストプロンプトは約 0.2〜0.4 ワット時(Wh)を使います。 1 ワット時とは、1 ワットの機器が 1 時間に使うエネルギーです。
最もよく引用される数値は、提供企業自身によるものです。
- Google は 2025 年に、Gemini アプリのテキストプロンプト(中央値)が 0.24 Wh を使ったと報告しました。同社の論文は、これをテレビを 9 秒未満見ることと比べています。
- OpenAI の最高経営責任者は 2025 年に、ChatGPT の平均的なクエリは約 0.34 Wh を使うと書きました。算出方法は公表されていません。
- 独立した研究グループの Epoch AI は、ハードウェアとモデルの大きさに関する公開情報をもとに、典型的な GPT-4o のクエリを約 0.3 Wh と推計しました。
これらの数値は近いものの、同じ条件での比較ではありません。中央値は平均値ではなく、何を数えるかの境界もそれぞれ異なります。また、どれも短いテキストプロンプトだけを対象としています。
タスクごとのエネルギー:数値の比較
AI のタスク 1 件あたりのエネルギーは、短いプロンプトの 1 ワット時未満から、エージェントのセッションの数百ワット時まで、1,000 倍以上の幅があります。 下の表は、公表されている主な数値です。自己申告の数値はサービスを運営する企業によるもの、推計と測定は独立した研究者によるものです。
| タスク | エネルギー | 出典と年 | 種類 |
|---|---|---|---|
| Gemini のテキストプロンプト(中央値) | 0.24 Wh | Google、2025 年 | 自己申告、方法を公表 |
| ChatGPT の平均的なクエリ | 約 0.34 Wh | OpenAI 最高経営責任者、2025 年 | 自己申告、方法なし |
| 典型的な GPT-4o のクエリ | 約 0.3 Wh | Epoch AI、2025 年 | 独立した推計 |
| GPT-4o、短いプロンプト(入力 100 トークン、出力 300) | 0.42 Wh | Jegham ら、2025 年 | 独立した推計 |
| 入力 10,000 トークンの GPT-4o クラスのクエリ | 約 2.5 Wh | Epoch AI、2025 年 | 独立した推計 |
| 入力 100,000 トークンの GPT-4o クラスのクエリ | ほぼ 40 Wh | Epoch AI、2025 年 | 独立した推計 |
| 長いプロンプト(入力 10,000、出力 1,500):Llama 3.1 8B と DeepSeek-R1 | 約 0.44 Wh 対 約 29 Wh | Jegham ら、2025 年 | 独立した推計 |
| 推論モデルと標準的なモデル | 平均で 30 倍 | Hugging Face AI Energy Score、2025 年 | 測定、オープンモデル |
| 生成画像 1 枚 | 約 2.9 Wh(1,000 枚あたり 2.9 kWh) | Luccioni、Jernite、Strubell、2024 年 | 測定、オープンモデル |
| 短い生成動画 1 本 | あるモデルで約 90 Wh、モデルによって 0.14 Wh から 415 Wh 超 | Delavande、Pierrard、Luccioni、2025 年 | 測定、オープンモデル |
| コーディングエージェントのセッション(中央値) | 約 41 Wh | Couch、2026 年 | 独立した推計 |
| コーディングエージェント、入力したプロンプト 1 件あたり(ヘビーな利用) | 約 150 Wh(範囲 60〜290 Wh) | Hausfather、2026 年 | 独立した推計 |
トークンとはテキストの断片で、英単語のおよそ 4 分の 3 にあたります。画像と動画の数値は、研究用ハードウェアで動かしたオープンモデルによるものです。商用サービスはこれより効率がよい場合も悪い場合もあり、ほとんどは数値を公表していません。
推論モデル、画像、エージェントはなぜより多くのエネルギーを使うのですか?
要求 1 件あたりの計算量がはるかに多いからです。 エネルギーは、モデルが読み書きするトークンの数と、モデルの大きさに応じて増えます。
- 推論モデルは、答える前に長い思考過程を、表には見えない形で書き出します。Hugging Face の AI Energy Score チームによると、同じモデルでも推論をオンにすると、オフのときより 150〜700 倍多くのエネルギーを使い、300〜800 倍多くのトークンを書き出しました。
- 長い入力は、すべて処理しなければなりません。Epoch AI の推計は、入力が 100,000 トークン(非常に長い文書を貼り付けたくらいの量)に増えるにつれ、約 0.3 Wh からほぼ 40 Wh に増えます。
- 画像と動画は、多数のピクセルについて多くのステップを重ねて生成されます。Delavande、Pierrard、Luccioni は、動画のエネルギーが解像度と長さの 2 乗に比例して増えることを示し、短いクリップ 1 本をテキストの回答のおよそ 2,000 倍と見積もりました。
- エージェントは、モデルを何度も呼び出し、そのたびに増えていくコンテキストを読み直します。Anthropic によると、同社のエージェントは通常チャットの約 4 倍、マルチエージェントシステムは約 15 倍のトークンを使いました。
AI コーディングエージェントはどれくらいのエネルギーを使いますか?
推計は、典型的なセッションの数十ワット時から、ヘビーに使った 1 日の 1 キロワット時超まであります。 コーディングエージェントのエネルギー数値を公表している AI 企業はないため、入手できる最良の数値は、トークン数をもとにした慎重な独立推計です。
Simon Couch は、モデル呼び出し 24 回、約 590,000 トークンの Claude Code のセッション(中央値)を約 41 Wh と推計しました。気候科学者の Zeke Hausfather は、自身のヘビーな利用を 8 週間記録しました。1,138 件の入力したプロンプトが 14,000 回を超えるモデル呼び出しと 32 億トークンを引き起こし、その 96% はキャッシュされたコンテキストの読み直しでした。彼は合計約 170 kWh(範囲 70〜330 kWh)、プロンプト 1 件あたり約 150 Wh、セッションの中央値を約 0.6 kWh と推計し、これをスマートフォンを約 50 回充電することと比べています。エージェント型 AI とトークンの無駄をご覧ください。
訓練と推論では、どちらのコストが大きいですか?
広く使われるモデルでは、通常、訓練よりも運用(推論)のほうが大きくなります。 訓練は 1 回限りの大きなコストです。推論は要求 1 件あたりでは小さいものの、何十億回も繰り返されます。
公表されている訓練の数値から、その規模がわかります。
- GPT-3(2020 年):Google の Patterson らは、訓練に 1,287 MWh の電力を使ったと推計しました。
- Llama 3.1(2024 年):Meta のモデルカードは、3 つのモデルサイズで H100 チップの 3,930 万 GPU 時間と報告しています。そのうち 3,084 万は最大の 4,050 億パラメーターのモデルの分です。
一方で Patterson らは、機械学習のワークロードの 80〜90% が推論だという NVIDIA の推計と、自社クラウドの機械学習需要の 90% が推論だという Amazon Web Services の主張を引用しています。このバランスこそ、プロンプト 1 件あたりのエネルギーが下がることがとても重要である理由であり、同時に、それだけでは十分でない理由でもあります。利用がそれより速く伸びているからです。効率は充足ではないをご覧ください。
データセンターと AI は全体でどれくらいの電力を使っていますか?
国際エネルギー機関(IEA)の推計では、データセンターは 2025 年に約 485 TWh を使い、2030 年には世界の電力の約 3% にあたる約 950 TWh になると見込まれています。 1 テラワット時(TWh)は 10 億キロワット時です。
- IEA は、2024 年のデータセンターの使用量を約 415 TWh、世界の電力の約 1.5% としました。2026 年 4 月の更新では、2025 年は 485 TWh で 1 年に 17% 増え、AI 中心のデータセンターが使う電力は 50% 増えたと報告しています。
- 2030 年までの増加の 80% 近くを米国と中国が占め、増加分のほぼ半分は主に AI 向けのアクセラレーテッドサーバーによるものになると見込んでいます。
- 米国では、ローレンス・バークレー国立研究所が、データセンターは 2023 年に約 178 TWh、国内電力の 4.4% を使い、2028 年には 6.7〜12% に達しうると推計しました。
データセンターは AI の処理を別に計測していないため、AI 単独の信頼できる世界全体の数値はありません。企業の報告書からは傾向がわかります。Microsoft の電力使用量は、2020 会計年度の約 10.8 TWh から 2025 年には約 37.0 TWh に増えました。Google は 2025 年に電力需要が 37% 増え、同社の歴史上最大の伸びだったと報告しました。なぜ今グリーン AI が重要なのかをご覧ください。
AI のエネルギーの数値はなぜこれほどばらつくのですか?
研究ごとに、数えるもの、ハードウェア、モデル、タスクが異なるからです。 ばらつきの大部分は、4 つの要因で説明できます。
- システム境界。 Google 自身の論文によると、稼働中の AI チップだけを数えるとプロンプト(中央値)1 件あたり 0.10 Wh ですが、ホストのプロセッサーとメモリ、需要に備えて待機させている容量、データセンターの冷却を加えると 0.24 Wh と 2 倍以上になります。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。
- ハードウェアと稼働率。 新しいチップは 1 ワットあたりにより多くの仕事をこなし、忙しいサーバーは空いているサーバーより多くの要求で間接的なコストを分け合います。
- モデルの大きさ。 Jegham らの推計では、長いプロンプトは小さな Llama 3.1 8B モデルで約 0.44 Wh、大規模な推論モデルである DeepSeek-R1 では約 29 Wh かかりました。
- トークン。 長い入力、長い回答、表に見えない推論、繰り返されるエージェントのステップは、どれもトークンを増やし、それに応じてエネルギーも増えます。
さらに注意点が 2 つあります。数値はすぐに古くなります。Google は、プロンプト(中央値)1 件あたりのエネルギーが 1 年で 33 分の 1 に下がったと報告しました。また、自己申告の数値は独立に検証できません。数値を見たら、何を、どの境界で、いつ測ったのかを確かめましょう。AI のエネルギー使用に関する主張を確かめる方法をご覧ください。
AI のエネルギーは身近なものと比べてどれくらいですか?
短いテキストプロンプトは、家庭での電気の使い道の多くと比べて小さいものです。エージェントや動画のヘビーな利用はそうではありません。 以下の比較は、出典自身によるものです。
- Google は、Gemini のプロンプト(中央値)の 0.24 Wh を、テレビを 9 秒未満見ることと比べています。
- Hausfather は、自身のヘビーな利用でのコーディングエージェントのセッション(中央値、約 0.6 kWh)をスマートフォンを約 50 回充電することと、そうした利用の平均的な 1 日(約 3 kWh)を冷蔵庫 2 台以上を動かすことと比べています。
- Couch は、自身のコーディングエージェント利用の 1 日の中央値(約 1,300 Wh)を、毎日食器洗い機を 1 回余分に回すことと比べています。
- Google は 2009 年に、平均的なウェブ検索 1 回は約 0.3 Wh を使うと述べました。今日の短いテキストプロンプトと同程度です。ただし 2 つの数値は時期も方法も大きく異なります。
大事なのは、1 件の要求が大きいということではありません。習慣が重要だということです。推論モデルを選ぶこと、長い文書を貼り付けること、画像をまとめて生成すること、エージェントを動かしたままにすることは、どれもタスクのエネルギーを何倍にも増やしうるのです。自分の AI のエネルギー使用を客観的に捉えるをご覧ください。
AI のエネルギー使用を減らすために何ができますか?
仕事をこなせる最も小さな道具を使い、求めることを減らしましょう。 最大の節約は、提供企業を乗り換えることではなく、不要な処理を避けることから生まれます。
- そのタスクに AI が必要かを判断しましょう:タスクに AI が必要かを判断するをご覧ください。
- 日常的な質問にはより小さいモデルや高速なモデルを選びましょう:より小さな AI モデルを選ぶと適切なモデルを選ぶをご覧ください。
- 必要のないときは推論をオフにしましょう:推論モードは必要なときだけ使うをご覧ください。
- 会話を短くし、新しい話題では新しいチャットを始めましょう:長い AI チャットを効率よく保つをご覧ください。
- 生成する画像や動画を減らしましょう:AI による画像・動画生成の影響を減らすをご覧ください。
- エージェントに上限を設けましょう:AI エージェントによるトークンの無駄をなくすとフットプリントの小さい AI コーディングアシスタントの使い方をご覧ください。
組織にとっての出発点は測定です。AI のエネルギーを測る、AI API 呼び出しのエネルギーを見積もる、AI を効率よく使うをご覧ください。
次にすること
- エネルギーを排出量に換算するには、AI のカーボンフットプリントとは?をお読みください。
- 水の側面については、AI はどれくらいの水を使うのか?をお読みください。
- 日常の習慣については、ChatGPT の利用にかかるエネルギーを減らすを試してみてください。
- AI の提供企業にタスクごとのエネルギー数値を尋ねましょう:AI 企業にエネルギー数値を尋ねるをご覧ください。
- AI Energy Score で、オープンモデルの測定されたエネルギーを比較しましょう。
よくある質問
ChatGPT のプロンプト 1 回の消費電力はどれくらいですか?
OpenAI の最高経営責任者は 2025 年に、ChatGPT の平均的なクエリは約 0.34 ワット時を使うと述べました。Epoch AI も独自に、典型的な GPT-4o のクエリを約 0.3 Wh と推計しています。長い入力、推論モード、画像生成では、はるかに多くを使います。
AI はプロンプト 1 回あたりどれくらいのエネルギーを使いますか?
短いテキストプロンプトについて公表されている数値は、約 0.2〜0.4 Wh に集中しています。Google は Gemini のプロンプト(中央値)で 0.24 Wh と報告しています。長いプロンプトを使う大規模モデルについての独立した推計は約 29 Wh に達し、エージェントによるコーディングのセッションでは数百ワット時を使うことがあります。
AI は Google 検索より多くのエネルギーを使いますか?
公表された数値で見るかぎり、短いテキストプロンプトではそうとは言えません。Google は 2009 年に、平均的な検索 1 回は約 0.3 Wh を使うと述べ、現在は Gemini のテキストプロンプト(中央値)で 0.24 Wh と報告しています。2 つの数値は 16 年離れており、測り方も異なるため、大まかな目安としてください。長いタスク、推論、画像、エージェントのタスクでは、はるかに多くを使います。
AI は全体でどれくらいの電力を使っていますか?
AI 単独の信頼できる数値はありません。国際エネルギー機関の推計では、すべてのデータセンターで 2025 年に約 485 TWh を使い、1 年で 17% 増えました。AI 中心のデータセンターの使用量は 50% 増え、全体では 2030 年までに世界の電力の約 3% にあたる約 950 TWh に達すると見込まれています。
AI の訓練と利用では、どちらが多くのエネルギーを使いますか?
大規模なモデル 1 つの訓練は、1 回限りの大きなコストです。たとえば GPT-3 では推計 1,287 MWh でした。しかし人気のあるモデルは何十億回も使われます。Google の研究者が引用した業界の推計では、機械学習のワークロードの 80〜90% が推論です。
AI のエネルギー推計はなぜこれほどばらつくのですか?
数えているものが違うからです。データセンターの冷却、待機中のサーバー、ホストコンピューターを含めると、Google 自身の数値は 0.10 Wh から 0.24 Wh へと 2 倍以上になりました。モデルの大きさ、ハードウェア、プロンプトの長さ、生成されるトークンの数によっても答えは変わります。
AI による画像生成はどれくらいのエネルギーを使いますか?
Luccioni、Jernite、Strubell によるオープンモデルのテストでは、画像の生成は平均で 1,000 枚あたり約 2.9 kWh、つまり 1 枚あたり約 2.9 Wh を使いました。これはテキストを 1 件分類するのに比べて 1,000 倍以上です。
自分の AI 利用にかかるエネルギーを減らすにはどうすればよいですか?
簡単なタスクには、より小さいモデルや高速なモデルを使い、プロンプトと会話を短くし、必要のないときは推論モードをオフにし、生成する画像や動画を減らしましょう。最も節約になるのは、そもそもそのタスクに AI が必要かを問うことです。
出典
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- Electricity use of AI coding agents, Simon P. Couch (2026)
- How we built our multi-agent research system, Anthropic (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
- Llama 3.1 8B model card, Meta (2024)
- Energy and AI, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)
関連
AI のカーボンフットプリントとは? CO2 排出量をわかりやすく解説
AI のカーボンフットプリント(CO2 排出量)を解説します。プロンプト 1 回あたりの排出量、モデルカードに載る訓練時の排出量、内包炭素、電力網による違い、巨大テック企業の排出量の推移を紹介します。
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。