# 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。

Source: https://greenai.guide/ja/記事/ai-の消費電力はどれくらい/  
Updated: 2026-11-20

## 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？ {#how-much-energy-does-a-chatgpt-or-gemini-prompt-use}

**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 {#energy-per-task-the-figures-compared}

**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](/ja/用語集/#token)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？ {#why-do-reasoning-models-images-and-agents-use-more}

**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？ {#how-much-energy-does-an-ai-coding-agent-use}

**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](/ja/記事/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？ {#is-training-or-inference-the-bigger-cost}

**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](/ja/用語集/#inference)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](/ja/記事/効率は充足ではない-ai-におけるリバウンド効果/)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？ {#how-much-electricity-do-data-centres-and-ai-use-in-total}

**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](/ja/記事/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？ {#why-do-ai-energy-figures-vary-so-much}

**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。

1. **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](/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。
2. **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。
3. **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。
4. **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](/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。

## 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？ {#how-does-ai-energy-compare-with-everyday-things}

**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](/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。

## AI のエネルギー使用を減らすために何ができますか？ {#what-can-you-do-to-cut-ai-energy-use}

**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](/ja/ハウツー/この作業にそもそも-ai-は必要/)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](/ja/ハウツー/もっと小さい-ai-モデルを選ぶにはどうすればいい/)と[適切なモデルを選ぶ](/ja/グッドプラクティス/用途に合ったモデルを選ぶ/)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](/ja/ハウツー/ai-の-思考-モードや推論モードはいつ使えばいい/)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](/ja/ハウツー/ai-との長いチャットでエネルギーを無駄にしないには/)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](/ja/ハウツー/ai-で画像や動画を作るときの環境負荷を減らすには/)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](/ja/ハウツー/ai-エージェントがトークンを無駄遣いしないようにするには/)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](/ja/ハウツー/ai-コーディングアシスタントのフットプリントを抑えて使うには/)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](/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/)、[AI API 呼び出しのエネルギーを見積もる](/ja/ハウツー/ai-api-の呼び出しで使うエネルギーを推計するには/)、[AI を効率よく使う](/ja/グッドプラクティス/ai-を効率よく使う-日々の習慣/)をご覧ください。

## 次にすること {#what-to-do-next}

- 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？](/ja/記事/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/)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？](/ja/記事/ai-はどれくらいの水を使うのか-ai-の水消費量を解説/)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](/ja/ハウツー/chatgpt-の消費電力を減らすには/)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](/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。
- [AI Energy Score](/ja/ハウツー/ai-energy-score-の評価はどう読めばいい/) 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](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)
- [How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference](https://arxiv.org/abs/2505.09598), Jegham et al. (arXiv 2505.09598, v6) (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Luccioni and Gamazaychikov, Hugging Face (2025)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), 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](https://arxiv.org/abs/2509.19222), Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
- [The real energy use of agentic AI](https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai), Zeke Hausfather, The Climate Brink (2026)
- [Electricity use of AI coding agents](https://www.simonpcouch.com/blog/2026-01-20-cc-impact/), Simon P. Couch (2026)
- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Powering a Google search (Italian edition: Dare energia alle ricerche su Google)](https://blog.google/intl/it-it/notizie-aziendali/iniziative/dare-energia-alle-ricerche-su-google/), Google (2009)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai), 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)
- [2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report), Lawrence Berkeley National Laboratory (2024)
- [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)
- [Read our 11th annual Environmental Report](https://blog.google/company-news/outreach-and-initiatives/sustainability/2026-environmental-report/), Google (2026)
