# AI 전력 소비량: AI는 에너지를 얼마나 쓸까?

> AI 전력 소비량은 얼마일까요? ChatGPT·Gemini 질문 1회, 추론 모델, 이미지, 영상, 코딩 에이전트의 에너지 사용량과 데이터 센터 전체 전력 사용량을 출처와 함께 정리합니다.

Source: https://greenai.guide/ko/기사/ai-전력-소비량-ai는-에너지를-얼마나-쓸까/  
Updated: 2026-11-20

## 요약

ChatGPT나 Gemini 같은 챗봇에 보내는 일반적인 짧은 텍스트 프롬프트는 제공업체 자체 수치와 독립 추정치에 따르면 약 0.2~0.4와트시의 전기를 씁니다. TV를 몇 초 켜 두는 정도입니다. 긴 입력, 추론 모델, 이미지, 영상, 코딩 에이전트에서는 AI 에너지 사용량이 가파르게 늘어나며, 작업 하나에 수십 배에서 수천 배를 더 쓸 수 있습니다. 국제에너지기구(IEA)에 따르면 2025년 데이터 센터 전체가 약 485 TWh의 전기를 썼고, 이 수치가 늘어나는 주된 이유는 AI입니다.

## 핵심 내용

- Google은 2025년 5월 Gemini 텍스트 프롬프트 중앙값이 0.24 Wh라고 보고했고, OpenAI 최고경영자는 ChatGPT 질의 평균을 약 0.34 Wh로 제시했습니다. 둘 다 자체 보고 수치입니다.
- Epoch AI는 일반적인 GPT-4o 질의를 약 0.3 Wh로 추정하며, 입력이 10,000 token이면 약 2.5 Wh, 100,000 token이면 40 Wh 가까이로 늘어난다고 봅니다.
- Hugging Face의 AI Energy Score 시험에서 추론 모델은 일반 모델보다 평균 30배 많은 에너지를 썼습니다.
- 공개 모델 시험에서 이미지 한 장을 생성하는 데 평균 약 2.9 Wh, 짧은 AI 영상 하나에 약 90 Wh가 들었습니다.
- AI 코딩 에이전트를 많이 쓴 사례를 분석한 결과, 직접 입력한 프롬프트 하나당 약 150 Wh로 추정되었습니다. 챗봇 프롬프트 중앙값의 약 600배입니다.
- IEA는 2025년 데이터 센터가 약 485 TWh를 썼다고 추정합니다. 1년 만에 17% 늘어난 것이며, 2030년에는 약 950 TWh에 이를 것으로 예상합니다.

AI는 에너지를 얼마나 쓸까요? 챗봇에 짧은 질문 하나를 하는 데는 아주 적게, 1와트시에도 못 미치는 양을 씁니다. 긴
문서, 추론 모드, 이미지, 영상, 코딩 에이전트에는 훨씬 더 많이 씁니다. 그리고 매일 수십억 건의 요청이 쌓이면서 AI
에너지 소비는 이제 전력 계획을 좌우할 만큼 커졌습니다. 이 페이지는 공개된 가장 좋은 수치를 모아 각각의 출처를
밝히고, 수치가 왜 서로 다른지 설명합니다.

## ChatGPT나 Gemini 프롬프트 하나에 에너지가 얼마나 드나요? {#how-much-energy-does-a-chatgpt-or-gemini-prompt-use}

**현재 가장 좋은 수치로 보면, 대형 챗봇에 보내는 짧은 텍스트 프롬프트는 약 0.2~0.4와트시(Wh)를 씁니다.**
1와트시는 1와트짜리 기기가 1시간 동안 쓰는 에너지입니다.

가장 많이 인용되는 수치는 제공업체 자신에게서 나옵니다.

- **Google**은 2025년 Gemini 앱의 텍스트 프롬프트 중앙값이 0.24 Wh를 썼다고 보고했습니다. 논문은 이를 텔레비전을
  9초도 안 되게 시청하는 것과 비교합니다.
- **OpenAI** 최고경영자는 2025년 ChatGPT 질의 평균이 약 0.34 Wh를 쓴다고 썼습니다. 산정 방법은 공개되지
  않았습니다.
- 독립 연구 단체인 **Epoch AI**는 하드웨어와 모델 크기에 관한 공개 정보를 바탕으로 일반적인 GPT-4o 질의를 약
  0.3 Wh로 추정했습니다.

세 수치는 비슷하지만 같은 조건의 비교는 아닙니다. 중앙값은 평균이 아니고, 각 수치는 무엇을 셀지의 경계를 서로
다른 곳에 긋습니다. 또한 모두 짧은 텍스트 프롬프트만 다룹니다.

## 작업별 에너지: 수치 비교 {#energy-per-task-the-figures-compared}

**AI 작업당 에너지는 짧은 프롬프트의 1와트시 미만부터 에이전트 세션의 수백 와트시까지 천 배 넘게 차이 납니다.**
아래 표는 공개된 주요 수치입니다. 자체 보고 수치는 서비스를 운영하는 회사에서 나오고, 추정치와 측정치는 독립
연구자에게서 나옵니다.

| 작업 | 에너지 | 출처와 연도 | 유형 |
|---|---|---|---|
| Gemini 텍스트 프롬프트 중앙값 | 0.24 Wh | Google, 2025 | 자체 보고, 방법 공개 |
| ChatGPT 질의 평균 | 약 0.34 Wh | OpenAI 최고경영자, 2025 | 자체 보고, 방법 미공개 |
| 일반적인 GPT-4o 질의 | 약 0.3 Wh | Epoch AI, 2025 | 독립 추정 |
| GPT-4o, 짧은 프롬프트(입력 100 token, 출력 300) | 0.42 Wh | Jegham et al., 2025 | 독립 추정 |
| 입력 10,000 token의 GPT-4o급 질의 | 약 2.5 Wh | Epoch AI, 2025 | 독립 추정 |
| 입력 100,000 token의 GPT-4o급 질의 | 40 Wh 가까이 | Epoch AI, 2025 | 독립 추정 |
| 긴 프롬프트(입력 10,000, 출력 1,500): Llama 3.1 8B 대 DeepSeek-R1 | 약 0.44 Wh 대 약 29 Wh | Jegham et al., 2025 | 독립 추정 |
| 추론 모델 대 일반 모델 | 평균 30배 많음 | Hugging Face AI Energy Score, 2025 | 측정, 공개 모델 |
| 생성 이미지 한 장 | 약 2.9 Wh(1,000장당 2.9 kWh) | Luccioni, Jernite and Strubell, 2024 | 측정, 공개 모델 |
| 짧은 생성 영상 하나 | 한 모델에서 약 90 Wh, 모델에 따라 0.14 Wh에서 415 Wh 넘게 | Delavande, Pierrard and Luccioni, 2025 | 측정, 공개 모델 |
| 코딩 에이전트 세션 중앙값 | 약 41 Wh | Couch, 2026 | 독립 추정 |
| 코딩 에이전트, 직접 입력한 프롬프트당(많이 쓰는 경우) | 약 150 Wh(범위 60–290 Wh) | Hausfather, 2026 | 독립 추정 |

[token(토큰)](/ko/용어집/#token)은 텍스트 조각으로, 영어 단어로 치면 대략 4분의 3 단어입니다. 이미지와 영상 수치는
연구용 하드웨어에서 돌린 공개 모델에서 나온 것입니다. 상용 서비스는 이보다 더 효율적일 수도, 덜 효율적일 수도
있으며, 대부분은 수치를 공개하지 않습니다.

## 추론 모델, 이미지, 에이전트는 왜 더 많이 쓰나요? {#why-do-reasoning-models-images-and-agents-use-more}

**요청 하나에 훨씬 많은 계산을 하기 때문입니다.** 에너지는 모델이 읽고 쓰는 token 수와 모델의 크기에 따라
늘어납니다.

- **추론 모델**은 답하기 전에 숨겨진 긴 풀이 과정을 씁니다. Hugging Face의 AI Energy Score 팀은 같은 모델이라도
  추론을 켜고 돌리면 껐을 때보다 150~700배 많은 에너지를 쓰고, 300~800배 많은 token을 쓴다는 것을 발견했습니다.
- **긴 입력**은 전부 처리해야 합니다. Epoch AI의 추정치는 입력이 아주 긴 문서를 붙여 넣은 크기인 100,000 token으로
  늘어나면 약 0.3 Wh에서 40 Wh 가까이로 올라갑니다.
- **이미지와 영상**은 많은 픽셀에 걸쳐 여러 단계로 생성됩니다. Delavande, Pierrard, Luccioni는 영상 에너지가
  해상도와 길이에 따라 제곱으로 늘어난다는 것을 발견했고, 짧은 클립 하나를 텍스트 답변의 약 2,000배로
  추산했습니다.
- **에이전트**는 모델을 거듭 호출하며, 매번 점점 커지는 맥락을 다시 읽습니다. Anthropic은 자사 에이전트가 보통
  채팅의 약 4배, 멀티 에이전트 시스템은 약 15배의 token을 썼다고 보고했습니다.

### AI 코딩 에이전트는 에너지를 얼마나 쓰나요? {#how-much-energy-does-an-ai-coding-agent-use}

**추정치는 일반적인 세션의 수십 와트시부터 많이 쓴 하루의 1킬로와트시 이상까지 다양합니다.** 코딩 에이전트의
에너지 수치를 공개하는 AI 회사는 없으므로, 현재 구할 수 있는 가장 좋은 수치는 token 수를 바탕으로 한 신중한 독립
추정치입니다.

Simon Couch는 모델 호출 24번, 약 590,000 token이 든 Claude Code 세션 중앙값을 약 41 Wh로 추정했습니다. 기후
과학자 Zeke Hausfather는 자신이 8주 동안 많이 쓴 기록을 남겼습니다. 직접 입력한 프롬프트 1,138개가 14,000번이
넘는 모델 호출과 32억 token을 일으켰고, 그중 96%는 캐시된 맥락을 다시 읽은 것이었습니다. 그는 전체를 약 170 kWh
(범위 70–330 kWh), 프롬프트당 약 150 Wh, 세션 중앙값을 약 0.6 kWh로 추정했으며, 이를 휴대전화를 약 50번 충전하는
것과 비교합니다. [에이전트 AI와 token 낭비](/ko/기사/에이전틱-ai와-토큰-낭비/)를 참고하십시오.

## 훈련과 추론 중 어느 쪽 비용이 더 큰가요? {#is-training-or-inference-the-bigger-cost}

**널리 쓰이는 모델이라면 보통 모델을 돌리는 것(추론)이 훈련보다 비용이 큽니다.** 훈련은 큰 일회성 비용이고,
[추론](/ko/용어집/#inference)은 요청 하나당 작지만 수십억 번 반복됩니다.

공개된 훈련 수치는 그 규모를 보여 줍니다.

- **GPT-3**(2020): Google의 Patterson 연구진은 훈련에 1,287 MWh의 전기가 쓰였다고 추정했습니다.
- **Llama 3.1**(2024): Meta의 모델 카드는 세 가지 모델 크기에 H100 칩으로 3,930만 GPU 시간이 들었고, 그중 3,084만
  시간이 가장 큰 4,050억 매개변수 모델에 쓰였다고 보고합니다.

반대편에서 Patterson 연구진은 머신러닝 작업량의 80–90%가 추론이라는 NVIDIA의 추정과, 자사 클라우드의 머신러닝
수요 중 90%가 추론이라는 Amazon Web Services의 주장을 인용합니다. 이런 균형 때문에 프롬프트당 에너지가 줄어드는
것이 매우 중요하지만, 그것만으로는 충분하지 않은 이유이기도 합니다. 사용량이 더 빠르게 늘고 있기 때문입니다.
[효율은 충분성이 아니다](/ko/기사/효율은-충분성이-아닙니다-ai의-리바운드-효과/)를 참고하십시오.

## 데이터 센터와 AI는 전체적으로 전기를 얼마나 쓰나요? {#how-much-electricity-do-data-centres-and-ai-use-in-total}

**국제에너지기구(IEA)는 2025년 데이터 센터가 약 485 TWh를 썼다고 추정하며, 2030년에는 세계 전력의 약 3%인 약
950 TWh에 이를 것으로 예상합니다.** 1테라와트시(TWh)는 10억 킬로와트시입니다.

- IEA는 2024년 데이터 센터 사용량을 세계 전력의 약 1.5%인 약 415 TWh로 보았습니다. 2026년 4월 업데이트에서는
  2025년에 485 TWh로 1년 만에 17% 늘었고, AI 중심 데이터 센터가 쓴 전기는 50% 늘었다고 보고했습니다.
- IEA는 2030년까지 증가분의 80% 가까이를 미국과 중국이 차지하고, 주로 AI용인 가속 서버가 증가분의 거의 절반을
  이끌 것으로 예상합니다.
- 미국에서는 Lawrence Berkeley National Laboratory가 2023년 데이터 센터가 국가 전력의 4.4%인 약 178 TWh를 썼으며
  2028년에는 6.7–12%에 이를 수 있다고 추정했습니다.

데이터 센터는 AI 작업을 따로 계량하지 않기 때문에 AI만의 믿을 만한 세계 수치는 없습니다. 기업 보고서는 추세를
보여 줍니다. Microsoft의 전기 사용량은 2020 회계연도 약 10.8 TWh에서 2025년 약 37.0 TWh로 늘었고, Google은
2025년 전력 수요가 37% 늘어 사상 최대 증가를 기록했다고 보고했습니다.
[왜 지금 그린 AI가 중요한가](/ko/기사/왜-지금-그린-ai가-중요한가/)를 참고하십시오.

## AI 에너지 수치는 왜 이렇게 제각각인가요? {#why-do-ai-energy-figures-vary-so-much}

**연구마다 서로 다른 하드웨어에서, 서로 다른 모델과 작업을 두고, 서로 다른 것을 세기 때문입니다.** 차이의 대부분은
네 가지 요인으로 설명됩니다.

1. **시스템 경계.** Google 자체 논문에 따르면, 작동 중인 AI 칩만 세면 프롬프트 중앙값당 0.10 Wh이지만, 호스트
   프로세서와 메모리, 수요에 대비해 대기 중인 유휴 용량, 데이터 센터 냉각을 더하면 두 배가 넘는 0.24 Wh가
   됩니다. [측정이 병목이다](/ko/기사/측정이-그린-ai의-병목입니다/)를 참고하십시오.
2. **하드웨어와 가동률.** 새 칩일수록 와트당 더 많은 일을 하고, 바쁜 서버는 한가한 서버보다 더 많은 요청에
   간접 비용을 나눕니다.
3. **모델 크기.** Jegham 연구진의 추정에서 긴 프롬프트 하나는 작은 Llama 3.1 8B 모델에서 약 0.44 Wh, 대형 추론
   모델인 DeepSeek-R1에서 약 29 Wh가 들었습니다.
4. **token.** 더 긴 입력, 더 긴 답변, 숨겨진 추론, 반복되는 에이전트 단계는 모두 token을 늘리며, 에너지도 그에 따라
   늘어납니다.

두 가지를 더 주의하십시오. 수치는 빨리 낡습니다. Google은 1년 사이 프롬프트 중앙값당 에너지가 33분의 1로 줄었다고
보고했습니다. 그리고 자체 보고 수치는 독립적으로 확인할 수 없습니다. 어떤 수치를 보면 무엇을, 어떤 경계에서,
언제 측정했는지 물어보십시오. [AI 에너지 사용에 관한 주장을 확인하는 방법](/ko/방법/ai-에너지-사용에-관한-주장이-맞는지-어떻게-확인하나요/)을
참고하십시오.

## AI 에너지는 일상적인 것들과 비교하면 어느 정도인가요? {#how-does-ai-energy-compare-with-everyday-things}

**짧은 텍스트 프롬프트는 대부분의 가정용 전기 사용에 비하면 작지만, 에이전트나 영상을 많이 쓰는 경우는
그렇지 않습니다.** 아래 비교는 출처 자신이 든 것입니다.

- Google은 0.24 Wh인 Gemini 프롬프트 중앙값을 텔레비전을 9초도 안 되게 시청하는 것과 비교합니다.
- Hausfather는 자신이 많이 쓴 코딩 에이전트 세션 중앙값(약 0.6 kWh)을 휴대전화를 약 50번 충전하는 것과, 그런
  사용의 하루 평균(약 3 kWh)을 냉장고 두 대 넘게 돌리는 것과 비교합니다.
- Couch는 자신의 코딩 에이전트 사용 하루 중앙값(약 1,300 Wh)을 식기세척기를 매일 한 번 더 돌리는 것과
  비교합니다.
- Google은 2009년 웹 검색 1회 평균이 약 0.3 Wh를 쓴다고 밝혔는데, 오늘날 짧은 텍스트 프롬프트와 비슷한
  수준입니다. 두 수치는 시기와 방법이 크게 다릅니다.

요청 하나하나가 크다는 것이 요점이 아닙니다. 습관이 중요하다는 것입니다. 추론 모델을 고르는 것, 긴 문서를 붙여
넣는 것, 이미지를 한꺼번에 여러 장 생성하는 것, 에이전트를 계속 돌려 두는 것은 저마다 작업의 에너지를 몇 배로
늘릴 수 있습니다. [내 AI 에너지 사용을 제대로 가늠하기](/ko/방법/내-ai-에너지-사용량은-다른-것과-비교하면-어느-정도인가요/)를 참고하십시오.

## AI 에너지 사용을 줄이려면 무엇을 할 수 있나요? {#what-can-you-do-to-cut-ai-energy-use}

**일을 해낼 수 있는 가장 작은 도구를 쓰고, 덜 요구하십시오.** 가장 큰 절약은 제공업체를 바꾸는 것이 아니라
불필요한 작업을 피하는 데서 나옵니다.

- **그 작업에 AI가 필요한지 판단하십시오.** [작업에 AI가 필요한지 판단하기](/ko/방법/이-작업에-ai가-정말-필요한지-어떻게-판단하나요/)를 참고하십시오.
- 일상적인 질문에는 **더 작거나 빠른 모델을 고르십시오.** [더 작은 AI 모델 고르기](/ko/방법/더-작은-ai-모델은-어떻게-골라야-하나요/)와
  [알맞은 모델 고르기](/ko/모범-사례/작업에-맞는-모델-고르기/)를 참고하십시오.
- 필요하지 않을 때는 **추론을 끄십시오.** [추론 모드는 필요할 때만 쓰기](/ko/방법/ai의-생각하기-추론-모드는-언제-써야-하나요/)를 참고하십시오.
- **대화를 짧게 유지하고** 새 주제는 새 채팅에서 시작하십시오. [긴 AI 채팅을 효율적으로 유지하기](/ko/방법/긴-ai-대화가-에너지를-낭비하지-않게-하려면-어떻게-해야-하나요/)를 참고하십시오.
- **이미지와 영상을 덜 생성하십시오.** [AI 이미지·영상 생성의 영향 줄이기](/ko/방법/ai-이미지와-동영상-생성의-환경-영향을-줄이려면-어떻게-해야-하나요/)를 참고하십시오.
- **에이전트에 한도를 두십시오.** [AI 에이전트의 token 낭비 막기](/ko/방법/ai-에이전트가-토큰을-낭비하지-않게-하려면-어떻게-해야-하나요/)와
  [발자국이 더 작은 AI 코딩 도우미 쓰기](/ko/방법/ai-코딩-어시스턴트를-발자국을-크게-남기지-않고-쓰려면-어떻게-해야-하나요/)를 참고하십시오.

조직이라면 측정에서 시작하십시오. [AI 에너지 측정하기](/ko/모범-사례/ai의-에너지와-탄소를-측정하는-방법/),
[AI API 호출의 에너지 추정하기](/ko/방법/ai-api-호출에-드는-에너지는-어떻게-추정하나요/),
[AI를 효율적으로 쓰기](/ko/모범-사례/ai를-효율적으로-쓰기-일상-습관/)를 참고하십시오.

## 다음에 할 일 {#what-to-do-next}

- 에너지를 배출량으로 환산하려면 [AI의 탄소 발자국이란 무엇인가?](/ko/기사/ai의-탄소-발자국이란-무엇인가/)를 읽어 보십시오.
- 물 측면은 [AI는 물을 얼마나 쓸까?](/ko/기사/ai는-물을-얼마나-쓸까-ai-물-사용량/)를 읽어 보십시오.
- 일상 습관은 [내 ChatGPT 사용의 에너지 줄이기](/ko/방법/chatgpt-사용-에너지를-줄이려면-어떻게-해야-하나요/)를 해 보십시오.
- AI 제공업체에 작업당 에너지 수치를 요청하십시오. [AI 회사에 에너지 수치 요청하기](/ko/방법/ai-회사에-에너지-사용량-수치를-어떻게-요청하나요/)를 참고하십시오.
- [AI Energy Score](/ko/방법/ai-energy-score-등급은-어떻게-읽나요/)로 공개 모델의 측정된 에너지를 비교해 보십시오.

## 자주 묻는 질문

### ChatGPT 질문 한 번에 전기가 얼마나 드나요?

OpenAI 최고경영자는 2025년에 ChatGPT 질의 평균이 약 0.34와트시를 쓴다고 밝혔고, Epoch AI는 일반적인 GPT-4o 질의를 독립적으로 약 0.3 Wh로 추정했습니다. 긴 입력, 추론 모드, 이미지 생성은 훨씬 많이 씁니다.

### AI는 프롬프트 하나당 에너지를 얼마나 쓰나요?

짧은 텍스트 프롬프트의 경우 공개된 수치는 0.2~0.4 Wh 부근에 몰려 있습니다. Google은 Gemini 프롬프트 중앙값을 0.24 Wh로 보고합니다. 긴 프롬프트를 넣은 대형 모델의 독립 추정치는 약 29 Wh에 이르고, 에이전트 방식의 코딩 세션은 수백 와트시를 쓸 수 있습니다.

### AI는 Google 검색보다 에너지를 더 많이 쓰나요?

공개된 수치로 보면 짧은 텍스트 프롬프트는 그렇지 않습니다. Google은 2009년에 검색 1회 평균이 약 0.3 Wh를 쓴다고 밝혔고, 지금은 Gemini 텍스트 프롬프트 중앙값을 0.24 Wh로 보고합니다. 두 수치는 16년 차이가 나고 측정 방식도 다르므로 대략적인 참고로만 보십시오. 긴 작업, 추론, 이미지, 에이전트 작업은 훨씬 많이 씁니다.

### AI는 전체적으로 전기를 얼마나 쓰나요?

AI만 따로 떼어 낸 믿을 만한 수치는 없습니다. 국제에너지기구는 2025년 전체 데이터 센터가 약 485 TWh를 써서 1년 만에 17% 늘었고, AI 중심 데이터 센터의 사용량은 50% 늘었으며, 2030년에는 전체가 세계 전력의 약 3%인 약 950 TWh에 이를 것으로 추정합니다.

### AI는 훈련과 사용 중 어느 쪽이 에너지를 더 많이 쓰나요?

대형 모델 하나를 훈련하는 것은 큰 일회성 비용입니다. 예를 들어 GPT-3는 1,287 MWh로 추정됩니다. 그러나 인기 있는 모델은 수십억 번 사용되며, Google 연구진이 인용한 업계 추정에 따르면 머신러닝 작업량의 80–90%가 추론입니다.

### AI 에너지 추정치는 왜 이렇게 제각각인가요?

서로 다른 것을 세기 때문입니다. 데이터 센터 냉각, 유휴 서버, 호스트 컴퓨터를 포함하자 Google 자체 수치가 0.10 Wh에서 0.24 Wh로 두 배 넘게 늘었습니다. 모델 크기, 하드웨어, 프롬프트 길이, 생성되는 token 수에 따라서도 답이 달라집니다.

### AI 이미지 생성에는 에너지가 얼마나 드나요?

Luccioni, Jernite, Strubell의 공개 모델 시험에서 이미지 생성은 평균 1,000장당 약 2.9 kWh, 즉 한 장에 약 2.9 Wh를 썼습니다. 텍스트 하나를 분류하는 것보다 천 배 넘게 많은 양입니다.

### 내가 쓰는 AI의 에너지 사용을 어떻게 줄일 수 있나요?

간단한 작업에는 더 작거나 빠른 모델을 쓰고, 프롬프트와 대화를 짧게 유지하고, 필요하지 않을 때는 추론 모드를 끄고, 이미지와 영상을 덜 생성하십시오. 그 작업에 AI가 애초에 필요한지 묻는 것이 가장 많이 절약됩니다.

## 출처

- [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)
