W skrócie
Należy z grubsza policzyć, ile pytań tekstowych, długich dokumentów i obrazów używa się w tygodniu, i pomnożyć to przez opublikowane wartości na zapytanie. Daje to przybliżony zakres. Według danych samych firm typowy prompt tekstowy to ułamek watogodziny, a długie dane wejściowe i obrazy kosztują znacznie więcej, więc w sumie zwykle dominują najbardziej energochłonne nawyki. Wynik należy traktować jako szacunek, a nie dokładną liczbę.
Kroki
- Zapisać dla typowego tygodnia, ile pytań tekstowych, zadań z długimi dokumentami i obrazów się zleca.
- Pomnożyć każdą z tych liczb przez opublikowaną wartość na zapytanie, przyjmując wartość niską i wysoką.
- Zsumować wyniki, aby uzyskać tygodniowy zakres energii w watogodzinach.
- Jeśli potrzebna jest wartość emisji, przeliczyć ją według emisyjności lokalnej sieci.
- Sprawdzić, który nawyk dominuje, i zmienić najpierw właśnie ten.
Szacunek „na odwrocie koperty” wystarczy, by pokazać, które nawyki mają znaczenie. Chatbota nie da się podłączyć do licznika, ale opublikowane wartości pozwalają zbudować rozsądny zakres.
Jakich wartości można użyć?
| Rodzaj użycia | Opublikowana wartość | Źródło |
|---|---|---|
| Typowe pytanie tekstowe | około 0,24–0,34 Wh | Google (mediana promptu tekstowego Gemini); OpenAI (przeciętne zapytanie do ChatGPT) |
| Pytanie tekstowe, niezależny szacunek | około 0,3 Wh | Epoch AI |
| Bardzo długie dane wejściowe (około 100 000 tokenów, mniej więcej książka) | prawie 40 Wh | Epoch AI |
| Wygenerowanie obrazu | średnio około 2,9 kWh na 1000 obrazów, czyli około 2,9 Wh na obraz | Luccioni, Jernite i Strubell |
Wartości firm pochodzą z ich własnych deklaracji i przyjmują różne granice. Wartość dla obrazów pochodzi z badania otwartych modeli z 2024 roku. Należy traktować je jako przybliżoną wskazówkę.
Przykład obliczenia
Pięćdziesiąt krótkich pytań tygodniowo po 0,3 Wh to około 15 Wh. Dziesięć wygenerowanych obrazów po około 2,9 Wh dodaje mniej więcej 29 Wh: obrazy ponad dwukrotnie zwiększają sumę. Wklejenie kilku bardzo długich dokumentów może dodać jeszcze więcej. Aby przeliczyć to na emisje, należy pomnożyć wynik przez emisyjność sieci elektroenergetycznej; zob. jak znaleźć dane o emisyjności sieci. Większe znaczenie ma jednak sieć, z której korzysta centrum danych, niż sieć użytkownika.
Co daje największą różnicę
Obrazy, wideo, bardzo długie dane wejściowe i niekończące się ponowne generowanie, a nie liczba krótkich pytań. Pisanie „proszę” praktycznie nie ma znaczenia. Skalę pokazuje jak spojrzeć na zużycie energii przez AI z właściwej perspektywy, a pomocne nawyki: jak zmniejszyć energię korzystania z ChatGPT.
Przewodnik po zielonej AI dla wszystkich wyjaśnia, dlaczego wartości się różnią.
Źródła
- 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)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
Powiązane
Jak ocenić moje zużycie energii przez AI we właściwej perspektywie?
Jak jedno pytanie do AI wypada na tle codziennego zużycia energii, dlaczego obrazy, wideo i długie dokumenty zmieniają obraz i czemu suma globalna się liczy.
Jak zmniejszyć zużycie energii przy korzystaniu z ChatGPT?
Praktyczne sposoby na mniejsze zużycie energii przez ChatGPT i podobne chatboty: krótsze wymiany, mniej ponownych generowań, lżejsze modele i mniej obrazów.
Jak sprawdzić twierdzenie o zużyciu energii przez AI?
Sześć pytań, by sprawdzić twierdzenie o energii, wodzie lub emisjach AI: na co, kto to mówi, co obejmuje, jak stare, w porównaniu z czym, łącznie czy na użycie.
Zielona AI: przewodnik prostym językiem dla wszystkich
Ile naprawdę energii i wody kosztuje korzystanie z AI, które codzienne nawyki mają znaczenie, jak oceniać deklaracje i jak zabrać głos.