W skrócie
Jedno tekstowe pytanie do chatbota AI zużywa niewiele energii, według danych samych firm mniej więcej jedną trzecią watogodziny, oraz ułamek mililitra wody. Obrazy i wideo zużywają znacznie więcej, a sama liczba zapytań się sumuje. Najważniejsze nawyki to wybór właściwego narzędzia, unikanie niekończącego się generowania od nowa i domaganie się uczciwych informacji.
Najważniejsze punkty
- Google podaje 0,24 Wh i 0,26 mL wody na medianowy tekstowy prompt w Gemini; OpenAI mówi o około 0,34 Wh na przeciętne zapytanie do ChatGPT. Obie wartości podały same firmy.
- Generowanie obrazów zużywa znacznie więcej energii niż obsługa tekstu: w jednym badaniu ponad tysiąc razy więcej na zapytanie niż klasyfikacja tekstu.
- Międzynarodowa Agencja Energetyczna prognozuje, że zużycie energii elektrycznej przez centra danych wzrośnie w latach 2024–2030 ponad dwukrotnie, a głównym motorem będzie AI.
- Wartości na jeden prompt różnią się, bo firmy mierzą różne rzeczy; zawsze warto pytać, co zostało uwzględnione.
- Głos można zabrać poprzez własne wybory, miejsce pracy lub szkołę, lokalne decyzje planistyczne i konsultacje publiczne.
Czym jest zielona AI, mówiąc prosto?
Zielona AI oznacza korzystanie z dobrodziejstw sztucznej inteligencji (AI) przy mniejszym zużyciu energii, wody i innych zasobów. Obejmuje dwie rzeczy: zwiększanie efektywności samej AI oraz rozsądne korzystanie z niej, tylko tam, gdzie pomaga.
Nie chodzi o to, by mówić ludziom, że nigdy nie powinni używać AI. Brytyjski sandpit (intensywne warsztaty badawcze, na których naukowcy i przemysł wspólnie wypracowują pomysły na projekty) poświęcony zielonej AI w 2026 roku, z udziałem matematyków, informatyków i przedstawicieli przemysłu, omówił to wprost i doszedł do wniosku, że odpowiedzialne korzystanie z AI jest bardziej użytecznym celem niż odrzucanie jej. Dłuższe wyjaśnienie znajduje się na stronie czym jest zielona AI?
Ile energii zużywa korzystanie z AI?
W przypadku jednego zwykłego pytania tekstowego niewiele: według danych samych firm około jednej trzeciej watogodziny. Obrazy i wideo zużywają jednak znacznie więcej, a liczba zapytań na świecie jest ogromna.
Oto opublikowane dane:
| Źródło | Co zmierzono | Energia |
|---|---|---|
| Google (2025) | Medianowy tekstowy prompt w aplikacjach Gemini | 0,24 Wh |
| OpenAI (2025) | Przeciętne zapytanie do ChatGPT | około 0,34 Wh |
| Epoch AI (2025), niezależny szacunek | Typowe tekstowe zapytanie do ChatGPT | około 0,3 Wh |
OpenAI porównuje swoją wartość z tym, ile zużywa piekarnik w nieco ponad sekundę albo energooszczędna żarówka w ciągu kilku minut. Szacunek Epoch AI jest mniej więcej dziesięć razy niższy od starszej, często cytowanej wartości 3 Wh, co pokazuje, jak szybko zmieniają się szacunki wraz z postępem sprzętu i oprogramowania. Google podaje, że energia jego medianowego promptu spadła w ciągu roku 33-krotnie.
Obrazy i wideo kosztują znacznie więcej. W testach naukowców z Hugging Face i Carnegie Mellon University generowanie obrazów zużywało średnio około 2,9 kWh na 1000 obrazów, wobec 0,002 kWh przy przydzielaniu 1000 fragmentów tekstu do kategorii. To ponad tysiąc razy więcej na jedno zapytanie. Generowanie wideo jest jeszcze bardziej energochłonne.
Planistów energetycznych niepokoi suma. Międzynarodowa Agencja Energetyczna (IEA) szacuje, że centra danych zużyły w 2024 roku około 415 TWh energii elektrycznej, czyli około 1,5% światowego zużycia, i prognozuje około 945 TWh do 2030 roku. Za najważniejszy motor tego wzrostu uznaje AI.
Ile wody zużywa AI?
Na jeden tekstowy prompt bardzo mało; łącznie, a w niektórych miejscach, dużo. Centra danych zużywają wodę głównie do chłodzenia komputerów, a elektrownie zużywają wodę do wytwarzania energii elektrycznej.
- Google podaje 0,26 mL wody na medianowy tekstowy prompt w Gemini.
- OpenAI twierdzi, że przeciętne zapytanie do ChatGPT zużywa około 0,000085 galona, czyli mniej więcej jedną piętnastą łyżeczki.
- Francuska firma Mistral AI opublikowała ocenę cyklu życia, która uwzględnia więcej etapów niż którakolwiek z tych wartości. Według niej odpowiedź liczącą 400 tokenów (kilka akapitów) oszacowano na 1,14 g CO₂e (ekwiwalentu dwutlenku węgla) i 45 mL wody.
- Naukowcy Li, Yang, Islam i Ren oszacowali, że trenowanie modelu GPT-3 w amerykańskich centrach danych Microsoftu mogło spowodować bezpośrednie odparowanie około 700 000 litrów czystej słodkiej wody.
Duże różnice między tymi liczbami wynikają głównie z tego, co jest liczone, a nie z tego, że jedna firma jest dużo lepsza od innej. Znaczenie ma też lokalizacja centrum danych: woda pobrana w suchym regionie podczas suszy ma większy wpływ niż ta sama ilość tam, gdzie wody jest pod dostatkiem.
Dlaczego liczby są tak niepewne?
Ponieważ większość danych pochodzi od samych firm, które mierzą różne rzeczy i rzadko publikują pełne metody. Niezależni badacze często muszą szacować z zewnątrz.
Co zmienia wynik:
- Co jest uwzględnione: tylko chipy, czy także chłodzenie, niewykorzystana rezerwa mocy, sieć i produkcja sprzętu?
- Jaki model: małe modele zużywają znacznie mniej niż duże, a modele „rozumujące”, które myślą krok po kroku, wytwarzają w tle dużo więcej słów.
- Jak długa jest odpowiedź: zużycie energii rośnie wraz z ilością czytanego i pisanego tekstu.
- Gdzie i kiedy działa: ta sama energia elektryczna może być niskoemisyjna w jednym kraju lub o jednej godzinie i wysokoemisyjna w innym.
Każdą pojedynczą liczbę należy więc traktować jako przybliżenie. Rzetelne źródła podają, co uwzględniły i na ile są pewne.
Które codzienne nawyki mają znaczenie, a które nie?
Znaczenie mają nawyki, które zwielokrotniają korzystanie: generowanie dużej liczby obrazów lub wideo, generowanie od nowa raz za razem i pozostawianie AI włączonej, gdy nie jest potrzebna. Drobne uprzejmości i okazjonalne pytania mają bardzo małe znaczenie.
Nawyki, które naprawdę coś zmieniają:
- Używać właściwego narzędzia. Zwykła wyszukiwarka, kalkulator, mapa czy słownik są często szybsze i zużywają mniej.
- Oszczędnie z obrazami i wideo. Generować to, co potrzebne, a nie dziesiątki wariantów dla zabawy.
- Doprecyzowywać zamiast generować od nowa. Jeśli pierwsza odpowiedź nie jest dobra, lepiej napisać, co zmienić, niż raz po raz klikać „spróbuj ponownie”.
- Prosić o krótkie odpowiedzi, gdy tylko tego trzeba. UNESCO i University College London ustaliły, że krótsze prompty (polecenia) i odpowiedzi mogą obniżyć zużycie energii o ponad połowę.
- Wybierać lżejsze opcje, gdy aplikacja oferuje do prostych pytań model „fast”, „mini” lub „lite”.
- Wyłączać nieużywane funkcje AI w aplikacjach i urządzeniach, jeśli ustawienia na to pozwalają.
Nawyki, które mają małe znaczenie:
- Mówienie „proszę” i „dziękuję”. Dodatkowe słowa to drobiazg w porównaniu z długą odpowiedzią.
- Zadawanie od czasu do czasu pytania tekstowemu chatbotowi. Według danych OpenAI każde zużywa mniej więcej tyle energii, ile energooszczędna żarówka w ciągu kilku minut.
Szerszy obraz dotyczy mniej indywidualnych nawyków, a bardziej tego, jak AI jest wbudowywana w produkty i usługi, z których korzysta bardzo wiele osób. Tam presja na efektywność i uczciwe informacje zmienia najwięcej. Więcej wskazówek jest na stronie efektywne korzystanie z AI.
Jak oceniać deklaracje na temat AI i środowiska?
Należy zapytać, co jest mierzone, kto to zmierzył i z czym jest porównywane. Bez tych informacji zarówno alarmujące, jak i uspokajające deklaracje mogą wprowadzać w błąd.
Pytania, które warto zadać:
- Na co? Na pytanie, na obraz, na rok, na użytkownika? Duża suma może oznaczać małą ilość na jedno użycie, i odwrotnie.
- Kto tak twierdzi? Firma o własnych danych, niezależne badanie czy artykuł prasowy powtarzający stary szacunek?
- Co jest uwzględnione? Tylko chipy komputerowe, czy całe centrum danych, dostawy energii elektrycznej i produkcja?
- Jak stare są dane? Liczby szybko się zmieniają. Wartość sprzed kilku lat może być dziesięć razy za wysoka albo za niska.
- W porównaniu z czym? „Dziesięć razy więcej niż wyszukiwanie” niewiele znaczy bez wiedzy, ile zużywa wyszukiwanie.
- Czy efektywność nie jest mylona z mniejszym zużyciem? Jeśli AI staje się tańsza na jedno pytanie, ludzie mogą po prostu korzystać z niej więcej. Nazywa się to efektem odbicia (rebound effect).
Warto podchodzić ostrożnie do słów takich jak „zielony”, „czysty” czy „neutralny węglowo”, jeśli nie stoją za nimi liczby. Zaczynają się pojawiać niezależne oceny: AI Energy Score, uruchomiony przez Hugging Face i partnerów, ocenia modele AI w skali od jednej do pięciu gwiazdek pod kątem efektywności energetycznej, trochę jak etykiety na sprzęcie AGD. Więcej na stronie etykiety energetyczne dla AI.
Jak można zabrać głos?
Na zieloną AI można wpływać przez własne wybory, przez to, czego domaga się w pracy lub szkole, oraz przez decyzje publiczne dotyczące centrów danych i regulacji. Organizacje słuchają, gdy pyta wystarczająco wiele osób.
- Jako użytkownik: wybierać usługi, które publikują jasne informacje o energii i wodzie, i mówić firmom, gdy tego nie robią.
- W pracy: zapytać, czy pracodawca ma politykę dotyczącą korzystania z AI i wyboru dostawców. Wskazać mu nasz przewodnik dla biznesu.
- W szkole lub na uczelni: zapytać, jak uczy się o AI i jej kosztach środowiskowych. Nauczyciele znajdą materiały w naszej sekcji dla szkół, a młodzi ludzie mogą zacząć od strony dla uczniów.
- Lokalnie: w wielu krajach nowe centra danych wymagają pozwolenia na budowę. Wnioski planistyczne i lokalne konsultacje to okazja, by zapytać o energię elektryczną, wodę i ciepło odpadowe.
- Na poziomie krajowym: rządy prowadzą konsultacje dotyczące AI, energii i polityki cyfrowej. Można odpowiadać na konsultacje lub pisać do wybranych przedstawicieli z prośbą o raportowanie zużycia energii i wody przez dostawców AI.
- W społeczności lokalnej: organizacje charytatywne i grupy społeczne też mogą dobrze korzystać z AI; pomóc może nasz przewodnik dla organizacji charytatywnych.
Czy AI może też pomagać środowisku?
Tak, w niektórych zastosowaniach, i to też jest część obrazu. AI służy do prognozowania pogody, wykrywania usterek na liniach energetycznych, planowania wykorzystania energii odnawialnej i przyspieszania modeli naukowych, a niektóre z tych zastosowań mogą oszczędzać więcej energii, niż zużywają.
Haczyk polega na tym, że takie oszczędności rzadko są mierzone, a koszty codziennego korzystania z AI rozkładają się na ogromną liczbę urządzeń i usług. Zielona AI wymaga uczciwego policzenia obu stron: ile kosztuje dane zastosowanie AI i ile faktycznie oszczędza. Preferuje też prostą, dobrze poznaną metodę tam, gdzie ona już wystarcza, i zachowanie AI dla problemów, w których wnosi coś nowego.
Naukowcy pracują nad sposobami, by modele AI były znacznie mniejsze i tańsze w działaniu, często wykorzystując matematykę zamiast większej mocy obliczeniowej. Ta praca ma znaczenie, bo udostępnia tę samą pomoc przy mniejszym zużyciu energii, na większej liczbie urządzeń i większej liczbie osób.
Co dalej
- Przy następnym korzystaniu z AI warto się zastanowić, czy nie wystarczyłoby prostsze narzędzie.
- Ograniczyć generowanie obrazów i wideo, które nie są naprawdę potrzebne, i doprecyzowywać zamiast generować od nowa.
- Prosić o krótkie odpowiedzi, gdy potrzebna jest tylko szybka odpowiedź.
- Sprawdzić jedną napotkaną deklarację na temat AI i środowiska za pomocą sześciu powyższych pytań.
- Zapytać pracodawcę, szkołę lub samorząd, jakie mają podejście do AI i energii.
- Dowiedzieć się więcej: zacząć od stron czym jest zielona AI? oraz dlaczego zielona AI ma znaczenie teraz albo przejrzeć sekcję dla szkół razem z młodą osobą.
Najczęściej zadawane pytania
Ile energii zużywa jedno pytanie do ChatGPT?
Prezes OpenAI stwierdził, że przeciętne zapytanie zużywa około 0,34 Wh, mniej więcej tyle, ile piekarnik w nieco ponad sekundę. Epoch AI niezależnie oszacowało około 0,3 Wh na typowe zapytanie. Długie lub złożone zapytania zużywają więcej.
Czy AI zużywa dużo wody?
Na jeden tekstowy prompt niewiele: Google podaje 0,26 mL na medianowy prompt w Gemini. Ważniejsze są sumy: naukowcy oszacowali, że trenowanie GPT-3 w amerykańskich centrach danych Microsoftu mogło spowodować odparowanie około 700 000 litrów słodkiej wody. Skutki lokalne zależą od tego, gdzie znajdują się centra danych.
Czy dla dobra planety należy przestać korzystać z AI?
Niekoniecznie. Według danych OpenAI okazjonalne pytanie tekstowe zużywa mniej więcej tyle energii, ile energooszczędna żarówka w ciągu kilku minut. Rozsądniej jest używać AI tam, gdzie pomaga, unikać marnotrawnych nawyków, takich jak generowanie dziesiątek obrazów, i domagać się lepszych informacji.
Czy mówienie chatbotowi „proszę” i „dziękuję” marnuje energię?
Każde dodatkowe słowo dodaje odrobinę przetwarzania, ale to bardzo mało w porównaniu z energią potrzebną do generowania długich odpowiedzi, obrazów czy wideo. Nie jest to nawyk, którym warto się martwić.
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)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- Energy and AI, International Energy Agency (2025)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
Powiązane
Czym jest zielona AI?
Prosta definicja zielonej AI: AI dla środowiska i bardziej zielona AI, efektywność i wystarczalność oraz ślad w energii, emisjach, wodzie i materiałach.
Dlaczego zielona AI ma znaczenie właśnie teraz
AI napędza szybki wzrost zużycia energii przez centra danych, obciąża sieci i podnosi koszty. Dane o skali, energii, kosztach i polityce w 2026 roku.
Etykiety energetyczne i testy porównawcze dla AI
Stan ocen energetycznych AI w 2026 roku: AI Energy Score, MLPerf Power, dokumentacja z AI Act i ocena centrów danych w UE oraz to, co mogą pokazać etykiety.
Efektywne korzystanie z AI: codzienne nawyki
Codzienne nawyki, które ograniczają zużycie energii przez AI: jasne prompty, mniej ponownych generowań, umiar z obrazami i wideo, buforowanie, wyłączanie.