Em resumo
Estas estatísticas de energia da IA reúnem 40 dos números mais úteis sobre a eletricidade, a água e o carbono da IA, cada um conferido na sua fonte primária e datado. Em resumo, os data centers usaram cerca de 415 TWh de eletricidade em 2024 (por volta de 1,5% do total mundial), a IEA prevê cerca de 950 TWh até 2030, e um prompt de texto típico usa aproximadamente 0,24–0,34 Wh segundo os números dos próprios fornecedores, enquanto imagens, vídeo, entradas longas e raciocínio usam muito mais.
Pontos-chave
- Os data centers usaram cerca de 415 TWh de eletricidade em 2024, por volta de 1,5% do total mundial, e 485 TWh em 2025, segundo a IEA.
- A IEA projeta cerca de 950 TWh até 2030, aproximadamente 3% da demanda mundial de eletricidade; o consumo de eletricidade dos data centers voltados para IA cresceu 50% em 2025.
- Os fornecedores informam cerca de 0,24 Wh (Google, prompt de texto mediano do Gemini) e 0,34 Wh (OpenAI, consulta média ao ChatGPT) por prompt de texto.
- Nos testes da Hugging Face em 2025, os modelos de raciocínio usaram em média 30 vezes mais energia que os modelos comuns.
- O treinamento do GPT-3 usou cerca de 1.287 MWh, segundo estimativas, e emitiu aproximadamente 552 toneladas de CO₂e.
- Os data centers usaram 23% da eletricidade medida da Irlanda em 2025.
Esta página reúne as estatísticas de energia da IA que as pessoas mais procuram, cada uma conferida na sua fonte primária, com o ano a que se refere. Use-a para encontrar um número rapidamente, e consulte a fonte antes de citá-lo em qualquer coisa importante.
Quais são as principais estatísticas de energia da IA?
Os data centers usam cerca de 1,5% da eletricidade do mundo, essa parcela deve aproximadamente dobrar até 2030, e a IA é o principal motor desse aumento. Um prompt de texto típico usa uma fração de um watt-hora, enquanto imagens, vídeo, entradas muito longas e raciocínio usam muito mais. As tabelas abaixo trazem 40 números em dez grupos. Quando as fontes divergem ou um número é uma faixa, a faixa é informada.
Eletricidade dos data centers
Os data centers usaram cerca de 415 TWh em 2024 e 485 TWh em 2025, segundo a IEA. Um terawatt-hora (TWh) equivale a um bilhão de quilowatts-hora.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 1 | Os data centers usaram cerca de 415 TWh de eletricidade em 2024, por volta de 1,5% do consumo mundial. | Agência Internacional de Energia (IEA) | 2025 |
| 2 | O consumo de eletricidade dos data centers cresceu 17% em 2025, para 485 TWh. | IEA | 2026 |
| 3 | A IEA projeta cerca de 950 TWh até 2030, aproximadamente 3% da demanda mundial de eletricidade. | IEA | 2026 |
| 4 | As projeções para 2035 vão de 700 a 1.700 TWh nos diferentes cenários da IEA. | IEA | 2025 |
| 5 | O consumo de eletricidade dos data centers cresceu cerca de 12% ao ano desde 2017. | IEA | 2025 |
| 6 | Os data centers responderão por cerca de um décimo do crescimento da demanda mundial de eletricidade até 2030. | IEA | 2025 |
Onde a demanda se concentra
Alguns poucos países e regiões concentram a maior parte da carga. Veja IA e a demanda de eletricidade dos data centers para entender o que isso significa para as redes elétricas.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 7 | Os Estados Unidos e a China respondem por quase 80% do crescimento mundial da eletricidade dos data centers até 2030. | IEA | 2025 |
| 8 | Os data centers dos EUA usaram 176 TWh em 2023, cerca de 4,4% da eletricidade do país. | Lawrence Berkeley National Laboratory (LBNL) | 2024 |
| 9 | A projeção é que os data centers dos EUA usem 325–580 TWh até 2028, 6,7–12% da eletricidade do país. | LBNL | 2024 |
| 10 | Os data centers respondem por quase metade do crescimento da demanda de eletricidade dos EUA até 2030. | IEA | 2025 |
| 11 | Os data centers usaram 23% da eletricidade medida da Irlanda em 2025, contra 5% em 2015. | Central Statistics Office, Irlanda | 2026 |
| 12 | Os data centers usaram quase um quarto da eletricidade da Virgínia em 2023. | Electric Power Research Institute | 2024 |
A parcela da IA
Não existe um número público exato para a parcela da IA na eletricidade dos data centers, mas a IA é a parte que mais cresce.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 13 | O consumo de eletricidade dos data centers voltados para IA cresceu 50% em 2025. | IEA | 2026 |
| 14 | No cenário-base da IEA, o consumo de eletricidade dos servidores acelerados, usados principalmente para IA, deve crescer 30% ao ano. | IEA | 2025 |
| 15 | Um data center típico voltado para IA usa tanta eletricidade quanto 100.000 residências. | IEA | 2025 |
Energia por prompt
Os números dos próprios fornecedores situam um prompt de texto típico em cerca de 0,24–0,34 Wh. Esses números são autodeclarados, usam métodos diferentes e cobrem apenas texto. Veja a medição é o gargalo.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 16 | Um prompt de texto mediano nos apps do Gemini usou 0,24 Wh, emitiu 0,03 g de CO₂e e consumiu 0,26 mL de água. | Google (Elsworth et al.) | 2025 |
| 17 | Contando apenas os chips de IA ativos nos data centers mais eficientes, o mesmo prompt fica em 0,10 Wh. | Google (Elsworth et al.) | 2025 |
| 18 | Uma consulta média ao ChatGPT usa cerca de 0,34 Wh e cerca de 0,000085 galão de água. | Sam Altman, OpenAI | 2025 |
| 19 | Uma consulta típica ao GPT-4o usa aproximadamente 0,3 Wh, subindo para cerca de 2,5 Wh com uma entrada de 10.000 tokens e quase 40 Wh com uma entrada de 100.000 tokens. | Epoch AI | 2025 |
| 20 | Uma resposta de 400 tokens do Mistral Large 2 emite 1,14 g de CO₂e e usa 45 mL de água. | Mistral AI | 2025 |
| 21 | Os modelos de raciocínio usaram em média 30 vezes mais energia que os modelos comuns; um modelo usou 150–700 vezes mais com o raciocínio ativado. | Hugging Face AI Energy Score | 2025 |
Imagens e vídeo
Gerar imagens e vídeo usa muito mais energia do que tarefas de texto.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 22 | A geração de imagens usou em média cerca de 2,9 kWh por 1.000 imagens, contra 0,002 kWh por 1.000 classificações de texto. | Luccioni, Jernite e Strubell | 2024 |
| 23 | O modelo de imagem menos eficiente testado usou cerca de meia carga de smartphone por imagem. | Luccioni, Jernite e Strubell | 2024 |
| 24 | Os modelos abertos de texto para vídeo usaram de 0,14 Wh a mais de 415 Wh por clipe curto, com a energia crescendo de forma quadrática com a resolução e a duração. | Delavande, Pierrard e Luccioni | 2025 |
Execuções de treinamento
Treinar um modelo grande pode consumir gigawatts-hora, mas a maioria dos desenvolvedores dos modelos mais novos não divulga esse número.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 25 | O treinamento do GPT-3 usou cerca de 1.287 MWh, segundo estimativas, e emitiu aproximadamente 552 toneladas de CO₂e. | Patterson et al., Google | 2021 |
| 26 | O treinamento do BLOOM emitiu cerca de 24,7 toneladas de CO₂e pela eletricidade, ou 50,5 toneladas incluindo a fabricação e o hardware ocioso. | Luccioni, Viguier e Ligozat | 2022 |
| 27 | O treinamento dos modelos Llama 3.1 levou 39,3 milhões de horas de GPU e gerou 11.390 toneladas de CO₂e (com base na localização). | Meta | 2024 |
| 28 | O treinamento do Mistral Large 2 e 18 meses do seu uso produziram 20,4 quilotoneladas de CO₂e e consumiram 281.000 m³ de água. | Mistral AI | 2025 |
Água
A IA usa água principalmente para resfriar data centers e, indiretamente, para gerar eletricidade. Veja como estimar a pegada hídrica da IA.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 29 | O treinamento do GPT-3 nos data centers da Microsoft nos EUA pode ter evaporado diretamente 700.000 litros de água doce. | Li, Yang, Islam e Ren | 2023 (revisado em 2025) |
| 30 | A demanda mundial por IA pode responder por 4,2–6,6 bilhões de m³ de captação de água em 2027. | Li, Yang, Islam e Ren | 2023 (revisado em 2025) |
| 31 | O Google consumiu 41 bilhões de litros (10,9 bilhões de galões) de água nos seus data centers e escritórios em 2025, e reabasteceu cerca de 78% do seu consumo de água doce. | 2026 |
Carbono e emissões das empresas
As emissões dos maiores fornecedores de IA estão subindo, apesar de grandes compras de energia limpa.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 32 | As emissões do Google na base usada para as suas metas foram de cerca de 14,5 milhões de toneladas de CO₂e em 2025, 18% acima de 2024 e 81% acima de 2019. | 2026 | |
| 33 | As emissões totais da Microsoft foram de cerca de 20,3 milhões de toneladas de CO₂e no seu ano fiscal de 2025, contra cerca de 12,9 milhões em 2020. | Microsoft | 2026 |
| 34 | As emissões absolutas da Amazon subiram 16% de 2024 para 2025, chegando a 80,85 milhões de toneladas de CO₂e. | Amazon | 2026 |
| 35 | A IA generativa pode acrescentar 1,2–5,0 milhões de toneladas de lixo eletrônico no total entre 2020 e 2030. | Wang et al., Nature Computational Science | 2024 |
Tendências de hardware e eficiência
O hardware e o software estão ficando muito mais eficientes, mas a demanda cresce mais rápido.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 36 | O hardware de ponta para aprendizado de máquina fica cerca de 40% mais eficiente em energia a cada ano. | Epoch AI | 2024 |
| 37 | O supercomputador mais eficiente em energia da lista Green500 de novembro de 2026, o KAIROS, na França, entrega 73,28 gigaflops por watt. | TOP500 | 2026 |
| 38 | O número de cálculos por quilowatt-hora dobrou aproximadamente a cada 1,57 ano de 1946 a 2009 ("lei de Koomey"). | Koomey et al. | 2011 |
Ganhos de eficiência informados por fornecedores e pesquisadores
Os ganhos informados são grandes, mas a maioria é autodeclarada ou medida em relação a uma base de comparação escolhida.
| # | Estatística | Fonte | Ano |
|---|---|---|---|
| 39 | O Google informa uma queda de 33 vezes na energia e de 44 vezes no carbono por prompt de texto mediano do Gemini ao longo de 12 meses. | Google (Elsworth et al.) | 2025 |
| 40 | Modelos pequenos e específicos para a tarefa podem reduzir o consumo de energia em até 90%, e prompts e respostas mais curtos, em mais de 50%. | UNESCO e University College London | 2025 |
Dois outros números são citados com frequência. A NVIDIA afirmou em 2024 que a sua plataforma Blackwell reduz o custo e o consumo de energia em até 25 vezes em relação à geração anterior na inferência de grandes modelos de linguagem; trata-se de uma alegação do fabricante para uma carga de trabalho específica. E pesquisadores do Google estimaram em 2021 que a escolha do modelo, do data center e do processador pode reduzir a pegada de carbono do treinamento em até cerca de 100 a 1.000 vezes. Para saber como obter esses ganhos na prática, veja IA eficiente em energia.
Atitudes do público
A preocupação com o impacto ambiental da IA está crescendo, pelo menos nos EUA. Em outros lugares, as evidências de pesquisas de opinião são mais escassas.
- Em 2026, 53% dos americanos estavam extremamente ou muito preocupados com o impacto ambiental da IA, contra 41% em 2025 (AP-NORC e Energy Policy Institute da Universidade de Chicago).
- Em 2025, 72% dos americanos estavam pelo menos um pouco preocupados (mesmos institutos de pesquisa).
- No Reino Unido, o acompanhamento de atitudes do público feito pelo governo em 2024 constatou que 54% esperavam que a IA ajudasse a monitorar as mudanças climáticas, e observou que esse otimismo não vinha acompanhado da consciência dos impactos ambientais negativos da IA.
Como escolhemos os números
Usamos fontes primárias, informamos o ano e preferimos faixas quando os números são contestados.
- Apenas fontes primárias. Cada número é conferido no próprio relatório, artigo ou página de quem o publicou, e não na cobertura da imprensa. Quando não encontramos uma fonte primária, o número fica de fora.
- Informados como publicados. Não arredondamos números para algo que a fonte não diz. Quando calculamos algo por conta própria, dizemos isso.
- Os limites importam. Os números por prompt mudam conforme o que é contado: o próprio número do Google cai de 0,24 Wh para 0,10 Wh se forem contados apenas os chips ativos. Os números das empresas são autodeclarados e não passam por auditoria independente.
- Faixas quando há contestação. As projeções variam conforme o cenário, e mostramos a faixa em vez de escolher um único número.
- Números antigos sinalizados. Uma estimativa de 2019 muito citada para uma execução de treinamento com busca de arquitetura neural (cerca de 626.000 lb de CO₂e) foi depois contestada por pesquisadores do Google, que argumentaram que ela exagera o custo real; não a incluímos nas tabelas.
Para conferir um número que você viu em outro lugar, veja como verificar uma alegação sobre o consumo de energia da IA.
Última verificação
Todos os números desta página foram conferidos nas suas fontes pela última vez em 20 de novembro de 2026. Atualizamos a página quando a IEA, os institutos nacionais de estatística ou os grandes fornecedores publicam dados novos. Se você encontrar um número mais recente ou um erro, entre em contato.
O que fazer a seguir
- Coloque um link para esta página ou para uma tabela específica quando citar números de energia da IA, e indique a fonte original.
- Coloque o seu uso pessoal em contexto com como pôr em perspectiva o meu consumo de energia com IA.
- Meça a energia da sua própria IA com como medir a energia e o carbono da IA.
- Peça os números aos fornecedores: veja como pedir números de energia a uma empresa de IA.
- Reduza a sua própria pegada com IA eficiente em energia.
Perguntas frequentes
Quanta energia a IA usa?
Não existe um número único para a IA. A IEA estima que todos os data centers usaram cerca de 415 TWh em 2024, por volta de 1,5% da eletricidade mundial, e que os data centers voltados para IA são a parte que mais cresce: o consumo de eletricidade deles subiu 50% em 2025.
Quanta energia uma consulta ao ChatGPT usa?
O diretor-executivo da OpenAI informou cerca de 0,34 Wh para uma consulta média em 2025, e a Epoch AI estimou de forma independente cerca de 0,3 Wh para uma consulta típica ao GPT-4o. Entradas muito longas aumentam muito esse valor: a Epoch AI estima quase 40 Wh com uma entrada de 100.000 tokens.
Quanta energia é preciso para gerar uma imagem com IA?
Num estudo de 2024 de Luccioni, Jernite e Strubell, a geração de imagens usou em média cerca de 2,9 kWh por 1.000 imagens, aproximadamente 2,9 Wh cada. O modelo menos eficiente usou cerca de meia carga de smartphone por imagem.
Quanta água a IA usa?
O Google informa 0,26 mL de água para um prompt de texto mediano do Gemini, e a Mistral 45 mL para uma resposta de 400 tokens do Mistral Large 2. Pesquisadores estimam que a demanda mundial por IA pode responder por 4,2–6,6 bilhões de metros cúbicos de captação de água em 2027.
Quanta energia foi preciso para treinar o GPT-3?
Pesquisadores do Google estimaram 1.287 MWh de eletricidade e cerca de 552 toneladas de CO₂e para o treinamento do GPT-3, em números publicados em 2021. A energia de treinamento dos modelos mais novos e maiores, na maioria dos casos, não é divulgada.
Que porcentagem da eletricidade os data centers usam?
Cerca de 1,5% no mundo em 2024 (IEA), 4,4% nos Estados Unidos em 2023 (Lawrence Berkeley National Laboratory) e 23% da eletricidade medida na Irlanda em 2025 (Central Statistics Office).
A IA está ficando mais eficiente em energia?
Sim, por tarefa. O Google informa que a energia do seu prompt mediano do Gemini caiu 33 vezes em um ano, e a Epoch AI constata que os principais chips de IA ficam cerca de 40% mais eficientes em energia a cada ano. O uso total continua subindo porque a demanda cresce mais rápido.
As pessoas estão preocupadas com o impacto ambiental da IA?
Cada vez mais, pelo menos nos EUA: uma pesquisa da AP-NORC e da Universidade de Chicago constatou que 53% dos americanos estavam extremamente ou muito preocupados com o impacto ambiental da IA em 2026, contra 41% em 2025.
Fontes
- Energy and AI: executive summary, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
- Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
- 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)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
- Carbon emissions and large neural network training, Patterson et al., Google (2021)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
- Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
- Llama 3.1 model card, Meta (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
- Google 2026 environmental report, Google (2026)
- 2026 environmental data fact sheet, Microsoft (2026)
- 2025 Amazon sustainability report, Amazon (2026)
- E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
- Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- Green500, November 2026, TOP500 (2026)
- NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
- 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
- 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
- Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)
Relacionados
A IA e o consumo de eletricidade dos data centers
Consumo de energia dos data centers e demanda de eletricidade da IA: projeções da IEA, Irlanda e Virgínia, a reação das redes e o que as políticas fazem.
IA com eficiência energética: como fazer a IA consumir menos
IA com eficiência energética na prática: as alavancas que mais reduzem a energia da IA, em ordem, de modelos menores e quantização a roteamento, cache e local.
A medição é o gargalo da IA verde
Por que é difícil confiar em números de energia da IA ou compará-los: dados autodeclarados, estimativas em vez de medições, fronteiras diferentes.
Como medir a energia e o carbono da IA
Um guia prático para medir ou estimar a energia e o carbono do trabalho com IA: ferramentas, limites do sistema, métricas por tarefa e incerteza honesta.