# Estatísticas de consumo de energia da IA (atualizado em novembro de 2026)

> Estatísticas de energia da IA conferidas nas fontes primárias: eletricidade de data centers, energia por prompt, imagens, vídeo, treinamento, água e carbono.

Source: https://greenai.guide/pt/artigos/estatisticas-de-consumo-de-energia-da-ia-atualizado-em-novembro-de/  
Updated: 2026-11-20

## 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? {#what-are-the-key-ai-energy-statistics}

**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 {#data-centre-electricity}

**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 {#where-demand-is-concentrated}

**Alguns poucos países e regiões concentram a maior parte da carga.** Veja [IA e a demanda de eletricidade dos data centers](/pt/artigos/a-ia-e-o-consumo-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 {#ai-s-share}

**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 {#energy-per-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](/pt/artigos/a-medicao-e-o-gargalo-da-ia-verde/).

| # | 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 {#images-and-video}

**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 {#training-runs}

**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 {#water}

**A IA usa água principalmente para resfriar data centers e, indiretamente, para gerar eletricidade.** Veja
[como estimar a pegada hídrica da IA](/pt/como/como-estimo-a-pegada-hidrica-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. | Google | 2026 |

## Carbono e emissões das empresas {#carbon-and-company-emissions}

**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. | Google | 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 {#hardware-and-efficiency-trends}

**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 {#efficiency-gains-reported-by-providers-and-researchers}

**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](/pt/artigos/ia-com-eficiencia-energetica-como-fazer-a-ia-consumir-menos/).

## Atitudes do público {#public-attitudes}

**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 {#how-we-choose-figures}

**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](/pt/como/como-verifico-uma-afirmacao-sobre-o-consumo-de-energia-da-ia/).

## Última verificação {#last-checked}

**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](/pt/contato/).

## O que fazer a seguir {#what-to-do-next}

- 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](/pt/como/quanta-energia-a-ia-que-uso-gasta-em-comparacao-com-outras-coisas/).
- Meça a energia da sua própria IA com [como medir a energia e o carbono da IA](/pt/boas-praticas/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](/pt/como/como-peco-a-uma-empresa-de-ia-os-numeros-de-energia-dela/).
- Reduza a sua própria pegada com [IA eficiente em energia](/pt/artigos/ia-com-eficiencia-energetica-como-fazer-a-ia-consumir-menos/).

## 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](https://www.iea.org/reports/energy-and-ai/executive-summary), 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)
- [DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL)](https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- [Data centres metered electricity consumption 2025: key findings](https://www.cso.ie/en/releasesandpublications/ep/p-dcmec/datacentresmeteredelectricityconsumption2025/keyfindings/), Central Statistics Office, Ireland (2026)
- [Powering data centers: U.S. energy system and emissions impacts of growing loads](https://restservice.epri.com/publicdownload/000000003002031198/0/Product), Electric Power Research Institute (2024)
- [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)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Hugging Face (Luccioni and Gamazaychikov) (2025)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell (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 (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al., Google (2021)
- [Energy and policy considerations for deep learning in NLP](https://arxiv.org/abs/1906.02243), Strubell, Ganesh and McCallum (2019)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (2022)
- [Llama 3.1 model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2025)
- [Google 2026 environmental report](https://sustainability.google/google-2026-environmental-report/), Google (2026)
- [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)
- [2025 Amazon sustainability report](https://sustainability.aboutamazon.com/2025-amazon-sustainability-report.pdf), Amazon (2026)
- [E-waste challenges of generative artificial intelligence](https://doi.org/10.1038/s43588-024-00712-6), Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- [Leading ML hardware becomes 40% more energy-efficient each year](https://epoch.ai/data-insights/ml-hardware-energy-efficiency), Epoch AI (2024)
- [Implications of historical trends in the electrical efficiency of computing](https://doi.org/10.1109/MAHC.2010.28), Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- [Green500, November 2026](https://top500.org/lists/green500/2026/11/), TOP500 (2026)
- [NVIDIA Blackwell platform arrives to power a new era of computing](https://nvidianews.nvidia.com/news/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%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [2026 poll: Americans' views on the impact of AI and data centers](https://epic.uchicago.edu/insights/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](https://epic.uchicago.edu/insights/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)](https://www.gov.uk/government/publications/public-attitudes-to-data-and-ai-tracker-survey-wave-4/public-attitudes-to-data-and-ai-tracker-survey-wave-4-report), Department for Science, Innovation and Technology (2024)
