# Qual é a pegada de carbono da IA?

> Pegada de carbono da IA explicada: emissões por prompt, emissões de treinamento nos model cards, carbono incorporado, efeito da rede elétrica e as big techs.

Source: https://greenai.guide/pt/artigos/qual-e-a-pegada-de-carbono-da-ia/  
Updated: 2026-11-20

## Em resumo

A pegada de carbono da IA são os gases de efeito estufa emitidos para fabricar o hardware e os edifícios em que a IA funciona (carbono incorporado) e para gerar a eletricidade que treina e executa os seus modelos (carbono operacional). Por prompt de texto, ela é pequena: o Google informa 0,03 g de CO₂ equivalente para um prompt mediano no Gemini. Mas as emissões da IA se acumulam: o treinamento do GPT-3 foi estimado em 552 toneladas, e as emissões totais da Microsoft subiram de cerca de 12,9 para 20,3 milhões de toneladas entre 2020 e 2025, à medida que ela ampliava a sua infraestrutura de IA. De onde vem a eletricidade importa tanto quanto a quantidade usada.

## Pontos-chave

- O Google informa 0,03 g de CO₂e para um prompt de texto mediano no Gemini em maio de 2025, com base no mercado, uma queda de 44 vezes em um ano; cerca de um terço disso vem do hardware e de outras emissões que não são da eletricidade.
- A avaliação do ciclo de vida da Mistral AI estimou uma resposta de 400 tokens do Le Chat em 1,14 g de CO₂e, e o treinamento mais 18 meses de uso do Mistral Large 2 em 20.400 toneladas.
- O treinamento do GPT-3 foi estimado em 552 toneladas de CO₂e; a Meta informa 11.390 toneladas com base na localização para a família Llama 3.1, e zero com base no mercado.
- As emissões da Microsoft subiram de cerca de 12,9 milhões de toneladas no seu ano fiscal de 2020 para cerca de 20,3 milhões em 2025.
- A escolha do modelo, do data center e do processador pode reduzir o carbono do treinamento em cerca de 100 a 1.000 vezes, segundo Patterson e colegas.
- A eletricidade dos data centers dos EUA em 2023 esteve associada a cerca de 74 milhões de toneladas de CO₂e, uma média de 0,34 kg por kWh, segundo o Lawrence Berkeley National Laboratory.

Qual é a pegada de carbono da IA? São os gases de efeito estufa liberados para construir o hardware e os edifícios em
que a IA funciona, e para gerar a eletricidade que treina e executa os seus modelos. Por prompt, a pegada de carbono
da IA é pequena; no total, as emissões da IA estão crescendo rápido, porque o consumo de eletricidade e a construção
de data centers estão crescendo rápido. Esta página apresenta os números publicados, por que eles diferem e como
estimar os seus.

## Qual é o tamanho da pegada de carbono da IA por prompt? {#how-big-is-ai-s-carbon-footprint-per-prompt}

**Para um prompt de texto curto, uma fração de grama de CO₂ equivalente, pelas contas dos próprios fornecedores; mais
quando todo o ciclo de vida é contado.** O CO₂ equivalente (CO₂e) soma outros gases de efeito estufa ao dióxido de
carbono, ponderados pelo seu efeito de aquecimento.

| Número | O que abrange | Fonte |
|---|---|---|
| 0,03 g de CO₂e por prompt de texto mediano no Gemini | Eletricidade (com base no mercado), mais hardware e outras emissões; maio de 2025 | Google, 2025 |
| 1,14 g de CO₂e por resposta de 400 tokens do Le Chat | Avaliação do ciclo de vida da inferência, excluindo o dispositivo do usuário | Mistral AI, 2025 |
| cerca de 0,34 Wh por consulta média ao ChatGPT | Só energia; nenhum número de carbono publicado | CEO da OpenAI, 2025 |

Não existe uma pegada de carbono oficial do ChatGPT por consulta: a OpenAI deu um número de energia, mas não de
carbono, e o carbono depende das redes elétricas de que os seus data centers se abastecem.

O número do Google se divide em 0,023 g da eletricidade e 0,010 g das suas emissões de Escopo 1 e Escopo 3, que
incluem a fabricação do hardware. A empresa também informa uma queda de 44 vezes no carbono por prompt mediano em um
ano. O número da Mistral é maior em parte porque conta uma parte maior do ciclo de vida
e usa um método diferente; os dois não são diretamente comparáveis.

O uso intensivo muda o quadro. Zeke Hausfather estimou que o seu próprio uso intensivo de um agente de código com IA,
cerca de 1,1 MWh de eletricidade por ano, emitiria cerca de 370 kg de CO₂e por ano. Veja [quanta energia a IA consome?](/pt/artigos/quanta-energia-a-ia-consome/)

## Qual é a diferença entre carbono operacional e carbono incorporado? {#what-is-the-difference-between-operational-and-embodied-carbon}

**O carbono operacional vem da eletricidade usada para executar a IA; o carbono incorporado vem da fabricação, do
transporte e do descarte do hardware e dos edifícios.** Os dois fazem parte de uma pegada honesta.

- O **carbono operacional** depende de quanta energia o trabalho usa e de quão limpa é a eletricidade.
- O **[carbono incorporado](/pt/glossario/#embodied-carbon)** vem da fabricação de chips, da produção de servidores, da
  construção de data centers e do descarte no fim da vida útil. Ele é dividido entre todas as tarefas que o hardware
  realiza ao longo da sua vida.

O carbono incorporado é uma parcela grande. Wu e colegas da Meta informaram em 2022 que ele representava cerca de 30%
da pegada do aprendizado de máquina em grande escala da Meta. Luccioni, Viguier e Ligozat estimaram o treinamento do
BLOOM em cerca de 24,7 toneladas de CO₂e contando apenas a potência dinâmica usada durante o treinamento, e em cerca
de 50,5 toneladas incluindo tudo, da fabricação dos equipamentos à energia de operação. À medida que a eletricidade
fica mais limpa, a parcela incorporada cresce, o que torna mais importante manter o hardware
em uso por mais tempo, e mantê-lo ocupado. Veja
[contabilizar o carbono incorporado do hardware de IA](/pt/como/como-contabilizo-o-carbono-incorporado-do-hardware-de-ia/).

## Quanto carbono emite o treinamento de um modelo de IA? {#how-much-carbon-does-training-an-ai-model-emit}

**As emissões de treinamento publicadas até agora para modelos grandes vão de dezenas a dezenas de milhares de
toneladas de CO₂e.** Os model cards (a documentação publicada junto com um modelo) são o principal lugar para
encontrá-las, embora muitos modelos de fronteira não publiquem nada.

| Modelo | Emissões do treinamento | Base | Fonte |
|---|---|---|---|
| BLOOM (176 bilhões de parâmetros, 2022) | cerca de 24,7 t de CO₂e; 50,5 t incluindo a fabricação e toda a energia de operação | Estimativa independente do ciclo de vida | Luccioni, Viguier e Ligozat, 2022 |
| GPT-3 (175 bilhões de parâmetros, 2020) | 552 t de CO₂e; 1.287 MWh | Estimativa de pesquisadores do Google | Patterson et al., 2021 |
| Família Llama 3.1 (8B, 70B, 405B, 2024) | 11.390 t de CO₂e com base na localização; 0 t com base no mercado | Model card, 39,3 milhões de horas de GPU | Meta, 2024 |
| Só o Llama 3.1 405B | 8.930 t de CO₂e com base na localização | Model card | Meta, 2024 |
| Mistral Large 2 (treinamento mais 18 meses de uso) | 20.400 t de CO₂e; 281.000 m³ de água | Avaliação do ciclo de vida | Mistral AI, 2025 |

São custos pontuais, mas não contam toda a história. Patterson e colegas citam estimativas do setor de que 80–90% da
carga de trabalho de aprendizado de máquina é inferência; assim, para um modelo popular, executá-lo ao longo da sua
vida pode pesar mais do que treiná-lo. O AI Act da UE agora exige que os fornecedores de modelos de IA de uso geral
documentem para os reguladores o consumo de energia conhecido ou estimado. Veja [medir a pegada de carbono do treinamento de um modelo](/pt/como/como-meco-a-pegada-de-carbono-do-treinamento-de-um-modelo/).

## Como a rede elétrica muda as emissões da IA? {#how-does-the-electricity-grid-change-ai-s-emissions}

**O mesmo quilowatt-hora pode carregar quantidades muito diferentes de carbono, dependendo de onde e quando é usado.**
A [intensidade de carbono](/pt/glossario/#carbon-intensity) é o CO₂e emitido por quilowatt-hora de eletricidade gerada.
Uma rede que funciona principalmente com energia hidrelétrica, nuclear, eólica ou solar tem baixa intensidade; uma
que funciona com carvão ou gás, alta.

- O Lawrence Berkeley National Laboratory estimou que a eletricidade dos data centers dos EUA em 2023 esteve associada
  a cerca de 74 milhões de toneladas de CO₂e, uma média de 0,34 kg de CO₂e por kWh, considerando as redes onde eles
  estão localizados.
- Patterson e colegas concluíram que escolher o modelo, o data center e o processador pode reduzir a pegada de carbono
  do treinamento em cerca de 100 a 1.000 vezes. A localização é uma das maiores dessas alavancas.

É por isso que importa onde e quando você executa a IA. Um treinamento que pode esperar pode ser agendado para as horas
em que a rede está mais limpa. Veja [escolher uma região de nuvem de baixo carbono](/pt/como/como-escolho-uma-regiao-de-nuvem-com-baixo-carbono/),
[agendar o treinamento para quando a rede estiver mais verde](/pt/como/como-agendo-o-treinamento-para-quando-a-rede-eletrica-estiver-mais/) e
[encontrar dados de intensidade de carbono da rede elétrica](/pt/como/como-encontro-a-intensidade-de-carbono-da-minha-rede-eletrica/).

### Com base na localização ou com base no mercado: qual número está certo? {#location-based-or-market-based-which-number-is-right}

**Os dois são legítimos, mas respondem a perguntas diferentes, e a diferença pode ser enorme.** Pelo Greenhouse Gas
Protocol, uma empresa declara as [emissões de Escopo 2](/pt/glossario/#scope-1-2-and-3-emissions) da eletricidade de duas
formas:

- **Com base na localização** usa a intensidade de carbono média das redes de que ela realmente se abastece.
- **Com base no mercado** reflete os contratos e certificados de energia limpa que a empresa compra.

A Meta informa o treinamento do Llama 3.1 como 11.390 toneladas com base na localização e zero com base no mercado. O
ano fiscal de 2025 da Microsoft mostra emissões de Escopo 2 de cerca de 12,0 milhões de toneladas com base na
localização, contra 2,7 milhões com base no mercado. A Alphabet informou 15,1 milhões de toneladas com base na
localização, contra 2,8 milhões com base no mercado, em 2025. Quando uma empresa disser que a sua IA é "neutra em
carbono" ou "100% renovável", verifique que método ela está usando. Veja
[verificar se a minha IA funciona com energia renovável](/pt/como/como-verifico-se-a-minha-ia-funciona-com-energia-renovavel/) e
[alegações verdes honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/).

## As emissões das empresas de tecnologia estão subindo por causa da IA? {#are-tech-companies-emissions-rising-because-of-ai}

**Sim: os maiores fornecedores de IA informam emissões totais em alta, principalmente pela construção e pela
alimentação de data centers.** Os seus relatórios anuais de sustentabilidade mostram a tendência.

- A **Microsoft** informa emissões totais de cerca de 12,9 milhões de toneladas de CO₂e no seu ano fiscal de 2020, a
  linha de base da sua meta de ser carbono negativa até 2030, e cerca de 20,3 milhões de toneladas em 2025 (segundo os
  seus critérios de gestão). O seu consumo de eletricidade mais que triplicou no mesmo período, de cerca de 10,8 TWh
  para 37,0 TWh.
- O **Google** informou que as suas emissões operacionais (Escopo 1 e Escopo 2 com base no mercado) caíram 2% em 2025,
  enquanto a sua demanda de eletricidade subiu 37% e as emissões da sua cadeia de suprimentos subiram 25%. Os números
  auditados da Alphabet para 2025 mostram cerca de 15,9 milhões de toneladas de emissões de Escopo 3 (cadeia de
  suprimentos), mais de cinco vezes os seus 2,9 milhões de toneladas de emissões operacionais.

O padrão é o mesmo nas duas: a compra de eletricidade limpa está contendo as emissões operacionais, mas a fabricação e
a construção por trás da nova capacidade de IA estão fazendo subir as emissões da cadeia de suprimentos.

Em nível nacional, o anexo de evidências do UK Compute Roadmap estimou que as emissões da computação de IA entre 2025
e 2035 poderiam ser de 34–123 milhões de toneladas de CO₂, cerca de 0,9–3,4% das emissões projetadas do Reino Unido no
período. A faixa ampla reflete a incerteza sobre quanta computação será construída e quão limpa será a rede elétrica.

## Por que as estimativas de carbono da IA não batem? {#why-do-ai-carbon-estimates-disagree}

**Porque contam coisas diferentes, usam números diferentes para a rede elétrica e envelhecem rápido.** As principais
fontes de diferença:

1. **Fronteira.** Só os chips, ou o servidor inteiro, a refrigeração e a capacidade ociosa? A fabricação do hardware?
   O treinamento dividido entre os usos?
2. **Método contábil.** Eletricidade com base na localização ou com base no mercado, como visto acima.
3. **Rede elétrica e momento.** O mesmo modelo executado em outra região, ou um ano depois, pode ter uma pegada muito
   diferente.
4. **Carga de trabalho.** Um prompt curto, uma longa resposta de raciocínio e uma sessão de agente diferem mil vezes
   em energia.

Um número só tem sentido acompanhado da sua fronteira, do seu método, do local e da data. Veja
[a medição é o gargalo](/pt/artigos/a-medicao-e-o-gargalo-da-ia-verde/).

## Como estimar a pegada de carbono do meu próprio uso de IA? {#how-can-i-estimate-the-carbon-footprint-of-my-own-ai-use}

**Multiplique a energia pela intensidade de carbono da rede elétrica e depois some uma parcela das emissões
incorporadas.** Essa é a estrutura da norma Software Carbon Intensity (SCI), ISO/IEC 21031:2024, que expressa o
resultado por unidade de trabalho útil, como por pedido ou por usuário.

1. **Estime a energia** do trabalho de IA em quilowatts-hora: a partir de um medidor ou de uma ferramenta, se você
   mesmo o executa, ou de números por tarefa, no caso de um serviço hospedado.
2. **Encontre a intensidade de carbono da rede** onde o trabalho é executado, em kg de CO₂e por kWh, de preferência
   para a hora em que ele foi executado.
3. **Multiplique os dois** para obter as emissões operacionais.
4. **Some as emissões incorporadas**: a pegada de fabricação do hardware dividida pela sua vida útil.
5. **Informe a fronteira**, o método (com base na localização ou no mercado) e uma faixa, em vez de um único número.

As ferramentas ajudam. CodeCarbon e Green Algorithms estimam as emissões do código que você executa; o EcoLogits
estima o impacto de chamadas a modelos de IA hospedados. São estimadores, não medidores. Guias passo a passo:
[calcular a minha pegada de carbono pessoal com IA](/pt/como/como-calculo-a-minha-propria-pegada-de-carbono-com-ia/),
[calcular uma pontuação SCI para um recurso de IA](/pt/como/como-calculo-uma-pontuacao-de-software-carbon-intensity-para-um/) e
[encontrar os dados de carbono do meu provedor de nuvem](/pt/como/como-encontro-os-dados-de-carbono-do-meu-provedor-de-nuvem/).

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

- Reduza primeiro a energia: veja [como usar a IA com eficiência](/pt/boas-praticas/use-a-ia-com-eficiencia-habitos-do-dia-a-dia/) e
  [como escolher o modelo certo](/pt/boas-praticas/escolha-o-modelo-certo-para-a-tarefa/).
- Execute a IA onde a rede elétrica é limpa: veja [hospedagem e data centers](/pt/boas-praticas/hospedagem-e-data-centers-para-ia-verde/).
- Peça aos fornecedores números de energia e carbono por tarefa, com o método: veja
  [compras sustentáveis de IA](/pt/boas-praticas/compras-de-ia-sustentavel/).
- Faça relatos honestos, informando a fronteira e o método: veja [alegações verdes honestas](/pt/boas-praticas/alegacoes-ambientais-honestas-sobre-ia/).
- Pense antes de compensar: veja [compensar o carbono do meu uso de IA](/pt/como/como-compenso-o-carbono-do-meu-uso-de-ia/).
- Leia [quanta água a IA consome?](/pt/artigos/quanta-agua-a-ia-consome/) para a outra metade da pegada.

## Perguntas frequentes

### Qual é a pegada de carbono do ChatGPT?

A OpenAI não publicou um número de carbono por consulta. O seu CEO citou cerca de 0,34 Wh de energia para uma consulta média; o carbono depende da rede elétrica que abastece o data center. O Google informa 0,03 g de CO₂e para um prompt de texto mediano no Gemini, pela sua própria contabilidade com base no mercado.

### Quanto CO₂ produz o treinamento de um modelo de IA?

Vai de dezenas a milhares de toneladas. O treinamento do BLOOM foi estimado em cerca de 24,7 toneladas de CO₂e (50,5 incluindo a fabricação e toda a energia de operação), o do GPT-3 em 552 toneladas, e a Meta informa 11.390 toneladas com base na localização para os três modelos Llama 3.1.

### As emissões da IA estão aumentando?

Para os maiores fornecedores, sim. As emissões totais da Microsoft subiram de cerca de 12,9 milhões de toneladas no seu ano fiscal de 2020 para 20,3 milhões em 2025. O Google informou que as suas emissões operacionais caíram 2% em 2025, mas as emissões da sua cadeia de suprimentos subiram 25% à medida que construía data centers.

### O que é o carbono incorporado na IA?

As emissões da fabricação, do transporte e do descarte de chips, servidores e edifícios de data centers. Wu e colegas da Meta o estimaram em cerca de 30% da pegada do aprendizado de máquina em grande escala da Meta, e a sua participação cresce quando a eletricidade é limpa.

### A IA que funciona com energia renovável tem emissão zero?

Na realidade, não. A contabilidade com base no mercado permite que uma empresa declare emissões de eletricidade baixas ou nulas se comprar certificados de energia renovável, enquanto a rede de que ela se abastece ainda pode queimar combustíveis fósseis. A Meta informa o treinamento do Llama 3.1 como 11.390 toneladas com base na localização, mas zero com base no mercado.

### Como calcular a pegada de carbono do meu uso de IA?

Multiplique a energia usada, em quilowatts-hora, pela intensidade de carbono da rede que a fornece, em kg de CO₂e por kWh, e depois some uma parcela das emissões incorporadas do hardware. Ferramentas como CodeCarbon, Green Algorithms e EcoLogits ajudam a estimar cada parte.

### A IA faz mal ao clima?

Ela aumenta as emissões, principalmente pelo rápido crescimento da eletricidade e da construção de data centers. Quanto depende de como é usada, de quão eficientemente funciona e de quão limpa é a rede elétrica. A IA também pode ajudar a reduzir emissões em outras áreas, mas esses benefícios não são automáticos e são mais difíceis de medir.

## Fontes

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (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)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- [Sustainable AI: environmental implications, challenges and opportunities](https://proceedings.mlsys.org/paper_files/paper/2022/hash/462211f67c7d858f663355eff93b745e-Abstract.html), Wu et al., MLSys (2022)
- [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)
- [Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics)](https://sustainability.google/files/6b09a7cbecbf228f4d30ad089301578eb599425e/alphabet-fy2025-environmental-indicators-assurance-letter.pdf), Alphabet (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)
- [Scope 2 guidance](https://ghgprotocol.org/scope-2-guidance), Greenhouse Gas Protocol (2015)
- [Regulation (EU) 2024/1689 (AI Act), Annex XI](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Union (2024)
- [UK Compute Roadmap: evidence annex](https://assets.publishing.service.gov.uk/media/69d8dae9d3e08b8871b66599/compute-evidence-annex-final.pdf), Department for Science, Innovation and Technology (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)
- [ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification](https://www.iso.org/standard/86612.html), ISO/IEC and Green Software Foundation (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon project (2020)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [EcoLogits](https://ecologits.ai/), GenAI Impact (2025)
