greenai.guide

Início › Artigos › Quanta energia a IA consome?

Artigo

Quanta energia a IA consome?

Atualizado · 11 min de leitura

Em resumo

Um prompt de texto curto típico a um chatbot como o ChatGPT ou o Gemini usa cerca de 0,2 a 0,4 watt-hora de eletricidade, segundo os números dos próprios fornecedores e estimativas independentes: mais ou menos o que uma TV usa em poucos segundos. O consumo de energia da IA sobe muito com entradas longas, modelos de raciocínio, imagens, vídeo e agentes de código, que podem usar de dezenas a milhares de vezes mais por tarefa. No total, os data centers usaram cerca de 485 TWh de eletricidade em 2025, segundo a IEA, e a IA é o principal motivo do crescimento desse número.

Pontos-chave

  • O Google informa 0,24 Wh para um prompt de texto mediano no Gemini em maio de 2025; o CEO da OpenAI citou cerca de 0,34 Wh para uma consulta média ao ChatGPT. Os dois números são autodeclarados.
  • A Epoch AI estima uma consulta típica ao GPT-4o em cerca de 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.
  • Os testes do AI Energy Score da Hugging Face concluíram que os modelos de raciocínio usaram, em média, 30 vezes mais energia que os modelos padrão.
  • Em testes com modelos abertos, gerar uma imagem usou cerca de 2,9 Wh em média, e um vídeo curto de IA, cerca de 90 Wh.
  • Uma análise do uso intensivo de um agente de código com IA estimou cerca de 150 Wh por prompt digitado, cerca de 600 vezes um prompt mediano de chat.
  • A IEA estima que os data centers usaram cerca de 485 TWh em 2025, 17% a mais em um ano, e prevê cerca de 950 TWh até 2030.

Quanta energia a IA consome? Para uma pergunta curta a um chatbot, muito pouca: uma fração de watt-hora. Para documentos longos, modos de raciocínio, imagens, vídeo e agentes de código, muito mais. E, somando bilhões de pedidos por dia, o consumo de energia da IA já é grande o bastante para influenciar o planejamento elétrico. Esta página reúne os melhores números públicos, diz de onde vem cada um e explica por que eles diferem.

Quanta energia consome um prompt do ChatGPT ou do Gemini?

Um prompt de texto curto a um grande chatbot usa cerca de 0,2 a 0,4 watt-hora (Wh), pelos melhores números atuais. Um watt-hora é a energia que um aparelho de 1 watt usa em uma hora.

Os números mais citados vêm dos próprios fornecedores:

  • O Google informou em 2025 que um prompt de texto mediano nos apps do Gemini usou 0,24 Wh. O seu artigo compara isso com assistir televisão por menos de nove segundos.
  • O CEO da OpenAI escreveu em 2025 que uma consulta média ao ChatGPT usa cerca de 0,34 Wh. Nenhum método foi publicado.
  • A Epoch AI, um grupo de pesquisa independente, estimou cerca de 0,3 Wh para uma consulta típica ao GPT-4o, a partir de informações públicas sobre o hardware e o tamanho do modelo.

Os números são próximos, mas não são comparáveis diretamente: uma mediana não é uma média, e cada um traça em um lugar diferente a fronteira do que é contado. Eles também cobrem apenas prompts de texto curtos.

Energia por tarefa: os números comparados

A energia por tarefa de IA varia mais de mil vezes, de menos de um watt-hora para um prompt curto a centenas de watt-hora para uma sessão de agente. A tabela traz os principais números publicados. Os números autodeclarados vêm da empresa que opera o serviço; as estimativas e as medições vêm de pesquisadores independentes.

Tarefa Energia Fonte e ano Tipo
Prompt de texto mediano no Gemini 0,24 Wh Google, 2025 Autodeclarado, método publicado
Consulta média ao ChatGPT cerca de 0,34 Wh CEO da OpenAI, 2025 Autodeclarado, sem método
Consulta típica ao GPT-4o cerca de 0,3 Wh Epoch AI, 2025 Estimativa independente
GPT-4o, prompt curto (100 tokens de entrada, 300 de saída) 0,42 Wh Jegham et al., 2025 Estimativa independente
Consulta a um modelo da classe do GPT-4o com entrada de 10.000 tokens cerca de 2,5 Wh Epoch AI, 2025 Estimativa independente
Consulta a um modelo da classe do GPT-4o com entrada de 100.000 tokens quase 40 Wh Epoch AI, 2025 Estimativa independente
Prompt longo (10.000 de entrada, 1.500 de saída): Llama 3.1 8B vs. DeepSeek-R1 cerca de 0,44 Wh vs. cerca de 29 Wh Jegham et al., 2025 Estimativa independente
Modelos de raciocínio vs. modelos padrão 30 vezes mais, em média AI Energy Score da Hugging Face, 2025 Medido, modelos abertos
Uma imagem gerada cerca de 2,9 Wh (2,9 kWh por 1.000) Luccioni, Jernite e Strubell, 2024 Medido, modelos abertos
Um vídeo curto gerado cerca de 90 Wh para um modelo; de 0,14 Wh a mais de 415 Wh entre modelos Delavande, Pierrard e Luccioni, 2025 Medido, modelos abertos
Sessão mediana de agente de código cerca de 41 Wh Couch, 2026 Estimativa independente
Agente de código, por prompt digitado (uso intensivo) cerca de 150 Wh (faixa de 60–290 Wh) Hausfather, 2026 Estimativa independente

Um token é um pedaço de texto, cerca de três quartos de uma palavra em inglês. Os números de imagens e vídeo vêm de modelos abertos executados em hardware de pesquisa; os serviços comerciais podem ser mais ou menos eficientes, e a maioria não publica números.

Por que modelos de raciocínio, imagens e agentes consomem mais?

Porque fazem muito mais computação por pedido. A energia aumenta com o número de tokens que um modelo lê e escreve, e com o tamanho do modelo.

  • Os modelos de raciocínio escrevem longas cadeias ocultas de raciocínio antes de responder. A equipe do AI Energy Score da Hugging Face concluiu que, com o raciocínio ligado, o mesmo modelo usou entre 150 e 700 vezes mais energia do que com ele desligado, e escreveu de 300 a 800 vezes mais tokens.
  • As entradas longas precisam ser processadas por inteiro. As estimativas da Epoch AI sobem de cerca de 0,3 Wh para quase 40 Wh à medida que a entrada cresce até 100.000 tokens, o tamanho de um documento colado muito longo.
  • As imagens e os vídeos são gerados em muitas etapas, sobre muitos pixels. Delavande, Pierrard e Luccioni concluíram que a energia do vídeo crescia de forma quadrática com a resolução e a duração, e estimaram um clipe curto em cerca de 2.000 vezes uma resposta em texto.
  • Os agentes chamam o modelo repetidas vezes, relendo a cada vez o seu contexto crescente. A Anthropic informou que os seus agentes costumavam usar cerca de quatro vezes os tokens de um chat, e os sistemas multiagente, cerca de quinze vezes.

Quanta energia consome um agente de código com IA?

As estimativas vão de dezenas de watt-hora para uma sessão típica a mais de um quilowatt-hora para um dia de uso intensivo. Nenhuma empresa de IA publica números de energia dos seus agentes de código, então os melhores números disponíveis são estimativas independentes cuidadosas, feitas a partir da contagem de tokens.

Simon Couch estimou uma sessão mediana do Claude Code, com 24 chamadas ao modelo e cerca de 590.000 tokens, em cerca de 41 Wh. O cientista do clima Zeke Hausfather registrou oito semanas do seu próprio uso intensivo: 1.138 prompts digitados desencadearam mais de 14.000 chamadas ao modelo e 3,2 bilhões de tokens, 96% deles releituras de contexto em cache. Ele estimou cerca de 170 kWh no total (faixa de 70–330 kWh), cerca de 150 Wh por prompt e uma sessão mediana de cerca de 0,6 kWh, que ele compara a carregar um celular cerca de 50 vezes. Veja IA agêntica e desperdício de tokens.

O maior custo é o treinamento ou a inferência?

Para um modelo muito usado, executá-lo (a inferência) costuma pesar mais do que treiná-lo. O treinamento é um custo pontual elevado; a inferência é pequena por pedido, mas se repete bilhões de vezes.

Os números de treinamento publicados mostram a escala:

  • GPT-3 (2020): Patterson e colegas do Google estimaram que o treinamento usou 1.287 MWh de eletricidade.
  • Llama 3.1 (2024): o model card da Meta informa 39,3 milhões de horas de GPU em chips H100 para os seus três tamanhos de modelo, dos quais 30,84 milhões foram para o maior, de 405 bilhões de parâmetros.

Do outro lado, Patterson e colegas citam estimativas da NVIDIA de que 80–90% da carga de trabalho de aprendizado de máquina é inferência, e a afirmação da Amazon Web Services de que 90% da demanda de aprendizado de máquina na sua nuvem é inferência. É por esse equilíbrio que a queda da energia por prompt importa tanto, e também por isso ela não basta sozinha: o uso cresce mais rápido. Veja eficiência não é suficiência.

Quanta eletricidade os data centers e a IA consomem no total?

A Agência Internacional de Energia (IEA) estima que os data centers usaram cerca de 485 TWh em 2025, e prevê cerca de 950 TWh até 2030, cerca de 3% da eletricidade mundial. Um terawatt-hora (TWh) é um bilhão de quilowatts-hora.

  • A IEA estimou o consumo dos data centers em cerca de 415 TWh em 2024, cerca de 1,5% da eletricidade mundial. A sua atualização de abril de 2026 informou 485 TWh em 2025, 17% a mais em um ano, com a eletricidade usada pelos data centers voltados para IA subindo 50%.
  • Ela prevê que os Estados Unidos e a China respondam por quase 80% do crescimento até 2030, e que os servidores acelerados, principalmente para IA, impulsionem quase metade do aumento.
  • Nos Estados Unidos, o Lawrence Berkeley National Laboratory estimou que os data centers usaram cerca de 178 TWh em 2023, 4,4% da eletricidade do país, e que poderiam chegar a 6,7–12% até 2028.

Não há um número global confiável só para a IA, porque os data centers não medem separadamente o trabalho de IA. Os relatórios das empresas mostram a tendência: o consumo de eletricidade da Microsoft subiu de cerca de 10,8 TWh no seu ano fiscal de 2020 para cerca de 37,0 TWh em 2025, e o Google informou um aumento de 37% na demanda de eletricidade em 2025, o maior da sua história. Veja por que a IA verde importa agora.

Por que os números de energia da IA variam tanto?

Porque os estudos contam coisas diferentes, em hardware diferente, para modelos e tarefas diferentes. Quatro fatores explicam a maior parte da variação.

  1. Fronteira do sistema. O próprio artigo do Google mostra que contar apenas os chips de IA ativos dá 0,10 Wh por prompt mediano; somar os processadores e a memória hospedeiros, a capacidade ociosa mantida pronta para a demanda e a refrigeração do data center dá 0,24 Wh, mais que o dobro. Veja a medição é o gargalo.
  2. Hardware e taxa de utilização. Chips mais novos fazem mais trabalho por watt, e um servidor ocupado divide os seus custos fixos entre mais pedidos do que um servidor ocioso.
  3. Tamanho do modelo. Nas estimativas de Jegham e colegas, um prompt longo custou cerca de 0,44 Wh no pequeno modelo Llama 3.1 8B e cerca de 29 Wh no DeepSeek-R1, um grande modelo de raciocínio.
  4. Tokens. Entradas mais longas, respostas mais longas, raciocínio oculto e etapas repetidas de agentes acrescentam tokens, e a energia sobe com eles.

Mais dois cuidados. Os números envelhecem rápido: o Google informou uma queda de 33 vezes na energia por prompt mediano em um ano. E os números autodeclarados não podem ser verificados de forma independente. Quando vir um número, pergunte o que foi medido, com que fronteira e quando. Veja como verificar uma alegação sobre o consumo de energia da IA.

Como a energia da IA se compara com coisas do dia a dia?

Um prompt de texto curto é pequeno perto da maioria dos usos domésticos de eletricidade; o uso intensivo de agentes ou de vídeo, não. Estas comparações são das próprias fontes:

  • O Google compara o seu prompt mediano de 0,24 Wh no Gemini a assistir televisão por menos de nove segundos.
  • Hausfather compara uma sessão mediana de agente de código no seu uso intensivo (cerca de 0,6 kWh) a carregar um celular cerca de 50 vezes, e um dia médio desse uso (cerca de 3 kWh) a manter funcionando mais de duas geladeiras.
  • Couch compara um dia mediano do seu uso de agentes de código (cerca de 1.300 Wh) a usar uma lava-louças uma vez a mais por dia.
  • O Google disse em 2009 que uma pesquisa média na web usava cerca de 0,3 Wh, uma ordem de grandeza parecida com a dos prompts de texto curtos de hoje. Os números estão muito distantes no tempo e no método.

A questão não é que um pedido isolado seja grande. É que os hábitos importam: escolher um modelo de raciocínio, colar documentos longos, gerar lotes de imagens ou deixar um agente rodando pode, cada um, multiplicar muitas vezes a energia de uma tarefa. Veja colocar em perspectiva o consumo de energia do meu uso de IA.

O que você pode fazer para reduzir o consumo de energia da IA?

Use a menor ferramenta que dê conta do trabalho, e peça menos a ela. As maiores economias vêm de evitar trabalho desnecessário, não de trocar de fornecedor.

Para as organizações, o ponto de partida é a medição: veja como medir a energia da IA, estimar a energia de chamadas a APIs de IA e como usar a IA com eficiência.

O que fazer a seguir

Perguntas frequentes

Quanta energia um prompt do ChatGPT consome?

O CEO da OpenAI disse em 2025 que uma consulta média ao ChatGPT usa cerca de 0,34 watt-hora, e a Epoch AI estimou de forma independente cerca de 0,3 Wh para uma consulta típica ao GPT-4o. Entradas longas, modos de raciocínio e geração de imagens usam muito mais.

Quanta energia a IA consome por prompt?

Para um prompt de texto curto, os números publicados ficam em torno de 0,2 a 0,4 Wh: o Google informa 0,24 Wh para um prompt mediano no Gemini. Estimativas independentes para modelos grandes com prompts longos chegam a cerca de 29 Wh, e sessões de programação com agentes podem usar centenas de watt-hora.

A IA consome mais energia que uma pesquisa no Google?

Não para um prompt de texto curto, pelos números publicados. O Google disse em 2009 que uma pesquisa média usava cerca de 0,3 Wh; hoje informa 0,24 Wh para um prompt de texto mediano no Gemini. Os números têm 16 anos de distância e foram medidos de formas diferentes, então trate isso como uma referência aproximada. Tarefas longas, de raciocínio, de imagens e de agentes usam muito mais.

Quanta eletricidade a IA consome no total?

Não há um número confiável só para a IA. A Agência Internacional de Energia estima que todos os data centers usaram cerca de 485 TWh em 2025, 17% a mais em um ano, que o consumo dos data centers voltados para IA cresceu 50% e que o total chegará a cerca de 950 TWh, cerca de 3% da eletricidade mundial, até 2030.

Treinar ou usar a IA consome mais energia?

Treinar um modelo grande é um custo pontual elevado, como os cerca de 1.287 MWh estimados para o GPT-3. Mas um modelo popular é usado bilhões de vezes, e estimativas do setor citadas por pesquisadores do Google situam a inferência em 80–90% das cargas de trabalho de aprendizado de máquina.

Por que as estimativas de energia da IA variam tanto?

Porque contam coisas diferentes. Incluir a refrigeração do data center, os servidores ociosos e os computadores hospedeiros mais que dobrou o próprio número do Google, de 0,10 Wh para 0,24 Wh. O tamanho do modelo, o hardware, o comprimento do prompt e o número de tokens gerados também mudam a resposta.

Quanta energia a geração de imagens por IA consome?

Em testes de modelos abertos feitos por Luccioni, Jernite e Strubell, gerar imagens usou cerca de 2,9 kWh por 1.000 imagens em média, ou cerca de 2,9 Wh cada uma, mais de mil vezes o necessário para classificar um trecho de texto.

Como posso reduzir a energia que o meu uso de IA consome?

Use um modelo menor ou mais rápido para tarefas simples, mantenha prompts e conversas curtos, desligue os modos de raciocínio quando não precisar deles e gere menos imagens e vídeos. Perguntar se você precisa mesmo de IA para a tarefa é o que mais economiza.

Fontes

  1. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  2. The gentle singularity, Sam Altman (OpenAI) (2025)
  3. How much energy does ChatGPT use?, Epoch AI (2025)
  4. How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
  5. AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
  6. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
  7. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
  8. The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
  9. Electricity use of AI coding agents, Simon P. Couch (2026)
  10. How we built our multi-agent research system, Anthropic (2025)
  11. Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
  12. Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
  13. Llama 3.1 8B model card, Meta (2024)
  14. Energy and AI, International Energy Agency (2025)
  15. Key questions on energy and AI, International Energy Agency (2026)
  16. 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
  17. 2026 environmental data fact sheet, Microsoft (2026)
  18. Read our 11th annual Environmental Report, Google (2026)

Junte-se a nós

Ajude a reduzir o impacto da IA no planeta

Receba novos guias, editais de financiamento e listagens dos diretórios por e-mail, cerca de uma vez por mês. Ou adicione seu produto, curso, doutorado ou pesquisa aos diretórios.

Sem rastreamento. Cancele a inscrição com um clique. Outras formas de participar · Privacidade