Tingkat individu

Permintaan yang dibuat melalui ChatGPT, asisten virtual berbasis AI, menggunakan listrik 10 kali lebih banyak daripada Google Search.^[4] Microsoft dan Meta mengalami peningkatan serupa dalam jejak karbon mereka, yang juga disebabkan oleh AI.

Para peneliti di Universitas Michigan mengukur konsumsi energi berbagai model Meta Llama 3.1 yang dirilis pada tahun 2024 dan menemukan bahwa model bahasa yang lebih kecil (8 miliar parameter) menggunakan sekitar 114 joule (0,03167 Wh) per respons, sementara model yang lebih besar (405 miliar parameter) membutuhkan hingga 6.700 joule (1,861 Wh) per respons. Hal ini setara dengan energi yang dibutuhkan untuk menjalankan pemanggang gelombang mikro selama kurang lebih sepersepuluh detik dan delapan detik.^[5]

Menurut para peneliti, median pesan teks Google Gemini pada tahun 2025 mengonsumsi sekitar 0,24 Wh listrik. Peningkatan efisiensi perangkat lunak Google dan pengadaan energi bersihnya telah mengurangi penggunaan energi hingga 33 kali lipat dan emisi karbon hingga 44 kali lipat untuk pesan teks standar selama setahun. Secara praktis, median pesan teks Gemini mengonsumsi energi kira-kira sama dengan menonton televisi selama sembilan detik.^[6]

Setelah model dilatih, maka model tersebut mengonsumsi energi yang jauh lebih sedikit, namun tetap membutuhkan listrik dalam jumlah yang relatif tinggi. Para peneliti memperkirakan bahwa kueri ChatGPT mengonsumsi listrik sekitar lima kali lebih banyak daripada pencarian web sederhana.  Pada Juni 2025, direktur utama OpenAI Sam Altman menyatakan bahwa rata-rata kueri ChatGPT menggunakan sekitar 0,34  Wh (1,2  kJ ) listrik dan 8,5 × 10−5 ^galon  AS (0,32 ml) air.^[7]

Menurut studi Luccioni, Jernite, dan Strubell (2024), tugas klasifikasi sederhana yang dilakukan oleh model AI rata-rata mengonsumsi 0,002 hingga 0,007 Wh per perintah prompt (sekitar 9% dari daya baterai ponsel cerdas untuk 1.000 perintah). Pembuatan teks dan peringkasan teks masing-masing membutuhkan rata-rata sekitar 0,05 Wh per perintah, sementara pembuatan gambar merupakan yang paling boros energi, dengan rata-rata 2,91 Wh per perintah. Model pembuatan gambar yang paling tidak efisien menggunakan 11,49 Wh per gambar, yang kira-kira setara dengan setengah daya baterai ponsel pintar.^[8]

Tingkat sistem

AI memiliki jejak karbon yang signifikan karena mendorong peningkatan konsumsi listrik, terutama untuk kepentingan pelatihan dan penggunaan.^[9][10] Para peneliti berpendapat bahwa jejak karbon model AI selama pelatihan harus dipertimbangkan ketika mencoba memahami dampak AI.^[11] Sebuah studi menunjukkan bahwa pada 2027, biaya energi untuk AI berpotensi meningkat menjadi 85 hingga 134 Twh, hampir 0,5% dari seluruh penggunaan listrik saat ini. Untuk melatih model bahasa besar (LLM) dan AI generatif lainnya perlu lebih banyak listrik dibandingkan dengan menjalankan satu prediksi pada model yang dilatih.^[12] Namun, menggunakan model yang dilatih berulang kali dapat dengan mudah melipatgandakan biaya listrik untuk prediksi.^[12] Perhitungan yang diperlukan untuk melatih model AI paling canggih berlipat ganda setiap rata-rata 3,4 bulan, yang menyebabkan penggunaan daya eksponensial dan jejak karbon yang dihasilkan.^[13] Selain itu, algoritma kecerdasan buatan yang berjalan di tempat-tempat yang sebagian besar menggunakan bahan bakar fosil untuk energi akan menghasilkan jejak karbon yang jauh lebih tinggi daripada tempat-tempat dengan sumber energi yang lebih bersih.^[14] Model-model ini dapat dimodifikasi untuk mengurangi dampak lingkungan dengan mengorbankan akurasi, yang menekankan pentingnya menemukan keseimbangan antara akurasi dan dampak lingkungan.

BERT, sebuah model bahasa yang dilatih pada tahun 2019, membutuhkan energi setara dengan "penerbangan lintas benua pulang pergi" untuk pelatihan.^[15] GPT-3 melepaskan 552 metrik ton karbon dioksida ke atmosfer selama pelatihan, "setara dengan 123 kendaraan penumpang bertenaga bensin yang dikendarai selama satu tahun".^[15] Sebagian besar biaya energi disebabkan oleh arsitektur dan prosesor model yang tidak efisien.^[15] Salah satu model bernama BLOOM, dari Hugging Face, dilatih dengan chip yang lebih efisien dan oleh karena itu, hanya melepaskan 25 metrik ton CO2.^[10] Menggabungkan biaya energi untuk memproduksi chip untuk sistem tersebut menggandakan jejak karbon, menjadi "setara dengan sekitar 60 penerbangan antara London dan New York." Mengoperasikan BLOOM setiap hari diperkirakan melepaskan jejak karbon yang setara dengan berkendara sejauh 54 mil.^[10]

Algoritma yang memiliki biaya energi lebih rendah namun berjalan jutaan kali dalam sehari juga memiliki jejak karbon yang signifikan.^[16]  Integrasi AI ke dalam mesin pencari dapat melipatgandakan biaya energi secara signifikan.^[17][18]  Perkiraan lain menemukan bahwa mengintegrasikan ChatGPT ke dalam setiap permintaan pencarian Google akan menggunakan 10 TWh setiap tahun, setara dengan penggunaan energi tahunan 1,5 juta penduduk Uni Eropa .

Dengan meningkatnya permintaan komputasi dari AI menyebabkan peningkatan penggunaan air dan energi yang jauh lebih besar pada jaringan listrik.^[19] Karena meningkatnya permintaan energi dari proyek-proyek terkait AI, pembangkit listrik tenaga batu bara di Kansas City^{[20][verifikasi]} dan Virginia Barat^{[21][verifikasi]} . Pembangkit listrik tenaga batu bara lainnya di wilayah Salt Lake City telah menunda pensiun pembangkit listrik tenaga batu bara mereka hingga satu dekade.^[22]  Perdebatan lingkungan telah berkecamuk di Virginia dan Prancis tentang apakah "moratorium" harus dipanggil untuk pusat data tambahan.^[23] Pada tahun 2024 di Forum Ekonomi Dunia, Sam Altman memberikan pidato di mana beliau mengatakan bahwa industri AI hanya dapat tumbuh jika ada terobosan teknologi besar untuk meningkatkan pengembangan energi.^[24][25][26]

Jejak karbon model AI bergantung pada sumber energi yang digunakan, dengan pusat data yang menggunakan energi terbarukan mengurangi jejak karbon mereka.  Banyak perusahaan teknologi mengklaim mengimbangi penggunaan energi dengan membeli energi dari sumber terbarukan, meskipun beberapa ahli berpendapat bahwa utilitas hanya mengganti energi terbarukan yang diklaim dengan peningkatan sumber tak terbarukan untuk pelanggan mereka yang lain.  Analisis jejak karbon model AI masih sulit ditentukan, karena model tersebut diagregasi sebagai bagian dari jejak karbon pusat data, dan beberapa model dapat membantu mengurangi jejak karbon industri lain,  atau karena perbedaan pelaporan dari perusahaan.

Beberapa aplikasi ML, seperti untuk penemuan dan eksplorasi bahan bakar fosil , dapat memperburuk perubahan iklim.  Penggunaan AI untuk pemasaran personalisasi daring juga dapat menyebabkan peningkatan konsumsi barang , yang juga dapat meningkatkan emisi global.

Para kritikus menyoroti bahwa perusahaan AI juga menandatangani kontrak dengan para pencemar untuk memperluas produksi mereka, sehingga meningkatkan dampak lingkungan mereka.

Laporan bibliografi tahun 2023 dari Inria dan CEA-Leti menekankan bahwa jejak karbon AI harus dinilai menggunakan analisis siklus hidup penuh (LCA), termasuk manufaktur perangkat keras, energi pelatihan, dan fase penerapan, bukan hanya emisi operasional.