Editor Top
La IA generativa es intensiva en energía, y las formas en que se puede calcular su impacto ambiental son complejas. Considere el efecto aguas abajo de la IA generativa en el medio ambiente al examinar los objetivos de sostenibilidad de su empresa.
- ¿Qué efectos secundarios pueden no ser visibles de inmediato, pero podrían tener un gran impacto?
- ¿Cuándo ocurre la mayor parte del consumo de energía: durante el entrenamiento o el uso diario?
- ¿Los modelos de IA «más eficientes» realmente abordan alguna preocupación de sostenibilidad?
El impacto de la IA generativa en la generación de electricidad, el agua y la calidad del aire
El impacto de la IA en la contaminación del aire
En diciembre de 2024, la Universidad de California, Riverside y el Instituto de Tecnología de California calcularon que la capacitación de Meta’s Llama-3.1 produjo la misma cantidad de contaminación del aire que más de 10,000 viajes redondos por automóvil entre Los Ángeles y la ciudad de Nueva York.
El aumento de la contaminación del aire de los generadores de respaldo en los centros de datos que ejecutan IA causaron costos regionales de salud pública de aproximadamente $ 190 millones a $ 260 millones al año, encontraron los investigadores de UC Riverside y Caltech.
El impacto de la IA en el uso de la electricidad
Un informe de 2024 del Agencia Internacional de Energía Dicho un aviso de ChatGPT usó 10 horas de terawatt más electricidad por año que el total utilizado anualmente para las búsquedas de Google.
El impacto de la IA en el uso del agua
Saltar más electricidad podría deshacerse de los servicios públicos que ya están luchando, lo que lleva a drogas o apagones. Dibujar agua de áreas ya propensas a la sequía, como el rápido desarrollo de Phoenix, Arizona o los desiertos de California, podría causar pérdida de hábitat e incendios forestales.
Ver: Enviar un correo electrónico con ChatGPT es el equivalente a consumir una botella de agua
¿La capacitación o el uso diario de IA consumen más recursos?
«La capacitación es un proceso que requiere mucho tiempo e intensivo en energía», escribió la IEA en su 2025 Energy and AI World Energy Outlook Informe especial. Una GPU del tipo adecuado para el entrenamiento de IA atrae a tanta electricidad como una tostadora en su consumo de energía máximo calificado. La agencia calculó que tardó 42.4 horas en gigavatios en entrenar a GPT-4 de OpenAi, el equivalente del uso diario de electricidad doméstica de 28,500 hogares en una economía avanzada.
¿Qué pasa con el uso diario? Tamaño de la consulta, tamaño del modelo, el grado de escala de tiempo de inferencia y más factores sobre la cantidad de electricidad que usa un modelo de IA durante la etapa de uso de inferencia, para analizar el aviso. Estos factores y la falta de datos sobre el tamaño y la implementación de los modelos de IA del consumidor significan que el impacto ambiental es muy difícil de medir. Sin embargo, la IA generativa indudablemente atrae más potencia que la informática convencional.
«La fase de inferencia (también la fase operativa) ya era responsable de la mayoría (60%) de los costos de energía de IA en Google, incluso antes de que ocurriera la adopción masiva de aplicaciones generativas de IA (2019-2021)», escribió Alex de Vries, fundador del blog de investigación Digiconomist y el índice de consumo de energía de Bitcoin, en un correo electrónico a TechRepublic. «Aunque no tenemos números exactos, la adopción masiva de aplicaciones de IA habrá aumentado el peso de la fase de inferencia (/operativa) aún más».
Mientras tanto, los modelos de IA continúan expandiéndose. «Aumentar el tamaño del modelo (parámetros) dará como resultado un mejor rendimiento, pero aumenta el uso de energía tanto del entrenamiento como de la inferencia», dijo De Vries.
Descargar: Este Greentech rápido Glosario de TechRepublic Premium
Deepseek afirmó ser más eficiente energéticamente, pero es complicado
Los modelos de IA de Deepseek han sido elogiados por lograr tanto como sus principales competidores sin consumir tanta energía y a un precio más bajo; Sin embargo, la realidad es más complicada.
El enfoque de la mezcla de expertos de Deepseek reduce los costos al procesar las relaciones entre conceptos en lotes. No requiere tanta potencia computacional ni consume tanta energía durante el entrenamiento. El IEA encontrada Que el uso diario del método de escala de tiempo de inferencia utilizado por Deepseek-R1 consume una cantidad significativa de electricidad. En general, los modelos de inferencia grandes consumen la mayor cantidad de electricidad. La capacitación es menos exigente, pero el uso es más exigente, Según el MIT Technology Review.
«Deepseek-R1 y el modelo O1 de OpenAI son sustancialmente más intensivos en energía que otros modelos de idiomas grandes», escribió IEA en el informe de Energy and AI de 2025.
La IEA también señaló el «efecto de rebote», donde la mayor eficiencia del producto lleva a que más usuarios lo adopten; Como resultado, el producto continúa consumiendo más recursos.
¿Puede AI compensar los recursos que consume?
A las empresas tecnológicas todavía les gusta presentarse como buenos administradores. Google persigue certificaciones conscientes de la energía a nivel mundial, incluida la firma del pacto del centro de datos neutral climático en Europa. Microsoft, que vio aumentos similares en el uso de agua y electricidad en sus informes de sostenibilidad de 2024, está considerando reabrir una planta de energía nuclear en Three Mile Island en Pensilvania para alimentar sus centros de datos de IA.
Ver: La proliferación de IA ha creado un auge sostenido en los centros de datos e infraestructura relacionada.
Los partidarios de la IA podrían argumentar que sus beneficios superan los riesgos. La IA generativa se puede utilizar en proyectos de sostenibilidad. La IA puede ayudar a revisar los conjuntos de datos masivos de información sobre emisiones de carbono o rastrear las emisiones de gases de efecto invernadero. Además, las compañías de IA están trabajando continuamente para mejorar la eficiencia de sus modelos. Pero lo que realmente significa «eficiencia» realmente parece ser la captura.
«Hay algunos cuellos de botella (como la capacidad de la cuadrícula por ejemplo) que podrían detener el crecimiento de la IA y su demanda de energía», dijo De Vries. «Esto es difícil de predecir, también considerando que no es posible predecir la demanda futura de IA (por ejemplo, la exageración de la IA podría desvanecerse en cierta medida), pero cualquier esperanza de limitar la demanda de energía de la IA proviene de esto. Debido a que el» más grande es mejor «, la IA dinámica es fundamentalmente incompatible con la sostenibilidad ambiental».
Luego está la cuestión de qué tan abajo se debe contar el impacto de la cadena de suministro AI. «Las emisiones indirectas del consumo de electricidad son el componente más significativo de las emisiones de la fabricación de hardware[delossemiconductores»dijoelinformedelaAIenelinformedeEnergyandAI[ofsemiconductors”saidtheIEAintheEnergyandAIreport
El costo del hardware y su uso se ha reducido a medida que las empresas entienden las necesidades de IA generativa mejor y pivote a los productos centrados en él.
«A nivel de hardware, los costos han disminuido en un 30% anual, mientras que la eficiencia energética ha mejorado en un 40% cada año», según el informe del índice de IA 2025 de la Universidad de Stanford.
Descargar: esta política de energía verde de TI Center de TechRepublic Premium
Considere cómo la IA generativa afecta los objetivos ambientales de su negocio
La IA generativa se está volviendo convencional. El copiloto de Microsoft se incluye de forma predeterminada en algunas PC; Los fabricantes de teléfonos inteligentes están agregando ansiosamente la IA y los asistentes de edición de video; Y Google da su modelo avanzado Gemini para los estudiantes gratuitos.
Las empresas tecnológicas que establecen objetivos de sostenibilidad prometedores pueden tener dificultades para alcanzar sus objetivos ahora que producen y usan productos de IA generativos.
«La IA puede tener impactos dramáticos en los informes de ESG y también la capacidad de las empresas interesadas para alcanzar sus propios objetivos climáticos», dijo De Vries.
Descargar: esta política ambiental personalizable de TechRepublic Premium
De acuerdo a Informe ambiental 2024 de GoogleLos centros de datos del gigante tecnológico consumieron un 17% más de agua que en 2023. Google atribuyó esto a «la expansión de los productos y servicios de IA» y señaló «un crecimiento similar en el uso de la electricidad». La generación de residuos del centro de datos de Google y el uso del agua aumentaron.
«A medida que la adopción de AI acelera, los líderes de TI son cada vez más conscientes de que los dispositivos más inteligentes no se correlacionan directamente con un consumo de energía más eficiente», dijo Dan Root, jefe de alianzas estratégicas globales en Clickshare. «El aumento en la demanda de calcular de las herramientas de IA significa que los departamentos de TI deben buscar oportunidades de compensación en otra parte de su pila».
Como señaló la Agencia Internacional de Energía en su Informe de electricidad 2024tanto la fuente de electricidad como la infraestructura deben considerarse si el mundo satisface las demandas de energía de la IA.
«Puede hacer/mantener modelos un poco más pequeños para reducir su requisito de energía, pero esto también significa que debe estar preparado para sacrificar el rendimiento», dijo De Vries.
