Quanta energia consuma un prompt AI di Gemini e GPT4: il secondo come 14 lampadine LED accese per 1h

Lo sappiamo: l'uso di AI richiede quantità di energia e acqua molto superiori rispetto alle normali ricerche su web. Un prompt testuale inviato a Gemini, l'AI di Google, consuma in media 0,24 Wh di energia, rilascia 0,03 grammi di CO₂ e richiede circa 0,26 millilitri d'acqua, l'equivalente di cinque gocce. Numeri apparentemente irrisori. Ma quando si sposta l'attenzione su GPT-4 di OpenAI, il quadro cambia radicalmente: come stimano il Washington Post e la University of California, generare una singola e-mail di 100 parole richiede 0,14 kWh – abbastanza da alimentare 14 lampadine LED per un'ora – e assorbe 519 millilitri d'acqua, poco più di una bottiglietta da mezzo litro.

Dobbiamo specificare, tuttavia, che determinare l'effettivo costo ecologico di ogni singola richiesta inviata all’AI è un'operazione estremamente complessa da portare a termine e che queste stime non tengono conto dei modelli più recenti, ma si basano su un livello di complessità standardizzato che varia inevitabilmente a seconda delle diverse metodologie di calcolo e dell'architettura dei sistemi presi in esame. Ciò che sembra ormai

Perché l’AI consuma così tanto

Ogni volta che digitiamo una richiesta e la inviamo all’AI, i modelli eseguono miliardi di calcoli per elaborarla e restituire una risposta. Questo processo genera calore, e per evitare il surriscaldamento dei processori i data center utilizzano grandi impianti di raffreddamento ad acqua: il liquido assorbe il calore e lo disperde nell'atmosfera attraverso torri di evaporazione.

non perderti questo articolo

Se 100 rane saltano su 100 lampadine, quante ne restano accese? La soluzione all’indovinello

Fino a poco tempo fa, le grandi aziende tecnologiche hanno mantenuto il massimo riserbo sui propri consumi. Google ha rotto il silenzio poco meno di un anno fa, pubblicando un report contenente dati sull'efficienza di Gemini basati su 12 mesi di analisi. Per ottenere un valore rappresentativo, i ricercatori hanno calcolato il cosiddetto “prompt mediano” – la richiesta al cinquantesimo percentile di consumo – includendo non solo l'energia impiegata dai chip, ma l'intero ecosistema hardware: dalle CPU alle RAM, passando per i sistemi di ventilazione e persino le macchine in stato di inattività.

I limiti dello studio

Lo studio ha però alcuni limiti. Esclude i modelli di generazione di immagini e video – tra i più esigenti dal punto di vista computazionale – e per i quali non esistono ancora metriche universalmente condivise. Gli esperti sottolineano inoltre che confrontare una ricerca Web tradizionale con una query generativa è assai fuorviante: le dinamiche di interazione sono troppo diverse.

I 0,24 Wh di un prompt semplice appaiono modesti, ma il peso reale emerge quando si considera l'intera sessione di conversazione: man mano che le domande si fanno più complesse e la memoria contestuale richiesta al server cresce, i consumi salgono. Con oltre 900 milioni di utenti attivi al mese (dato aggiornato al 19 maggio 2026) e volumi di traffico in costante aumento, è evidente che il dato della singola query è solo un frammento di un quadro molto più ampio.

Su ChatGPT le stime – elaborate dal Washington Post e dalla University of California – parlano di consumi decisamente superiori. Proiettando i dati su scala globale, si calcola che il sistema possa assorbire circa 39,98 milioni di kWh al giorno: l'equivalente della carica simultanea di otto milioni di smartphone, o del fabbisogno energetico annuo di intere nazioni a basso consumo. Sul fronte idrico, si stima un consumo giornaliero di circa 39,16 milioni di galloni d'acqua dolce, una quantità paragonabile allo scarico simultaneo dei servizi igienici dell'intera popolazione di Taiwan.

Addestramento, inferenza e la corsa ai parametri

Gli esperti distinguono due fasi nell'impatto ambientale dell'AI: l'addestramento iniziale del modello e l'inferenza, ovvero l'elaborazione delle risposte in tempo reale. Nei motori di ricerca tradizionali, la quota maggiore di energia era legata alla risposta finale. Con i moderni modelli linguistici, invece, i parametri interni sono cresciuti in modo esponenziale, rendendo ogni singola elaborazione sempre più costosa.

Questa escalation tecnologica si scontra con la fragilità delle risorse idriche globali. Un quinto dei data center statunitensi attinge acqua da bacini già sotto stress idrico, e molti dei nuovi impianti previsti in Europa sorgono in aree ad alto rischio di siccità.

Per contenere l'impatto, Google ha adottato strategie di flessibilità dei carichi di lavoro, spostando le elaborazioni più pesanti nelle fasce orarie in cui la rete è meno sollecitata o l'energia rinnovabile è disponibile. In regioni aride come l'Arizona, ha scelto il raffreddamento ad aria al posto di quello idrico, rinunciando a un risparmio elettrico del 10%, per preservare le riserve locali. Più di un quarto degli impianti utilizza già acqua riciclata o non potabile.

Un equilibrio ancora da trovare

Ottimizzare l'efficienza energetica attraverso nuovi componenti hardware richiede investimenti significativi, spesso oscurati dalla corsa commerciale al mercato. C'è chi sostiene che sarà l'AI stessa, in futuro, a ottimizzare la gestione delle risorse planetarie, una prospettiva che al momento potrebbe però sembrare fin troppo ottimistica e non del tutto priva di rischi. Nel presente, la priorità è probabilmente un'altra: monitorare con rigore e trasparenza l'impatto reale di ogni nostra interazione digitale. Un'impresa, questa, tutt'altro che semplice da portare a termine.