Consumo de energía de la IA: ¿cuánta electricidad usa realmente?
Un prompt de chat de IA usa entre 0,2 y 2 watt-hora de electricidad: segundos de un microondas. Los centros de datos de EE. UU. en conjunto usaron unos 176 TWh en 2023 (4,4% del consumo nacional), y la proyección de referencia de LBNL queda entre 325 y 580 TWh para 2028, con la IA como principal motor del crecimiento.
El agua en este sitio se calcula sobre todo a partir de la energía, así que esta página es el cimiento de todo lo demás.
Por consulta: más pequeño que los titulares
Las cifras por consulta mejor documentadas:
| Cifra | Fuente |
|---|---|
| 0,24 Wh por prompt mediano de Gemini | Google oficial (2025) |
| 0,34 Wh por consulta media de ChatGPT | Altman (2025) |
| ~0,3 Wh por consulta de GPT-4o | Estimación de Epoch AI |
| ~0,9 Wh por intercambio de 400 tokens en GPT-4.1 | Benchmark de Jegham et al. (2025) |
Donde las consultas se encarecen es en longitud y modo. Los modelos de razonamiento (clase o3, DeepSeek-R1) queman 5–20× un intercambio estándar porque generan largas cadenas de pensamiento ocultas. La generación de medios es otra liga: ~3 Wh por imagen (Luccioni et al., FAccT 2024), y entre ~25 y ~1.000 Wh por clip de vídeo de 5 segundos. La única medición pública de un modelo de calidad actual es ~940 Wh (MIT Technology Review, 2025), y los proveedores de la clase Sora/Veo no publican nada. Un clip corto de IA ≈ un par de horas de streaming en nuestro valor medio, o una docena con la mejor medición pública.
La palanca más grande que tienes: qué modelo
La energía por consulta abarca dos órdenes de magnitud entre modelos desplegados (benchmarks de Jegham et al. 2025; estas son las bandas sobre las que corre la calculadora):
| Clase | Por ~1.000 tokens | Ejemplos |
|---|---|---|
| Eficiente | ~0,1–0,6 Wh | niveles nano, Claude Haiku, Gemini Flash |
| Estándar | ~0,4–1,5 Wh | niveles mini de GPT, Claude Sonnet, Mistral Large, Llama 70B |
| Frontera | ~1–3,5 Wh | clase GPT-5, Claude Opus, Gemini Pro |
| Razonamiento | ~3–15 Wh | clase o3, DeepSeek-R1, pensamiento extendido |
Enrutar una pregunta simple a un modelo eficiente en vez de uno de razonamiento cambia el costo 10–50×: la mayor decisión de huella que un usuario controla de verdad. Para la intuición: una carga completa de móvil (~12 Wh) compra unos 35–50 prompts típicos a las cifras oficiales, y la electricidad diaria de un hogar medio de EE. UU. (~29 kWh, EIA) equivale a unos 85.000.
Clase frontera · 2 Wh por 1.000 tokens (referencia media)
El mismo prompt puede ser «cinco gotas» o «una botella de agua» según qué se cuente: solo la refrigeración del centro de datos (Bajo), el agua detrás de la electricidad (Medio), o también el entrenamiento y el hardware (Alto).
Lee la metodología63,9litros
= 16,9 galones
ChatGPT (estándar), 25 prompts/día · por año, escenario Medio
Energía
12,8 kWh
Carbono
4,5 kg CO₂e
La flota: donde viven los números reales
La eficiencia por consulta mejora cada año; el consumo total sube de todos modos, porque el volumen crece más rápido. El encuadre honesto es que la IA es el motor marginal del crecimiento de la demanda eléctrica en EE. UU.: los centros de datos son la razón de que las previsiones de carga se curvaran hacia arriba por primera vez en 15 años. Lo que eso hace al agua depende por completo de qué red y qué diseño de refrigeración sirve la nueva carga, que es el tema de nuestro mapa de centros de datos.
De la energía al carbono
El carbono sigue a la energía a través del mix eléctrico, así que el mismo prompt emite distinto en sitios distintos. Las dos anclas: Google reporta 0,03 gCO₂e por prompt mediano de Gemini (tirando a Bajo, compras de energía limpia; 2025), mientras que el análisis de ciclo de vida de Mistral reporta 1,14 gCO₂e por respuesta de 400 tokens (Alto, ciclo completo). La brecha de ~40× es sobre todo límite, en parte red. En cualquier caso la escala es: bastante menos de un gramo para un prompt típico en la red media de EE. UU., frente a ~404 g por una milla de un coche de gasolina medio (EPA).
Energía → agua, la conversión sobre la que corre este sitio
- Bajo (0,3 L/kWh): refrigeración in situ de un operador eficiente.
- Medio (5 L/kWh): + agua consumida generando electricidad de la red de EE. UU.
- Alto (30 L/kWh): + amortización del entrenamiento y fabricación del hardware, derivado del LCA publicado por Mistral (45 mL por respuesta de 400 tokens) con el supuesto del sitio de ~1,5 Wh por respuesta.
La derivación completa de cada factor, con fuentes, está en la página de metodología.