Pytasz AI, zapalasz elektrownię
Kiedy wpisujesz pytanie do ChatGPT, gdzieś na świecie turbina wiruje trochę szybciej. To nie metafora — to fizyka. Branża AI w 2025 roku zużyła więcej elektryczności niż niejeden kraj, a my, użytkownicy, przez lata karmiliśmy się mitem, że „to tylko serwer, co tam może zjeść". Czas ten mit rozbroić liczbami.
Baseline: ile kosztuje energetycznie jedno pytanie?
Zacznijmy od punktu odniesienia, który wszyscy znają — wyszukiwarka Google. Standardowe zapytanie zużywa 0,3 Wh energii i generuje 0,2 g CO₂. To tyle co nic — dioda LED świeci się przez kilka minut na takim ładunku.
Teraz AI. W sierpniu 2025 roku Google jako pierwsza duża firma AI publicznie ujawniła dane na poziomie pojedynczego prompta. Mediana zapytania do Gemini to 0,24 Wh, 0,03 g CO₂ i 0,26 ml wody. Zaskakująco blisko Google Search — i tu tkwi pierwsza pułapka: to dane dla medianowego, prostego promptu, nie dla złożonego zadania analitycznego.
GPT-4o od OpenAI plasuje się podobnie — badanie Epoch AI z 2025 roku szacuje zużycie na ~0,3 Wh na zapytanie. Czyli nowoczesny GPT-4o to mniej więcej 1–1,7× wyszukiwania Google. Ten wynik kompletnie wywraca do góry nogami mit „AI zużywa 10× więcej energii niż Google", który przez lata krążył po internecie. Skąd się wziął? Z badania Alexa de Vriesa z 2023 roku i raportu Goldman Sachs z 2024 — czyli z epoki, kiedy efektywność modeli była dramatycznie niższa.
GPT-5: kiedy wydajność idzie w górę, rachunki też
I tu zaczyna się prawdziwe trzęsienie ziemi. GPT-5, który zadebiutował 7 sierpnia 2025 roku, to inna liga.
Laboratorium AI Uniwersytetu Rhode Island zmierzyło zużycie energii GPT-5 i wyniki są... niepokojące:
| Model | Średnie zużycie / zapytanie | Zakres | Szczyt |
|---|---|---|---|
| Google Search | 0,3 Wh | — | — |
| Gemini (mediana) | 0,24 Wh | — | — |
| GPT-4o | ~0,3 Wh | — | — |
| GPT-4 | ~2,12 Wh | — | — |
| GPT-5 | 18,35–18,9 Wh | 2–45 Wh | ~40 Wh |
GPT-5 zużywa średnio 8,6× więcej energii niż GPT-4 i ~60× więcej niż standardowe wyszukiwanie Google. Przy szczytowym obciążeniu — 40 Wh na odpowiedź — mowa o energii wystarczającej do naładowania małego smartfona do połowy.
A tryb „thinking" w GPT-5? Dorzuć do tego kolejny mnożnik 5–10×. Czyli w skrajnym przypadku: jedno złożone zadanie analityczne z włączonym rozumowaniem może kosztować nawet 200–400 Wh. Tyle co żarówka LED świecąca przez dobę.
Co robi na to OpenAI? Oficjalnie — milczy. Komisja ds. AI ujawniła w sierpniu 2025, że OpenAI odmówiło publicznego ujawnienia danych o zużyciu energii GPT-5. Google ujawnia. Microsoft ujawnia. OpenAI — nie.
O3: najgłodniejszy model na rynku
Jeśli myślicie, że GPT-5 to szczyt energetycznego apetytu — model rozumowania OpenAI o3 zepchnął GPT-5 na drugie miejsce. O3 jest klasyfikowany jako najbardziej energochłonny publicznie dostępny system AI, wyprzedzając zarówno GPT-5, jak i DeepSeek R1. Konkretne liczby? OpenAI ich nie ujawnia. Ale już sama klasyfikacja mówi wystarczająco dużo.
Trening vs. inferencja: gdzie naprawdę idzie prąd
Większość ludzi myśli, że największy koszt energetyczny AI to trening modelu — ten jednorazowy, wielomiesięczny maraton obliczeniowy. To błędne przekonanie.
GPT-4 trenował przez 90–100 dni na ~25 000 kart NVIDIA A100. Koszt energetyczny: szacunkowo 51 773–62 319 MWh — nazwijmy to roboczo 57 000 MWh, czyli ~57 GWh. Dla porównania GPT-3 kosztował zaledwie 1 287 MWh — GPT-4 zużył 40–50× więcej energii na trening.
Brzmi jak dużo? Teraz inferencja — czyli obsługa zapytań użytkowników:
- Roczne zużycie energii na inferencję GPT-4o: szacunkowo 391 509–463 269 MWh/rok
- To oznacza, że sama obsługa zapytań przez rok pochłania ~7–8× więcej energii niż jednorazowy trening modelu
- I tak co rok, co rok, co rok
Trening to koszt założycielski. Inferencja to czynsz — i to czynsz, który rośnie z każdym nowym użytkownikiem.
ChatGPT jak małe państwo
Zbierzmy to razem w jeden obraz. ChatGPT w 2026 roku obsługuje 1,17 biliona zapytań rocznie od 1,2–1,5 miliarda użytkowników miesięcznie. Roczne zużycie elektryczności: ~17,23 TWh.
Dla kontekstu:
- Słowenia: ~14 TWh/rok
- Puerto Rico: ~18 TWh/rok
- ChatGPT plasuje się dokładnie między nimi
Rachunek za prąd? Szacunkowo 3 miliardy dolarów rocznie (dane z marca 2026). Tylko za elektryczność. To więcej niż całkowite przychody wielu firm technologicznych średniej wielkości.
A cała branża generatywnego AI w 2025? Szacunki mówią o ~15 TWh tylko dla zapytań generatywnych. AI używa więcej prądu niż niejeden kraj — i to tempo przyspiesza.
Woda: ukryty koszt, o którym nikt nie mówi
Energia to nie jedyny zasób, który AI pochłania w ogromnych ilościach. Chłodzenie centrów danych wymaga wody — i tutaj liczby są wyjątkowo trzeźwiące.
Google w 2024 roku zużył 27–30 miliardów litrów wody pitnej do chłodzenia swoich data center — wzrost o 28% rok do roku. 28% z tej wody pochodzi z regionów narażonych na stres wodny. Google deklaruje, że 64% zostało uzupełnione.
Microsoft w 2024 pił skromniej — ~6 miliardów litrów, w dół z 8 miliardów w 2023. Jak? Nowy projekt centrum danych z chłodzeniem ciecz-do-chipa eliminuje całkowite zużycie wody do chłodzenia, oszczędzając szacunkowo 125 000 m³ rocznie na obiekt. Microsoft jednocześnie zredukował emisje Scope 1+2 o 29,9% w stosunku do poziomu z 2020 roku.
Kiedy Gemini odpowiada na twój prompt, zużywa 0,26 ml wody. To mniej niż kropla. Ale 1,17 biliona promptów razy 0,26 ml to... matematyka, której lepiej nie robić przed snem.
Google AI Overviews: problem, który się nie zapowiada
Osobna historia to Google AI Overviews — te automatyczne streszczenia AI, które pojawiają się coraz częściej na górze wyników wyszukiwania. Zużycie energii? Podobne do standardowego promptu Gemini — ~0,24 Wh. Brzmi niegroźnie.
Ale teraz skala: 55% wszystkich wyszukiwań Google generuje teraz AI Overview. Google obsługuje ~8–9 miliardów zapytań dziennie. Jeśli ponad połowa generuje AI Overview, mamy do czynienia z astronomicznym mnożnikiem energetycznym — wbudowanym w coś, co użytkownicy traktują jak zwykłe wyszukiwanie.
Efektywność rośnie — ale popyt rośnie szybciej
Tu pojawia się optymistyczny wątek, który trzeba uczciwie pokazać. Gemini między majem 2024 a majem 2025 stał się 33× bardziej efektywny energetycznie. Ślad węglowy spadł 44× w tym samym okresie. To są prawdziwe, zweryfikowane liczby z oficjalnego raportu Google.
Takie postępy to nie przypadek — to efekt lepszych architektur, kwantyzacji modeli, optymalizacji sprzętowej i coraz sprawniejszej infrastruktury. Branża faktycznie się uczy.
Problem polega na tym, że popyt rośnie szybciej niż efektywność. Efektywność GPT-4o vs GPT-3 jest dramatycznie lepsza — ale równocześnie liczba użytkowników wzrosła z milionów do miliarda. Efekt rebound działa na pełnych obrotach: im tańsza i łatwiejsza usługa, tym więcej jej używamy.
GPT-5 jest tutaj idealnym przykładem tej sprzeczności: model jest potężniejszy i bardziej użyteczny, ale na zadanie zużywa 8,6× więcej energii niż GPT-4. Czy jest 8,6× bardziej wartościowy dla przeciętnego użytkownika zadającego przeciętne pytanie? To pytanie, na które branża woli nie odpowiadać.
Praktyczne podsumowanie: co z tego wynika dla ciebie?
Nie chodzi o to, żeby przestać używać AI. Chodzi o świadome używanie — zarówno jako użytkownik, jak i jako decydent technologiczny.
- Proste pytania faktograficzne — GPT-4o, Gemini, Claude Haiku. Zużycie porównywalne z wyszukiwarką, odpowiedź wystarczająca.
- Złożone analizy, długie dokumenty, kod — GPT-5, o3, Claude Opus mają sens. Ale miej świadomość, że jedno takie zadanie może kosztować energetycznie tyle, co kilkadziesiąt zwykłych wyszukiwań.
- Tryb „thinking" / rozumowanie — używaj tam, gdzie naprawdę potrzebujesz głębokiej analizy. Włączony z przyzwyczajenia do prostych pytań to czyste marnotrawstwo — i energetyczne, i finansowe.
- Firmy kupujące API — wybór między GPT-4o a GPT-5 to nie tylko różnica w jakości, ale dosłownie ~8,6× różnica w kosztach energii i rachunkach za tokeny.
- Budujący aplikacje AI — model routing (automatyczny dobór mniejszego modelu do prostszych zadań) to nie tylko optymalizacja kosztów, to też realna redukcja śladu węglowego.
Mit „AI zżera 10× więcej prądu niż Google" umarł. Ale prawda jest bardziej skomplikowana niż „AI jest zielone". Nowoczesne modele są dramatycznie bardziej efektywne niż te sprzed trzech lat — i dramatycznie bardziej energochłonne niż te sprzed jednego roku, jeśli wybierzesz GPT-5 zamiast GPT-4o. Skala użycia sprawia, że sumaryczne zużycie rośnie bez względu na postęp w efektywności.
ChatGPT zużywa tyle prądu co Słowenia. Nie po to, żebyś się poczuł winny — po to, żebyś wiedział, z czym masz do czynienia.
