Altman recientemente compartido Una figura concreta para el consumo de energía y agua de las consultas ChatGPT. Según su publicación de blog, cada consulta para ChatGPT consume alrededor de 0.34 WH de electricidad (0.00034 kWh) y alrededor de 0.000085 galones de agua. El equivalente a lo que usa una bombilla de alta eficiencia en un par de minutos y aproximadamente un decimotercero de una cucharadita.
Esta es la primera vez que OpenAI ha compartido públicamente dichos datos, y agrega un punto de datos importante a los debates en curso sobre el impacto ambiental de los grandes sistemas de IA. El anuncio provocó una discusión generalizada, tanto de apoyo como escéptico. En esta publicación analizo el reclamo y desempaqué las reacciones en las redes sociales para analizar los argumentos en ambos lados.
¿Qué respalda el reclamo 0.34 WH?
Veamos los argumentos que prestan credibilidad al número de Openi.
1. Estimaciones independientes se alinean con el número de Openai
Una razón clave por la que algunos consideran que la figura es creíble es que se alinea estrechamente con las estimaciones de terceros anteriores. En 2025, el Instituto de Investigación Epoch.AI estimó que una sola consulta para GPT-4O consume aproximadamente 0.0003 kWh de energía, alineando estrechamente con la propia estimación de OpenAI. Esto supone que GPT-4O utiliza una arquitectura de la mezcla de expertos con 100 mil millones de parámetros activos y una longitud de respuesta típica de 500 tokens. Sin embargo, no tienen en cuenta otros factores que el consumo de energía por parte de los servidores de la GPU y no incorporan la efectividad del uso de energía (PUE) como es habitual.
Un estudio académico reciente por Jehham et al (2025) Estima que GPT-4.1 Nano usa 0.000454 kWh, O3 usa 0.0039 kWh y GPT-4.5 usa 0.030 kWh para indicaciones largas (aproximadamente 7,000 palabras de entrada y 1,000 palabras de salida).
El acuerdo entre las estimaciones y el punto de datos de OpenAI sugiere que la cifra de OpenAI se encuentra dentro de un rango razonable, al menos cuando se enfoca solo en la etapa donde el modelo responde a un aviso (llamado “inferencia”).
2. El número de OpenAi puede ser plausible a nivel de hardware
Es ha sido reportado que los servidores OpenAI 1 mil millones de consultas por día. Consideremos las matemáticas detrás de cómo ChatGPT podría servir esa cantidad de consultas por día. Si esto es cierto, y la energía por consulta es 0.34 WH, entonces la energía diaria total podría ser de alrededor de 340 megavatios, según un experto en la industria. Él especula que esto significaría que OpenAI podría admitir chatgpt con unos 3.200 servidores (suponiendo que NVIDIA DGX A100). Si 3.200 servidores tienen que manejar mil millones de consultas diarias, entonces cada servidor tendría que manejar alrededor de 4.5 indicaciones por segundo. Si asumimos que se implementa una instancia de LLM subyacente de ChatGPT en cada servidor, y que el aviso promedio da como resultado 500 tokens de salida (aproximadamente 375 palabras, según la regla general de Openi), entonces los servidores necesitarían generar 2,250 tokens por segundo. ¿Eso es realista?
Stojkovic et al (2024) han podido lograr un rendimiento de 6,000 tokens por segundo de LLAMA-2–70B en un servidor NVIDIA DGX H100 con 8 GPU H100.
Sin embargo, Jegham et al (2025) han encontrado que tres modelos OpenAI diferentes generaron entre 75 y 200 tokens por segundo en promedio. Sin embargo, no está claro cómo llegaron a esto.
Por lo tanto, parece que no podemos rechazar la idea de que 3.200 servidores podrían manejar mil millones de consultas diarias.
Por qué algunos expertos son escépticos
A pesar de la evidencia de apoyo, muchos siguen siendo cautelosos o críticos con la cifra de 0.34 WH, lo que plantea varias preocupaciones clave. Echemos un vistazo a ellos.
1. El número de OpenAi podría dejar de lado las partes principales del sistema
Sospecho que el número solo incluye la energía utilizada por los propios servidores de la GPU, y no el resto de la infraestructura, como el almacenamiento de datos, los sistemas de enfriamiento, los equipos de redes, los firewalls, la pérdida de conversión de electricidad o los sistemas de respaldo. Esta es una limitación común en los informes de energía entre las empresas tecnológicas.
Por ejemplo, Meta también ha reportado números de energía solo de GPU en el pasado. Pero en los centros de datos del mundo real, la potencia de GPU es solo una parte de la imagen completa.
2. Las estimaciones del servidor parecen bajas en comparación con los informes de la industria
Algunos comentaristas, como el defensor de Greenops, Mark Butcher, argumentan que 3.200 servidores de GPU parecen demasiado bajos para apoyar a todos los usuarios de ChatGPT, especialmente si considera el uso global, la alta disponibilidad y otras aplicaciones más allá del chat casual (como la codificación o el análisis de imágenes).
Otros informes sugieren que Operai usa decenas o incluso cientos de miles de GPU para inferencia. Si eso es cierto, el uso total de energía podría ser mucho más alto de lo que implica el número de 0.34 WH/consulta.
3. La falta de detalle plantea preguntas
Críticos, por ejemplo David Myttontambién señala que la declaración de OpenAi carece de contexto básico. Por ejemplo:
- ¿Qué es exactamente una consulta “promedio”? ¿Una sola pregunta o una conversación completa?
- ¿Esta cifra se aplica a un solo modelo (por ejemplo, GPT-3.5, GPT-4O) o un promedio en varios?
- ¿Incluye tareas más nuevas y más complejas como la entrada multimodal (por ejemplo, el análisis de PDF o la generación de imágenes)?
- ¿El número de uso de agua es directo (utilizado para servidores de enfriamiento) o indirecto (de fuentes de electricidad como la energía hidroeléctrica)?
- ¿Qué pasa con las emisiones de carbono? Eso depende en gran medida de la ubicación y la combinación de energía.
Sin respuestas a estas preguntas, es difícil saber cuánta confianza colocar en el número o cómo compararlo con otros sistemas de IA.
Perspectiva
¿Big Tech finalmente escucha nuestras oraciones?
La divulgación de OpenAi viene a raíz de Lanzamiento de Nvidia de datos sobre las emisiones encarnadas de las GPU y Publicación de blog de Google sobre las emisiones del ciclo de vida de su hardware TPU. Esto podría sugerir que las corporaciones finalmente están respondiendo a las muchas llamadas que se han hecho para obtener más transparencia. ¿Estamos presenciando los amanecer de una nueva era? ¿O Sam Altman solo nos está jugando porque es de sus intereses financieros minimizar el impacto climático de su empresa? Dejaré esa pregunta como un experimento mental para el lector.
Inferencia vs entrenamiento
Históricamente, los números que hemos visto estimados e informados sobre el consumo de energía de la IA se han relacionado con el uso de energía del uso de la energía del uso de energía capacitación Modelos AI. Y aunque la etapa de entrenamiento puede ser muy intensiva en energía, con el tiempo, servir miles de millones de consultas (inferencia) en realidad puede usar más energía total que capacitar al modelo en primer lugar. Mi propio las estimaciones sugieren Esa capacitación GPT-4 puede haber usado alrededor de 50-60 millones de kWh de electricidad. Con 0.34 WH por consulta y mil millones de consultas diarias, la energía utilizada para responder consultas de los usuarios superaría el uso de energía de la etapa de entrenamiento después de 150-200 días. Esto da credibilidad a la idea de que vale la pena medir de cerca la energía de inferencia.
Conclusión: un primer paso bienvenido, pero lejos de la imagen completa
Justo cuando pensamos que el debate sobre el uso de energía de OpenAi había envejecido, la compañía notoriamente cerrada lo agita con su divulgación de esta cifra. Muchos están entusiasmados con el hecho de que OpenAi ahora ha entrado en el debate sobre el uso de energía y agua de sus productos y esperan que este sea el primer paso hacia una mayor transparencia sobre el sorteo de resumen y el impacto climático de la gran tecnología. Por otro lado, muchos son escépticos de la figura de OpenAi. Y por una buena razón. Fue revelado como un paréntesis en una publicación de blog sobre un tema totalmente diferente, y no se dio ningún contexto en absoluto como se detalló anteriormente.
Aunque podríamos estar presenciando un cambio hacia una mayor transparencia, aún necesitamos mucha información de OpenAi para poder evaluar críticamente su cifra de 0.34 WH. Hasta entonces, debe tomarse no solo con un grano de sal, sino con un puñado.
¡Eso es todo! Espero que hayas disfrutado la historia. ¡Déjame saber lo que piensas!
Sígueme para obtener más información sobre IA y sostenibilidad y no dude en seguirme LinkedIn.