AIはどれだけのエネルギーを消費するのか？知っている人は言わない

「ChatGPTクエリがどれだけのエネルギーを消費するのか、人々はよく知りたがります」と、OpenAIのCEOサム・アルトマン氏は先週の長文ブログ記事に記した。平均的なクエリは0.34ワット時のエネルギーを消費するとアルトマン氏は記している。「これはオーブンが1秒強で消費するエネルギー、あるいは高効率電球が数分で消費するエネルギーとほぼ同じです」

週8億人のアクティブユーザー（そして増加中）を抱える企業にとって、こうした検索にどれだけのエネルギーが消費されているかという問題は、ますます切実な問題となっている。しかし専門家は、OpenAIがこの計算に至った経緯について、より詳細な情報（「平均的な」クエリの定義、画像生成を含むかどうか、そしてAIモデルのトレーニングやOpenAIサーバーの冷却といった追加のエネルギー消費も考慮に入れているかどうかなど）が明らかにされない限り、アルトマン氏の数字はあまり意味をなさないと指摘する。

そのため、AI企業ハギング・フェイスの気候変動担当リーダー、サーシャ・ルッチオーニ氏は、アルトマン氏の数字をあまり重視していない。「彼なら、そんな数字を思いついたかもしれない」と彼女は言う。（OpenAIにこの数字を導き出した経緯について詳細を問い合わせたが、回答は得られなかった。）

AIが私たちの生活を支配するにつれ、エネルギーシステムも変革し、気候変動と闘おうとするまさにその矢先に、二酸化炭素排出量を急増させる可能性を秘めています。現在、AIの利用によって実際にどれだけの二酸化炭素が排出されているかを、具体的な数値で示そうとする新たな研究が、増え続けています。

この取り組みは、OpenAIのような大手企業が環境情報をほとんど開示していないという事実によって複雑化しています。ルッチオーニ氏と他の3人の著者が今週査読に提出した分析では、AIモデルにおける環境情報の透明性向上の必要性について考察しています。ルッチオーニ氏の新たな分析では、彼女と同僚は大規模言語モデル（LLM）トラフィックのリーダーボードであるOpenRouterのデータを用いて、2025年5月時点のLLM利用の84%が環境情報開示が全くないモデルによるものであったことを明らかにしました。これは、消費者が環境への影響が全く不明なモデルを圧倒的に選択していることを意味します。

「車を買えば燃費が1ガロンあたり何マイルか分かるのに、私たちは毎日AIツールを使っているのに、効率指標も排出係数も何もないなんて、本当に驚きです」とルッチオーニ氏は言う。「義務化も規制もされていません。気候変動危機の現状を考えると、世界中の規制当局にとって最優先事項であるべきです」

ルッチオーニ氏によると、この透明性の欠如の結果、人々は意味をなさない推定値にさらされているにもかかわらず、それが真実であるかのように信じられているという。例えば、ChatGPTリクエストの平均消費エネルギーは、平均的なGoogle検索の10倍であるという話を聞いたことがあるかもしれない。ルッチオーニ氏と彼女の同僚は、この主張の根拠を、Googleの親会社であるアルファベットの会長、ジョン・ヘネシー氏が2023年に行った公の発言に求めている。

ある企業（Google）の取締役が、全く関係のない別の企業（OpenAI）の製品について行った主張は、せいぜい根拠の薄いものだ。しかし、ルッチオーニ氏の分析によると、この数字は報道や政策報告書で繰り返し取り上げられている。（この記事を執筆中、まさにこの統計を引用した提案を受けた。）

「人々は、その場しのぎの発言を実際の統計に変え、政策や人々の物事の見方に影響を与えています」とルッチオーニ氏は言う。「真の根本的な問題は、数字がないことです。ですから、人々はナプキンの裏に書かれた簡単な計算でさえ、それを絶対的な基準として捉えがちですが、実際はそうではありません。」

より正確な情報を得るために、裏側を覗き見る方法の一つは、オープンソースモデルを活用することです。OpenAIやAnthropicといった大手テクノロジー企業は、自社のモデルを独占的に公開しているため、外部の研究者が独自にエネルギー使用量を検証することはできません。しかし、他の企業はモデルの一部を公開しており、研究者が排出量をより正確に測定できるようにしています。

木曜日にFrontiers of Communication誌に発表された研究では、2つのMeta Llamaモデルと3つのDeepSeekモデルを含む14のオープンソースの大規模言語モデルを評価し、一部のモデルは研究者からのプロンプトに応答するデータセット内の他のモデルよりも50％も多くのエネルギーを使用することがわかった。LLMに提出された1,000のベンチマークプロンプトには、高校の歴史や哲学などのトピックに関する質問が含まれていた。質問の半分は多肢選択形式で、一言でしか答えられない一方、残りの半分は自由形式でより長い回答ができる自由回答形式で提出された。研究者らは、推論モデルは、より簡潔なモデルよりもはるかに多くの思考トークン（回答を生成する際にモデル内で生成される内部推論の尺度であり、より多くのエネルギーを使用する特徴である）を生成することを発見した。これらのモデルは、おそらく意外ではないが、複雑なトピックでもより正確であった。 (簡潔さに関しても問題がありました。たとえば、複数選択フェーズでは、提供されたオプションの範囲からのみ回答するように明示的に指示されているにもかかわらず、複雑なモデルでは複数のトークンを含む回答が返されることがよくありました。)

ミュンヘン応用科学大学の博士課程学生で、本研究の筆頭著者であるマクシミリアン・ダウナー氏は、AIの利用が進化し、様々なクエリに対してエネルギー消費量の少ないモデルをより効率的に活用する方法を考えるようになることを期待していると述べています。ダウナー氏は、より小さく単純な質問は、エネルギー消費量の少ないモデルに自動的に誘導され、それでも正確な答えが得られるようなプロセスを思い描いています。「より小さなモデルでも、より単純なタスクであれば非常に優れた結果を達成でき、その過程で大量のCO2を排出することもありません」と彼は言います_。

一部のテック企業はすでにこれを実行している。GoogleとMicrosoftは以前WIREDに対し、自社の検索機能では可能な限り小型のモデルを使用しており、これによりユーザーへの応答速度も向上すると語っている。しかし、一般的に、モデルプロバイダーはユーザーのエネルギー消費量削減を促すための取り組みをほとんど行ってこなかった。例えば、モデルが質問に答える速さはエネルギー消費量に大きな影響を与えるが、AI製品がユーザーに提示される際にはそのことが説明されていないと、MIT気候・持続可能性コンソーシアムのコンピューティング＆気候影響フェローであるノーマン・バシル氏は指摘する。

「目標は、ユーザーがプラットフォームを離れないように、こうした推論をすべて可能な限り迅速に提供することです」と彼は言います。「もしChatGPTが5分後に突然応答し始めたら、ユーザーは即座に応答してくれる他のツールに移ってしまうでしょう。」

しかし、複雑なAIクエリのエネルギー消費量を計算する際には、他にも考慮すべき点が無数にあります。なぜなら、これは単なる理論上の話ではなく、現実世界でクエリが実際に実行される条件が重要になるからです。バシール氏は、物理的なハードウェアが排出量の計算に影響を与えると指摘しています。ダウナー氏は実験にNVIDIA A100 GPUを使用しましたが、NVIDIAによるとAIワークロード向けに特別に設計され、人気が高まっているH100 GPUは、はるかに多くのエネルギーを消費します。

排出量について言えば、物理的なインフラも大きな影響を与えます。大規模データセンターには冷却システム、照明、ネットワーク機器が必要であり、これらはすべてエネルギーを消費します。多くの場合、データセンターは昼夜サイクルで稼働し、クエリ数が少ない夜間は休止します。また、データセンターは立地に応じて、化石燃料を主とする電力網と再生可能エネルギーを主とする電力網など、異なるタイプの電力網に接続されています。

バシール氏は、データセンターのニーズを考慮に入れずにAIクエリによる排出量を調べた研究を、燃費試験の方法として車を持ち上げ、アクセルを踏み込み、車輪の回転数を数​​える方法に例えています。「この車輪が車と乗客を支えなければならないという事実を考慮に入れていません」と彼は言います。

AIの排出量を理解する上でおそらく最も重要なのは、ダウナー氏が研究で使用したようなオープンソースモデルは、今日の消費者が使用しているAIモデルのほんの一部に過ぎないということです。モデルの学習と導入済みモデルの更新には膨大な量のエネルギーが必要ですが、多くの大企業はこの数値を秘密にしています。例えば、OpenAIのアルトマン氏が示したChatGPTに関する統計データには、チャットボットを動かすモデルの学習に使用されたすべてのエネルギーが含まれているかどうかは不明です。より詳細な情報開示がなければ、この技術が地球にどれほどの影響を与えているのかを理解する上で必要な情報の多くを、人々は見逃してしまうことになります。

「もし魔法の杖を持っていたら、世界中のどこででも、どんなアプリケーションでも、AIシステムを生産に導入するすべての企業に炭素数値の開示を義務付けるでしょう」とルッチオーニ氏は言う。

Paresh Daveがレポートに貢献しました。