Hur stor är AI:s klimatpåverkan? Så mycket energi och koldioxid kräver en AI-fråga

I den här artikeln går vi igenom:

Hur mycket energi och koldioxid en enskild AI-fråga faktiskt kräver – och varför siffrorna varierar så mycket mellan olika studier.
Skillnaden mellan en enkel textfråga och tyngre AI-uppgifter som resonemang, bildgenerering och video.
Varför AI snabbt blir mer energieffektivt per fråga – men ändå drar allt mer el totalt sett.
Hur stor del av världens elanvändning och koldioxidutsläpp som datacenter och AI faktiskt står för idag, och hur det väntas utvecklas fram till 2030.
Vad du som privatperson kan tänka på – och var det största ansvaret egentligen ligger.

Det korta svaret är att en vanlig textfråga till en modern AI-modell i dag ofta verkar kräva omkring 0,2–0,4 Wh elektricitet (ungefär lika mycket energi som att titta på TV i 7–15 sekunder), med klimatutsläpp på några hundradels gram CO₂e per fråga. Variationen är dock mycket stor: en lång AI-konversation, en avancerad resonerande modell, bildgenerering eller videogenerering kan kräva betydligt mer energi. Och framför allt – när miljarder människor och företag använder AI blir den sammanlagda energianvändningen betydande.

Det finns därför anledning att både nyansera och ta AI:s klimatpåverkan på allvar.

Hur mycket energi kräver en AI-fråga?

Fram till nyligen byggde nästan alla uppskattningar av energiförbrukningen från tjänster som ChatGPT och Gemini på indirekta beräkningar, eftersom AI-företagen inte publicerade tillräckligt med information om hur deras system kördes.

Det förändrades delvis under 2025, då Google publicerade en detaljerad studie av den faktiska energianvändningen i sin produktionsmiljö för Gemini. Studien visade att en medianfråga med text i Gemini använde 0,24 Wh elektricitet, orsakade uppskattningsvis 0,03 gram CO₂e och förbrukade 0,26 milliliter vatten. [1] Den är särskilt intressant eftersom den inte bara räknar elektriciteten som används av själva AI-processorn, utan även bland annat CPU, minne, reservkapacitet och datacentrets övriga energianvändning, exempelvis kylning.

En annan studie från 2025 uppskattade medianförbrukningen för en fråga till en så kallad frontier-modell – en mycket stor och avancerad språkmodell – till cirka 0,31 Wh, med ett intervall på 0,16–0,60 Wh. [2]

Flera oberoende uppskattningar pekar alltså i ungefär samma riktning: en relativt normal textfråga till dagens stora AI-modeller kan ofta ligga någonstans runt några tiondels wattimme. Men det är viktigt att inte göra detta till en universell utsläppsfaktor, av skäl som blir tydliga längre ner.

Hur mycket CO₂ blir det?

Energiåtgång och klimatpåverkan är två olika saker. Om en AI-fråga kräver 0,24 Wh elektricitet beror utsläppen av växthusgaser på vilken elektricitet datacentret använder. El producerad med kolkraft kan ha en mycket hög klimatpåverkan, medan vindkraft, vattenkraft och kärnkraft har betydligt lägre utsläpp över sin livscykel. Dessutom använder de stora teknikföretagen olika former av elavtal, förnybar elproduktion och klimatåtgärder, vilket gör det ännu svårare att sätta en generell utsläppsfaktor på AI.

Googles beräkning för Gemini landade på 0,03 gram CO₂e per medianprompt. [1] Använder man just de siffrorna innebär det ungefär:

1 AI-fråga: 0,03 g CO₂e
100 AI-frågor: 3 g CO₂e
1 000 AI-frågor: 30 g CO₂e
1 miljon AI-frågor: 30 kg CO₂e

En miljon sådana frågor skulle samtidigt använda cirka 240 kWh elektricitet.

Men siffrorna ska inte tolkas som utsläppsfaktorer för all AI. En fråga till ChatGPT kan inte automatiskt antas ha samma klimatpåverkan som en fråga till Gemini – olika modeller, hårdvara, datacenter och uppgifter kan ge helt olika resultat.

För att sätta siffrorna i perspektiv:

En AI-fråga (0,24 Wh) kräver ungefär lika mycket energi som att titta på TV i mindre än nio sekunder – en jämförelse Google själva gör i sin studie. [3]
Vattenåtgången för en fråga (0,26 ml) motsvarar ungefär fem droppar vatten. [3]
Koldioxidutsläppet (0,03 g CO₂e) motsvarar ungefär att köra en genomsnittlig ny bil i Europa knappt 30 centimeter (baserat på EU:s snittutsläpp på 107 g CO₂/km för nya bilar 2023). [4]
Energin för en AI-fråga motsvarar ungefär 1 procent av en full mobilladdning – det skulle krävas omkring 75 AI-frågor för att dra lika mycket energi som en enda telefonladdning. [5]
Enligt vattenfotavtrycksstudien om GPT-3 "dricker" modellen en 50-centilitersflaska vatten för varje 10–50 medellånga svar den ger. [6]

Zoomar man ut från den enskilda frågan till hela branschen blir bilden större. Goldman Sachs uppskattar att AI och datacenter globalt kan stå för omkring 3–4 procent av världens elanvändning till 2030, upp från dagens 1–2 procent. [7] I USA specifikt pekar en studie i Nature Sustainability, medförfattad av KTH-forskaren Francesco Fuso Nerini, på att AI-servrar där ensamma kan komma att förbruka upp till tio procent av landets nuvarande elanvändning år 2030 – ungefär lika mycket som Tysklands totala årliga elförbrukning. Samma studie uppskattar att AI-utbyggnaden i USA, om nuvarande tillväxttakt fortsätter, kan orsaka 24–44 miljoner ton extra koldioxidutsläpp per år fram till 2030 (motsvarande utsläppen från 5–10 miljoner ytterligare bilar på amerikanska vägar) och dra 731–1 125 miljoner kubikmeter vatten årligen (i nivå med den årliga hushållsvattenförbrukningen för 6–10 miljoner amerikaner). Forskarna betonar samtidigt att bästa praxis – som att placera servrar där elnätet redan är fossilfritt – skulle kunna minska utsläppen med upp till 73 procent och vattenanvändningen med upp till 86 procent. [8]

Alla AI-frågor är inte lika

Det kanske största problemet med frågan "hur mycket CO₂ släpper en AI-fråga ut?" är att en AI-fråga inte är en standardiserad aktivitet. Jämför exempelvis frågan "Vad heter Sveriges huvudstad?" med uppmaningen "Läs de här 300 sidorna dokumentation, analysera materialet, gör tio alternativa beräkningar och skriv en rapport på 5 000 ord." Båda kan tekniskt sett beskrivas som en prompt, men beräkningsbehovet är naturligtvis helt olika.

Antalet tokens som AI:n behöver läsa och generera påverkar energianvändningen. Det gör även modellens storlek, hårdvaran den körs på, hur många användare som kan behandlas samtidigt och hur effektiv mjukvaran är. Forskare som gått igenom forskningsläget kring AI-inferens har konstaterat att uppskattningar av klimatpåverkan kan skilja sig kraftigt åt beroende på vilka metodval och avgränsningar som görs. [9]

I en studie av så kallad test-time compute, där modeller får använda betydligt mer beräkning för att resonera fram ett svar, ökade den uppskattade energianvändningen från ungefär 0,31 Wh till 3,91 Wh per fråga – mer än tio gånger så mycket. [2]

International Energy Agency (IEA) konstaterar i sin rapport Key Questions on Energy and AI från 2026 att energianvändningen per enkel AI-uppgift har sjunkit dramatiskt de senaste åren, samtidigt som AI allt mer används för betydligt tyngre arbetsuppgifter. IEA pekar särskilt ut resonerande AI, AI-agenter och videogenerering – uppgifter som enligt myndigheten kan använda hundratals eller tusentals gånger mer energi än en enkel textgenerering. [10]

Att säga att "en AI-prompt använder X Wh" blir därför ungefär lika missvisande som att säga att "en bilresa använder X liter bensin" utan att ange om resan är en kilometer eller 100 mil lång.

Artificiell intelligens blir snabbt mycket mer energieffektivt

Här finns samtidigt en viktig utveckling som ofta försvinner i debatten: AI-modeller blir mycket effektivare. Google uppger att energianvändningen för deras medianprompt i Gemini minskade 33 gånger på ett år, samtidigt som klimatavtrycket minskade 44 gånger. [1] IEA gör en liknande observation och beskriver effektiviseringen per AI-uppgift som exceptionellt snabb. [10]

Förklaringen är en kombination av bättre AI-modeller, algoritmer, chip, datacenter, mjukvara och batchning av användarnas frågor – det vill säga att flera förfrågningar processas tillsammans för att utnyttja hårdvaran effektivare.

Forskning har också länge visat hur stor skillnad valet av modell, hårdvara och plats kan göra. En studie från Google-forskare uppskattade att kombinationen av modellarkitektur, processor och datacenter i vissa fall kan förändra klimatpåverkan från maskininlärning med flera storleksordningar. [11] En senare genomgång av forskningsläget kring AI-inferens bekräftar samma mönster: arbetslast, hårdvaruval och mjukvaruoptimeringar kan förändra energiåtgången kraftigt, även för en och samma modell. [12]

Det är en viktig anledning till att äldre beräkningar av AI:s energiförbrukning snabbt kan bli missvisande.

Men totalt använder AI allt mer elektricitet

Här uppstår en paradox: varje AI-fråga blir billigare i energi, samtidigt som AI totalt använder allt mer elektricitet. Anledningen är skala. Fler människor använder AI, företag bygger in AI i produkter, modeller används mer kontinuerligt, och nya användningsområden som video, resonemang och AI-agenter kräver mycket större beräkningsresurser.

IEA uppskattar att världens datacenter använde omkring 485 TWh elektricitet under 2025, och att förbrukningen till 2030 väntas ungefär fördubblas till omkring 950 TWh per år – motsvarande omkring 3 procent av världens förväntade elförbrukning. [10]

Datacenter som framför allt används för AI växer ännu snabbare: enligt IEA ökade deras elanvändning med omkring 50 procent bara under 2025, och den väntas ungefär tredubblas mellan 2025 och 2030. [10] Det betyder inte att all denna elektricitet används av ChatGPT-frågor – datacenter driver allt från molntjänster och databaser till streaming, sökmotorer och traditionell IT. Men AI är en viktig del av den snabba ökningen.

Vad händer med utsläppen från datacenter?

Hur stor klimatpåverkan denna ökade elanvändning får beror till stor del på hur elektriciteten produceras. IEA uppskattade 2025 att världens datacenter stod för omkring 1,5 procent av världens elanvändning 2024, och att andelen kunde närma sig 3 procent runt 2030. [13]

Förnybar el väntas stå för en stor del av den nya elproduktionen, men inte för all. Enligt IEA förväntas naturgas och kol tillsammans stå för mer än 40 procent av den ökade elproduktionen till datacenter fram till 2030. IEA beräknar därför att utsläppen från den elproduktion som försörjer datacenter kan nå omkring 320 miljoner ton CO₂ per år runt 2030, innan de därefter börjar minska något i myndighetens huvudscenario. [14]

Globalt motsvarar det fortfarande mindre än en procent av den globala klimatpåverkan från koldioxidutsläpp. Det gör AI och datacenter till en viktig klimatfråga – men inte till den dominerande klimatfrågan.

Träningen av AI-modeller kräver också energi

När en ny AI-modell skapas måste den först tränas på stora mängder data, vilket kan kräva enorma mängder beräkningar. Ett känt exempel är språkmodellen BLOOM med 176 miljarder parametrar. En livscykelanalys uppskattade utsläppen från själva träningen till cirka 25 ton CO₂e, eller ungefär 51 ton CO₂e när bland annat tillverkningen av utrustning och annan energiförbrukning räknades in. [15]

Andra stora modeller kan ha betydligt större klimatavtryck, men problemet är att informationen ofta saknas. För många kommersiella modeller vet vi inte hur många GPU:er eller AI-acceleratorer som användes, hur länge träningen pågick, hur mycket el som förbrukades, var datacentren låg, vilken elmix som användes, eller hur stor klimatpåverkan hårdvarutillverkningen hade.

Forskare har återkommande efterfrågat bättre rapportering från AI-företagen. [11][16] Det är därför betydligt lättare att hitta ett exakt tal än ett korrekt tal när man försöker beräkna klimatpåverkan från en AI-modell.

AI:s klimatpåverkan är större än elektriciteten

En fullständig miljöanalys bör inte bara titta på el. Datacenter och tillverkningen av AI-hårdvara kräver bland annat vatten för kylning och elproduktion, metaller och mineraler, halvledare, byggmaterial samt servrar och nätverksutrustning.

En studie från 2023 uppmärksammade AI-systemens vattenförbrukning och uppskattade att träningen av GPT-3 i amerikanska datacenter kunde kopplas till omkring 700 000 liter direkt vattenförbrukning. [6]

Det finns också en växande materialfråga. En studie publicerad i Nature Computational Science uppskattade att generativ AI, beroende på hur snabbt tekniken utvecklas, skulle kunna bidra till sammanlagt 1,2–5 miljoner ton elektronikavfall mellan 2020 och 2030. [17]

Även dessa beräkningar är osäkra, men de illustrerar varför klimatpåverkan från AI inte kan reduceras till energiförbrukningen för en enskild prompt.

Så hur dåligt för klimatet är det att använda ChatGPT?

För en privatperson är svaret sannolikt: ganska lite per vanlig textfråga. Om dagens uppskattningar på några tiondels Wh per enkel textfråga ligger ungefär rätt, måste du ställa väldigt många frågor innan din egen AI-användning blir en stor del av ditt personliga klimatavtryck.

Det betyder inte att AI saknar klimatpåverkan. Den viktigaste klimatfrågan uppstår i stället när en liten påverkan multipliceras med miljarder användningar, samtidigt som AI byggs in i allt fler produkter och börjar användas för betydligt mer beräkningsintensiva uppgifter. Det är samma fenomen vi sett inom många andra områden: effektivare teknik leder inte automatiskt till lägre total energiförbrukning om användningen samtidigt ökar ännu snabbare.

Hur kan man minska utsläpp från AI?

För en vanlig användare finns det ingen anledning att få dåligt samvete för varje fråga man ställer till en AI. Men några rimliga principer kan vara vägledande.

Använd AI där den skapar nytta. Att generera stora mängder innehåll som aldrig används är förstås svårare att motivera än att använda AI för att effektivisera ett faktiskt arbete.

Använd inte mer beräkningskraft än du behöver. En enkel fråga behöver inte alltid världens största resonerande AI-modell.

Tänk särskilt på bild och video. Generering av stora bilder och framför allt video kan kräva betydligt mer beräkning än text.

De största möjligheterna ligger dock hos AI-företagen själva. De kan minska klimatpåverkan genom effektivare modeller och hårdvara, genom att lokalisera beräkningar där elektriciteten har låg klimatpåverkan, genom att förlänga livslängden på utrustningen och – inte minst – genom att offentliggöra betydligt bättre data om sin faktiska energi- och resursanvändning.

Ett rimligt svar 2026

Om någon frågar "hur mycket koldioxid släpper en AI-fråga ut?" är dagens bästa svar ungefär detta: för en vanlig textfråga till en modern AI-tjänst ligger energiförbrukningen ofta runt några tiondels wattimme. Googles uppmätta median för Gemini är 0,24 Wh och 0,03 gram CO₂e per prompt. Men variationen mellan modeller och arbetsuppgifter är enorm, och mer avancerad AI – särskilt resonemang, agenter, bild och video – kan kräva många gånger mer energi. Därför finns det ingen generell utsläppsfaktor som korrekt beskriver all AI-användning.

AI:s stora klimatfråga är med andra ord sannolikt inte den enskilda prompten. Det är skalan. När hundratals miljoner människor använder tekniken varje dag, AI integreras i nästan alla digitala tjänster och datacenter byggs i snabb takt, blir den sammanlagda efterfrågan på elektricitet, hårdvara och resurser betydande. Samtidigt går effektiviseringen extremt snabbt.

Därför behöver vi vara försiktiga med både alarmistiska påståenden om att varje AI-fråga skulle ha enorm klimatpåverkan, och med argumentet att AI:s klimatpåverkan är för liten för att spela någon roll. Båda förenklar en fråga som fortfarande utvecklas mycket snabbt.