Una tipica richiesta al modello aperto Kimi K3 emette circa 0,4 grammi di CO2 quando funziona su server in Svezia. La stessa richiesta, su hardware identico, emette 3,2 grammi in Texas, ovvero 8,5 volte di più. Questo divario è il fulcro di un nuovo metodo open source per il calcolo delle emissioni di carbonio delle singole richieste di intelligenza artificiale, pubblicato il 21 ottobre dal fornitore svedese di intelligenza artificiale Berget AI insieme ai ricercatori dello Stockholm Environment Institute (SEI) e alle organizzazioni no-profit WattTime e Klimatkollen.
Perché la contabilità del carbonio per richiesta è importante Per maggiori informazioni su questa storia, consulta la nostra aggiornamenti sull'intelligenza artificiale.
Secondo Berget AI, la maggior parte delle aziende che utilizzano l’intelligenza artificiale non hanno modo di sapere cosa emette effettivamente il loro utilizzo. I personaggi pubblici che esistono sono solitamente medie approssimative stimate dall’esterno, calcolate moltiplicando un’impronta media presunta per un’ipotesi sul volume totale: numeri che nessuno può verificare in modo indipendente.
Il nuovo metodo adotta l’approccio opposto: calcola le emissioni richiesta per richiesta, in base all’intensità media delle emissioni della rete elettrica regionale in cui effettivamente funzionano i server, e tiene conto del carbonio incorporato nella produzione dell’hardware. Il risultato dipende dal modello utilizzato, dall'ora del giorno e se parte del prompt viene fornita dalla cache, quindi ogni richiesta viene calcolata individualmente anziché tramite una media fissa.
"La maggior parte delle aziende oggi non ha modo di sapere cosa emette il loro utilizzo dell'intelligenza artificiale", ha affermato Andreas Lundmark, CEO di Berget AI, nell'annuncio. "Con questo metodo i nostri clienti possono seguire le loro richieste di emissioni su richiesta e confrontare i fornitori sulla base dei dati invece che del marketing. Sappiamo che la maggior parte degli acquirenti europei sceglierebbe diversamente se potessero vedere i numeri."
La Griglia è la Variabile che Domina
Il confronto principale – 0,4 grammi di CO2 per richiesta Kimi K3 in Svezia contro 3,2 grammi in Texas – deriva solo dalle differenze nel mix di rete. La stessa richiesta emette 1,6 grammi in Irlanda e 2,5 grammi in Germania, secondo il comunicato stampa. Poiché l'hardware sottostante è identico in ogni caso, il delta dipende quasi interamente dal punto in cui si collega il data center.
Questa variabile sta diventando una decisione in materia di appalti piuttosto che un vincolo fisso. I modelli open-weight, che possono essere legalmente eseguiti in qualsiasi data center, ora gestiscono una quota crescente del traffico globale di intelligenza artificiale. Berget AI cita i dati di AI Gateway di Vercel che mostrano che i modelli open-weight hanno servito il 29% dei token nel giugno 2026, rispetto all'11% di aprile. Per questi carichi di lavoro, l’acquirente può scegliere la geografia, a condizione che le emissioni siano effettivamente visibili.
"La maggior parte dei dati allarmanti sull'impronta dell'intelligenza artificiale derivano dalla moltiplicazione di una media per un'ipotesi sul volume, e nessuno può controllarli", ha affermato Christian Landgren, CTO e co-fondatore di Berget AI. "L'unico confronto equo è calcolare ogni richiesta e sommarle. Abbiamo pubblicato i nostri giudizi in modo che chiunque possa controllarli e utilizzarli."
Basato su standard esistenti, rilasciato sotto il MIT
Il metodo segue la specifica SCI for AI della Green Software Foundation ed è disponibile con la licenza MIT su GitHub. Berget AI ha anche lanciato un calcolatore pubblico su co2.berget.ai che applica il metodo a qualsiasi modello e regione, basandosi su precedenti stimatori open source come EcoLogits e il dashboard CLEER del Sustainable AI Group. I clienti del servizio di inferenza di Berget possono osservare l'accumulo delle proprie emissioni nella console aziendale mentre interrogano i modelli.
I partner hanno mappato e misurato direttamente l’impatto ambientale dell’infrastruttura di Berget – energia, acqua e hardware – insieme all’impronta di carbonio della Garbo AI di Klimatkollen, che funziona su quell’infrastruttura, quindi hanno combinato le misurazioni con la ricerca attuale sulla traduzione dell’uso delle risorse in carbonio e impatto ambientale più ampio.
La crescita della domanda supera ancora l’efficienza
Il rilascio arriva nel contesto di proiezioni in forte aumento per il consumo energetico dei data center. Somya Joshi, direttrice della ricerca presso la SEI, ha sottolineato che i dati dell’Agenzia internazionale per l’energia prevedono che il consumo di elettricità dei data center sarà più che raddoppiato fino a circa 945 TWh entro il 2030, con l’intelligenza artificiale come principale motore.
"Qualsiasi promessa di miglioramenti in termini di efficienza sarà probabilmente controbilanciata da una maggiore domanda, annullando qualsiasi riduzione delle emissioni da fonti rinnovabili", ha affermato Joshi nell'annuncio. "Metodologie come questa offrono una base trasparente per decisioni informate. Il loro punto di forza è che dimostrano chiaramente come l'ubicazione della rete e delle infrastrutture critiche sia importante quando si tratta di quanto l'IA possa essere sostenibile."
Cosa significa per gli acquirenti di intelligenza artificiale
Per le aziende che gestiscono le proprie implementazioni open-weight, l’implicazione pratica è semplice: lo stesso modello può comportare un prezzo del carbonio che varia di un fattore otto a seconda della regione, e ora esistono strumenti per misurare tale differenza prima di firmare un contratto. Berget AI afferma che desidera che altri fornitori di inferenza adottino report per richiesta in modo che gli acquirenti possano confrontare i fornitori su cifre misurate anziché su affermazioni di marketing.
Gli autori del metodo riconoscono che le loro cifre sono stime basate sulla posizione che utilizzano il mix medio della rete piuttosto che le emissioni marginali orarie, una semplificazione comune a questa classe di strumenti. Anche così, la trasparenza delle ipotesi – tutte pubblicate a scopo di revisione – è ciò che distingue lo sforzo dalle medie opache che finora hanno dominato il discorso sull’energia dell’IA.
Il fatto che altri fornitori seguano l’esempio potrebbe dipendere meno dal codice che dalla pressione sugli appalti: se gli acquirenti aziendali iniziano a chiedere emissioni per richiesta nelle RFP, il reporting basato sulla media diventerà più difficile da difendere.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
