Kolik energie spotřebuje AI? Reálná čísla pro rok 2026

Kolik energie spotřebuje AI? Jeden běžný textový dotaz spotřebuje přibližně 0,24 watthodiny, oficiální číslo Googlu pro střední dotaz do Gemini, až přibližně 0,34 watthodiny pro průměrný dotaz do ChatGPT. To je zhruba tolik, kolik trouba spotřebuje za jednu sekundu. Vybraný model mění úplně vše. Pro chatbota postavený speciálně na lehčích, energeticky úspornějších modelech si přečtěte naši recenzi GreenPT. Nezávislý benchmark z roku 2025 naměřil Claude Sonnet na přibližně 2,8 Wh za středně dlouhý dotaz, DeepSeek-V3 okolo 2 Wh za středně dlouhý dotaz a DeepSeek-R1 v režimu uvažování přibližně na 29 Wh, tedy ve stejné těžké kategorii jako modely třídy GPT-5. Věrohodné odhady na jeden dotaz se tak liší o více než 65násobek. V celkovém měřítku je obraz obrovský: globální datová centra spotřebovala přibližně 415 terawatthodin elektřiny v roce 2024 a odhaduje se, že se do roku 2030 zhruba zdvojnásobí.

Tento průvodce vám dá ověřená čísla pro každou variantu otázky: na dotaz, na model, za rok i za datové centrum, přičemž Gemini, ChatGPT, Claude, DeepSeek, Grok a otevřené modely jsou měřeny vedle sebe. Každé číslo má datum a zdroj. Uvidíte, proč nejlevnější model na provoz není ten nejlevnější na koupi, proč se věrohodné odhady tak výrazně liší a které virální tvrzení bylo přehnané. Uvidíte také, jak si spotřeba energie AI stojí ve srovnání s vyhledáváním v Google nebo hodinou streamování, a jedinou změnu, která vaši stopu skutečně sníží. Vycházíme z dat, ne z paniky, a řekneme vám i to, co data zatím neukazují. Konečný verdikt najdete v článku o tom, zda je AI špatná pro životní prostředí.

Klíčová zjištění

• Běžný dotaz je zanedbatelný: přibližně 0,24 až 0,34 Wh. Oficiální číslo Googlu z roku 2025 pro střední textový dotaz do Gemini je 0,24 Wh; Sam Altman z OpenAI uvádí 0,34 Wh pro průměrný dotaz do ChatGPT, tedy zhruba tolik, kolik trouba spotřebuje za jednu sekundu.
• Levné na koupi neznamená levné na provoz. V jednom konzistentním benchmarku z roku 2025 spotřeboval DeepSeek-R1 přibližně 29 Wh na dotaz, zatímco DeepSeek-V3 zůstal na přibližně 2 Wh, oproti zhruba 2,8 Wh u Claude Sonnet a 1,2 Wh u GPT-4o. Nízká cena API u DeepSeeku skrývá vysokou energetickou náročnost inference.
• Modely s uvažováním stojí 10 až 65krát více. Středně dlouhá odpověď třídy GPT-5 se odhaduje na přibližně 18 Wh, a to až 40 Wh, tedy stejná kategorie jako DeepSeek-R1 a o3, a právě proto se věrohodné odhady mezi modely liší o více než 65násobek.
• Grok a GPT-5.5 nemají žádné oficiální číslo. Ani xAI, ani OpenAI nezveřejňují číslo spotřeby energie na dotaz pro své současné vlajkové modely, takže jakékoli konkrétní číslo ve watthodinách pro Grok nebo GPT-5.5 je odhad, ne oficiální údaj.
• Globální datová centra spotřebovala v roce 2024 přibližně 415 TWh, zhruba 1,5 % světové elektřiny; IEA odhaduje, že se toto číslo zhruba zdvojnásobí na přibližně 945 TWh do roku 2030, tedy blízko celkové roční spotřebě elektřiny Japonska.
• Volba modelu je největší páka, kterou máte pod kontrolou. Zaslání jednoduché otázky vlajkovému modelu s uvažováním může spotřebovat zhruba 10 až 65krát více energie než úsporný model, který dá stejně dobrou odpověď.

Kolik energie spotřebuje AI na jeden dotaz?

Pro běžnou textovou otázku na úsporném modelu zní upřímná odpověď přibližně 0,24 až 0,34 watthodiny. Nižší hodnota je oficiální číslo Googlu z roku 2025 pro střední dotaz do Gemini; vyšší hodnota je číslo, které zveřejnil generální ředitel OpenAI Sam Altman pro průměrný dotaz do ChatGPT. Obě čísla jsou nepatrná, zhruba tolik, kolik za sekundu odebere mikrovlnná trouba. Děsivější čísla pocházejí z jiné reality. Model a délka dotazu mění odpověď o řády, takže jediné číslo „na dotaz“ skrývá rozptyl přes 65násobek ve chvíli, kdy do tabulky přidáte Claude, DeepSeek a modely s uvažováním.

Srovnávací tabulka

Jedna výhrada tady drží celý přehled poctivý. Oficiální čísla Googlu a OpenAI měří úsporný střední dotaz; nezávislý benchmark „How Hungry is AI?“ od Jeghama a kolegů měří realistické středně dlouhé a dlouhé dotazy napříč mnoha modely s plnou režií, a proto vycházejí jeho čísla vyšší. Nejsou si v rozporu, mají jen jiný rozsah měření, a následující část ukazuje, jak číst obě.

Google Gemini: přibližně 0,24 Wh na dotaz

V srpnu 2025 zveřejnil Google dosud nejpodrobnější vlastní měření, založené na produkčních datech z května 2025. Zjistilo, že střední textový dotaz do Google Gemini spotřebuje 0,24 watthodiny energie a vypustí 0,03 gramu ekvivalentu CO2. Podstatné je, že toto číslo není vybraný nejlepší případ, protože metoda Googlu zahrnuje chlazení, rezervní kapacitu v nečinnosti, CPU a RAM i celkovou režii datového centra, což z něj dělá jedno z poctivějších dostupných samostatných čísel. Metodu si můžete přečíst ve zprávě Googlu o dopadu na životní prostředí.

ChatGPT a GPT-5.5: přibližně 0,34 Wh na dotaz, vlajkový model nezveřejněn

V příspěvku z června 2025 napsal generální ředitel OpenAI Sam Altman, že průměrný dotaz do ChatGPT spotřebuje 0,34 watthodiny, tolik, kolik by trouba spotřebovala za o něco déle než jednu sekundu. Je to první oficiální údaj OpenAI, nebyl recenzovaný a firma nikdy nedefinovala, co počítá jako „průměrný“ dotaz. Nezávislé práce potvrzují stejný řád velikosti, výzkumný ústav Epoch AI odhaduje typický dotaz GPT-4o na přibližně 0,3 Wh.

Číslo 0,34 Wh vzniklo před současným vlajkovým modelem. GPT-5.5 vyšel v dubnu 2026 a stal se výchozím modelem ChatGPT v květnu 2026, ale OpenAI pro něj nezveřejnilo žádné číslo spotřeby energie na dotaz. Protože GPT-5.5 směruje více dotazů přes uvažování, realistický odhad je vyšší než 0,34 Wh pro cokoli, co spustí rozšířené uvažování, blíže těžké kategorii níže než úspornému mediánu.

Claude: žádné oficiální číslo, v benchmarcích zhruba 1 až 5 Wh

Anthropic nezveřejňuje číslo spotřeby energie na dotaz pro Claude, takže každé číslo pro Claude je odhad zvenčí. Nejčistší je benchmark inference Jegham et al. (květen 2025), který naměřil Claude Sonnet na přibližně 0,8 Wh za krátký dotaz, 2,8 Wh za středně dlouhý a 5,5 Wh za dlouhý. Stanfordský AI Index 2026 dochází ke stejnému závěru jinou metodou a řadí vlajkový model Claude blízko úspornějšího konce frontier modelů za středně dlouhý dotaz. Stejný benchmark ohodnotil Claude Sonnet jako celkově nejekologičtější model, pokud se kvalita odpovědi drží konstantní. Claude dodává silné odpovědi bez rozjeté energetické spotřeby čistě usuzovacího modelu.

DeepSeek: levný na koupi, drahý na provoz

DeepSeek je nejjasnější příklad toho, že cena a spotřeba energie nejsou totéž. Jeho API patří mezi nejlevnější ze všech frontier modelů. Přesto benchmark Jeghama naměřil DeepSeek-V3 na přibližně 2 Wh za středně dlouhý dotaz, zatímco na uvažování zaměřený DeepSeek-R1 dosáhl 29 Wh, tedy patří mezi energeticky nejnáročnější testované modely a výrazně nad Claude nebo GPT-4o. Stanfordský AI Index 2026 zjistil stejný vzorec, model DeepSeek spotřeboval několikanásobek energie na dotaz oproti vlajkovému modelu Claude za srovnatelnou práci.

Novější DeepSeek V4, vydaný koncem dubna 2026, používá architekturu mixture-of-experts s 1,6 bilionu parametrů, z nichž je aktivních jen přibližně 49 miliard parametrů na token (a variantu 284B Flash s ~13 miliardami aktivních), což podle DeepSeeku výrazně snižuje náklady na inferenci. To je na papíře věrohodný příběh o efektivitě, ale žádné nezávislé číslo spotřeby na dotaz ve watthodinách pro V4 zatím neexistuje, takže berte jakékoli konkrétní tvrzení o spotřebě V4 zatím jako neověřené.

Grok: nezveřejněno na dotaz, skutečným signálem je měřítko datových center

xAI nezveřejňuje žádné číslo spotřeby energie na dotaz pro Grok a věrohodné odhady třetích stran se výrazně liší, od zlomku watthodiny za jednoduchý dotaz až po několik watthodin za náročné uvažování nebo agentní běhy. Konkrétnějším signálem u Groku je infrastruktura. Superpočítač Colossus od xAI v Memphisu byl podle zpráv v řádu stovek megawattů a satelitní analýzy řadí novější Colossus 2 do řádu gigawattů, tedy měřítka, kde jediný AI klastr konkuruje spotřebě elektřiny středně velkého města. U Groku je poctivá odpověď taková, že číslo na dotaz není známé a systémová stopa je velká a rychle roste.

Otevřené modely: úsporný konec spektra

Menší otevřené modely kotví úsporný konec spektra. Ve stejném benchmarku spotřeboval jednomiliardový Llama 3.2 přibližně 0,07 Wh za krátký dotaz, zatímco velmi velký Llama 3.1 405B spotřeboval přibližně 9 Wh za středně dlouhý. Tento závěr je konzistentní napříč poskytovateli: velikost a hloubka uvažování ovlivňují spotřebu energie mnohem víc než to, která firma model postavila, a právě proto tolik záleží na tom, aby model odpovídal úkolu.

Proč se odhady spotřeby energie AI tak liší?

Většina zmatku pramení z toho, co každé číslo počítá. Nízké číslo jako Googlu 0,24 Wh měří elektřinu na provoz čipů plus chlazení a režii pro jeden střední úsporný dotaz. Děsivé číslo počítá těžký model s uvažováním, dlouhý dotaz, celkovou spotřebu elektřiny datového centra a někdy i energii na výrobu hardwaru. Různý rozsah měření dává čísla, která se liší o více než 65násobek, přestože je každé z nich technicky správné.

Druhým hnacím faktorem je architektura modelu. Hustý model spouští každý parametr pro každý token, zatímco model typu mixture-of-experts jako DeepSeek V4 aktivuje jen výřez parametrů, takže dva modely s podobnou celkovou velikostí se mohou v energetické náročnosti výrazně lišit. Třetí vrstvu přidávají režimy uvažování. Model, který si před odpovědí „promyslí“ postup, může vygenerovat několikanásobně více tokenů než přímá odpověď, a proto se DeepSeek-R1 a modely třídy o3 pohybují okolo 20 až 40 Wh, zatímco GPT-4o zůstává na stejném testu okolo 1 Wh.

Posledním faktorem je trénování oproti inferenci. Trénování je jednorázový, velmi rozsáhlý běh; trénování GPT-3 spotřebovalo odhadem 1 287 megawatthodin a trénování GPT-4 se odhaduje na přibližně 50 gigawatthodin. Inference je elektřina spotřebovaná při každém odeslaném dotazu, a protože populární model zodpoví miliardy dotazů denně, inference dnes tvoří většinu celkové spotřeby energie AI. Široce citované číslo 2,9 Wh „desetkrát více než vyhledávání v Google“ pochází z raných odhadů, které byly později revidovány dolů zhruba o jeden řád, a proto stále naráží na novější oficiální čísla. Jde o jeden z nejodolnějších rozšířených mýtů o AI.

Kolik energie spotřebují datová centra AI?

Na jeden dotaz jsou čísla nepatrná, ale v souhrnu jde o měřítko celého státu. Podle zprávy IEA Energy and AI spotřebovala globální datová centra v roce 2024 přibližně 415 terawatthodin elektřiny, zhruba 1,5 % světové elektřiny. Základní scénář IEA odhaduje, že se toto číslo zhruba zdvojnásobí na přibližně 945 TWh do roku 2030, tedy těsně pod 3 % globální elektřiny a blízko celkové roční spotřebě Japonska. Servery zrychlené pro AI jsou nejrychleji rostoucí částí, s tempem zhruba 30 % ročně.

Uvidíte i titulky tvrdící, že datová centra dosáhnou více než 1 000 TWh už do roku 2026. Toto číslo pochází z dřívější zprávy IEA o elektřině z roku 2024, tedy z rychlejší krátkodobé projekce; podrobnější zpráva IEA Energy and AI z roku 2025 se ustálila na základním scénáři ~945 TWh do roku 2030 použitém výše. Skutečným příběhem je trajektorie, ne titulek jednoho konkrétního roku. Konkrétně v USA odebírala datová centra už v roce 2023 přibližně 4,4 % veškeré elektřiny, přičemž více než polovina z toho má do roku 2028 podle odhadů směřovat k AI.

Je to skutečně hodně? Spotřeba energie AI ve srovnání s jinými věcmi

Pro jednotlivce je úsporný dotaz do AI zaokrouhlovací chyba ve vaší denní spotřebě energie. Vlastní rámec Googlu staví dotaz o 0,24 Wh na úroveň sledování televize po dobu necelých devíti sekund. Upřímný závěr pro jednotlivce je, že běžné úsporné používání chatbota je zanedbatelné vedle jedné horké sprchy nebo krátké jízdy autem. Hodina streamování videa spotřebuje desítky watthodin, což snadno převáží stovky úsporných dotazů. Výjimkou je náročné uvažování, kde jediná odpověď DeepSeek-R1 nebo třídy GPT-5 může sama o sobě odpovídat více než stovce úsporných dotazů.

Háček je v měřítku a koncentraci. Jednotlivě zanedbatelné dotazy se sečtou na ~15 TWh napříč celou generativní AI v roce 2025, s odhadem blízko 347 TWh do roku 2030, a tato zátěž dopadá na konkrétní regionální sítě, ne rovnoměrně. Odpověď na osobní stopu („skoro nic“) a odpověď na systémovou úroveň („rychle rostoucí zátěž sítě“) jsou tedy obě pravdivé zároveň, a přesně proto se toto téma dá tak snadno vyložit oběma směry.

Zvyšuje se energetická efektivita AI?

Na dotaz ano, a to rychle. Google uvedl, že spotřeba energie na střední dotaz do Gemini klesla za dvanáct měsíců zhruba 33krát díky lepším modelům, hardwaru a softwaru. Architektury mixture-of-experts jako DeepSeek V4 tlačí stejným směrem tím, že aktivují jen zlomek parametrů na token. Problémem je Jevonsův efekt, kdy se levnější a lepší AI používá mnohem víc, takže celková spotřeba dál roste, i když je každý jednotlivý dotaz čistší.

Toto napětí je jádrem toho, kam AI v roce 2026 směřuje. Zisky v efektivitě jsou reálné a velké, ale agentní systémy mění výpočet, protože jeden požadavek od AI agenta se může rozvětvit do desítek řetězených volání modelu. Úsporná čísla na dotaz nezachytí pracovní postup, který v tichosti spustí model s uvažováním padesátkrát, aby dokončil jeden úkol, což je další mezera v měření, kterou veřejná data zatím sotva začala řešit.

Jediná páka, kterou máte pod kontrolou: volba modelu

Nejúčinnější věc, kterou jednotlivec ovládá, je to, který model na otázku odpoví, protože rozdíl mezi modely je obrovský. Zaslání jednoduchého dotazu vlajkovému modelu s uvažováním může spotřebovat zhruba 10 až 65krát více energie než úsporný model, který dá stejně dobrou odpověď, a jak ukazuje tabulka výše, tento rozdíl platí napříč Claude, DeepSeek, Gemini a modely třídy GPT. Sladění modelu s úkolem udělá víc než jakékoli krácení promptů. Srovnání jako DeepSeek vs ChatGPT, ChatGPT vs Gemini a náš přehled nejschopnějších AI modelů ukazují, jak výrazně se profily efektivity liší. Náš přehled nejekologičtějšího AI pokrývá nejzelenější nástroje na výběr.

V praxi to znamená volit lehčí model pro běžné otázky a nechávat těžké modely s uvažováním na úkoly, které je opravdu potřebují. Provozování více modelů z jednoho místa dělá z „vyber ten správný nástroj“ realistickou volbu, ne teorii. Přesně o to jde ve víceModelovém řešení, jako je to v našem úvodním průvodci, kde vám jedno předplatné dá k dispozici Claude, ChatGPT, Gemini, Grok a DeepSeek pohromadě. Úsporná varianta je jedno klepnutí od té náročné. Nic z toho nevyžaduje výčitky, jen záměrné, ne automatické, sáhnutí po té náročné variantě.

Závěr

Kolik energie tedy AI spotřebuje? Běžný dotaz na úsporném modelu je realisticky 0,24 až 0,34 watthodiny, ale na modelu záleží víc než na čemkoli jiném: Claude Sonnet okolo 2,8 Wh, DeepSeek-R1 okolo 29 Wh a uvažování třídy GPT-5 na 18 Wh nebo více, tedy rozptyl přes 65násobek. V celkovém měřítku jsou čísla velká a rychle rostou, globální datová centra byla na přibližně 415 TWh v roce 2024 a odhaduje se, že se do roku 2030 zhruba zdvojnásobí. Nejužitečnějším dalším krokem není přestat AI používat, ale záměrně volit model, který použijete, počínaje střízlivým pohledem na to, jak se přední modely skutečně liší.

Časté dotazy