Έρευνα του AI εργαστηρίου του Πανεπιστημίου του Rhode Island αποτυπώνει με εντυπωσιακούς αριθμούς το ενεργειακό αποτύπωμα του νέου μοντέλου GPT‑5 της OpenAI: η εκτέλεση μιας απάντησης μέσου μεγέθους (~1.000 tokens) απορροφά κατά μέσο όρο πάνω από 18 watt‑hours (Wh), με δυνατό σημείο αιχμής ακόμα και 40 Wh. Αυτό συνεπάγεται ότι η ενεργειακή του κατανάλωση είναι περίπου 8,6 φορές μεγαλύτερη από αυτή του GPT‑4, το οποίο χρειάζεται μόλις 2,12 Wh ανά ερώτημα.
Αν ληφθεί υπόψη ο αριθμός των ημερήσιων αιτημάτων προς το ChatGPT (περίπου 2,5 δισεκατομμύρια), η συνολική ενεργειακή απαίτηση θα μπορούσε να φτάνει τα 45 gigawatt‑hours (GWh) την ημέρα — όση δηλαδή παράγει ένας έως και τρεις πυρηνικοί αντιδραστήρες.
Οι υπολογισμοί αυτοί βασίζονται σε παραδοχές σχετικά με τον εξοπλισμό: πιθανή χρήση συστημάτων τύπου Nvidia DGX H100 ή H200 σε υποδομές Microsoft Azure, με ενσωματωμένους δείκτες όπως PUE, WUE και δείκτη άνθρακα (CIF) για εκτίμηση περιβαλλοντικού κόστους. Ωστόσο, η μεθοδολογία παραμένει υποθετική, καθώς η OpenAI δεν έχει δημοσιοποιήσει επίσημα δεδομένα. Επιπλέον, η αρχιτεκτονική mixture‑of‑experts μπορεί να μειώσει την ενεργειακή δαπάνη για απλές ερωτήσεις, ενώ ενεργοποίηση του “reasoning mode” μπορεί να υπερδιπλασιάσει την κατανάλωση.
Πολιτικές και οικονομικές επιπτώσεις
Η εκτίναξη της ενεργειακής ζήτησης από προηγμένα μοντέλα AI, όπως το GPT‑5, επιφέρει πολλαπλές συνέπειες:
- Κόστος ενέργειας – για επιχειρήσεις και τελικό καταναλωτή: Η αυξημένη χρήση data centers οδηγεί σε υπέρμετρη κατανάλωση ρεύματος, με επιβαρύνσεις που αναμένεται να μετακυλιστούν στις επιχειρήσεις και, κατά συνέπεια, στους καταναλωτές.
- Έλλειψη διαφάνειας και αμφισβητούμενα μεγέθη: Ποσοστά όπως το 84% της κυκλοφορίας LLMs χωρίς περιβαλλοντικές αποκαλύψεις δείχνει έλλειμμα λογοδοσίας σε κρίσιμες παραμέτρους.
- Κατά τάξη συγκρίσεις και ευαισθητοποίηση κοινού: Ο Sam Altman ανέφερε ότι ένα μέσο ερώτημα στο ChatGPT καταναλώνει περίπου 0,34 Wh ενέργειας και μόλις 1/15 κουταλάκι νερού. Ωστόσο, η ακρίβεια τέτοιων αριθμών δεν έχει επαληθευτεί πλήρως.
- Ανάγκη για πρότυπα αξιολόγησης και αναφοράς: Έργα όπως το AI Energy Score (Hugging Face κ.ά.) και πρόσφατες δημοσιεύσεις (π.χ. FT) επισημαίνουν την ανάγκη σφαιρικών και συγκρίσιμων μετρήσεων για την ενεργειακή απόδοση των μοντέλων AI.