AI energija i održivost 2026: koliko struje stvarno troše Claude, ChatGPT, Gemini i Mistral?

Svaki upit koji pošaljete Claudeu, ChatGPT-u, Geminiju ili Mistralu izvršava se na GPU-u ili TPU-u negdje u podatkovnom centru — a u 2026. ti su centri postali jedni od najbrže rastućih potrošača struje na planetu. Anthropic i OpenAI danas planiraju računalnu snagu u gigavatima, IEA očekuje gotovo udvostručenje potrošnje podatkovnih centara do 2030., a EU je počeo označavati podatkovne centre kao hladnjake. Istodobno je energija jednog upita drastično pala. Evo što brojke stvarno kažu — i što tvrtka može učiniti da AI koristi odgovorno, bez odricanja od njegovih koristi.

Šira slika: AI je postao priča o struji

Najjasnije brojke donosi travanjsko izvješće Međunarodne agencije za energiju (IEA) iz 2026. Podatkovni centri u svijetu potrošili su oko 485 TWh u 2025. — skok od 17 % u jednoj godini i više od pet puta brži rast od ukupne potrošnje struje. Centri izgrađeni prvenstveno za AI potrošili su oko 155 TWh, otprilike 50 % više nego godinu ranije. U osnovnom scenariju IEA-e ukupna potrošnja podatkovnih centara doseže oko 950 TWh do 2030., a AI centri se otprilike utrostručuju.

Za usporedbu: 950 TWh više je od godišnje potrošnje struje cijelog Japana. Rast je koncentriran u dvije zemlje — IEA očekuje da će SAD između 2025. i 2030. narasti s oko 224 na 426 TWh, a Kina sa 117 na 277 TWh. Europa raste sporije, a koče je priključci na mrežu i dozvole, a ne potražnja.

Utrka za gigavatima: Anthropic, OpenAI i izgradnja

AI laboratoriji više ne govore o serverima, nego o kapacitetu cijelih elektrana. Anthropic je osigurao računalni kapacitet od više od 15 GW u oko 15 kampusa u SAD-u, uključujući ugovore s Amazonom za do 5 GW te s Googleom i Broadcomom za još 5 GW TPU kapaciteta; njegov Amazonov kampus u New Carlisleu (Indiana) s oko 900 MW već je među najvećim AI podatkovnim centrima na svijetu. OpenAI-jeve Stargate obveze premašile su prvotni cilj od 10 GW, uz nove višegigavatne lokacije u Georgiji i Ohiju. Budući da priključenje gigavatnih kampusa na mrežu traje godinama, obje tvrtke unajmljuju i manje objekte od 20–30 MW kako bi odmah zadovoljile potražnju.

Za tvrtke je to važno iz dva razloga: ponuda računalne snage — a time i cijene i ograničenja korištenja — ovisi o tome koliko brzo mreža može rasti, a energetski miks novih lokacija (plin, nuklearna energija, obnovljivi izvori) određuje stvarni ugljični otisak AI-ja koji kupujete. Pogled iz perspektive energetskog sektora donosi naš vodič o AI-ju u energetici i komunalnim uslugama.

Koliko stvarno košta jedan upit?

Podaci po upitu postali su javni tek 2025. i znatno su manji nego što su sugerirale viralne tvrdnje o „boci vode po e-mailu":

Ove brojke nisu izravno usporedive: Google navodi medijan, OpenAI prosjek, a Mistral cijeli životni ciklus koji uključuje treniranje i proizvodnju hardvera — zato su njegovi podaci o CO₂ i vodi veći. Mistral zaslužuje priznanje kao prvi veliki laboratorij koji je objavio recenziranu analizu te vrste.

Kvaka je u desnom dijelu AI stupaca. Modeli zaključivanja koji „razmišljaju" tisućama tokena, upiti koji učitaju ugovor od 200 stranica i autonomni agenti koji rade dvadeset minuta troše 10 do 70 puta više energije od jednostavnog odgovora u chatu. Kako AI prelazi s pitanja na dugotrajne agente, energija po zadatku raste iako energija po tokenu pada.

Voda i ugljik: lokacija je važnija od modela

Podatkovni centri vodu troše uglavnom za hlađenje, a ugljični otisak kilovatsata ovisi o mreži. U EU-u intenzitet mreže kreće se od manje od 50 g CO₂ po kWh u zemljama s pretežno hidro, nuklearnom ili energijom vjetra do nekoliko stotina grama gdje prevladavaju ugljen i plin. Isti upit tako može imati i deset puta različit ugljični otisak, ovisno o regiji u kojoj se izvršava. Odabir EU regije s čistom mrežom — što pomaže i kod rezidentnosti podataka — jedna je od najjednostavnijih poluga koje tvrtka ima.

Regulatori pomno prate

• EU AI Act: pružatelji AI modela opće namjene moraju u tehničkoj dokumentaciji navesti poznatu ili procijenjenu potrošnju energije svojih modela. Više u našem vodiču za usklađenost s EU AI Actom.
• Direktiva o energetskoj učinkovitosti: podatkovni centri s više od 500 kW IT snage moraju u EU bazu podataka izvještavati o energiji, vodi i udjelu obnovljivih izvora.
• EU oznaka održivosti podatkovnih centara: Komisija je u srpnju 2026. objavila revidirani nacrt obveznog sustava ocjenjivanja i elektroničke oznake za podatkovne centre; prve oznake očekuju se 2027.
• Izvještavanje o održivosti: tvrtke koje izvještavaju o emisijama sve će češće morati uključiti cloud i AI usluge u Scope 3 — tražite podatke od pružatelja već sada.

Zeleni AI je jeftin AI: 7 poluga koje smanjuju energiju i trošak

Dobra vijest: gotovo sve što smanjuje otisak AI-ja smanjuje i račun, jer pružatelji naplaćuju računalnu snagu. Poluge u nastavku iste su one koje koristimo za optimizaciju troškova inferencije:

1. Odaberite primjeren model. Male, brze modele (Claude Haiku, GPT mini modeli, Mistral Small) koristite za klasifikaciju, izdvajanje podataka i usmjeravanje, a najjače modele ostavite za teške probleme. Usmjeravanje modela u istraživanjima je smanjilo troškove za više od 85 % uz zadržavanje ~95 % kvalitete.
2. Predmemorirajte ono što se ponavlja. Sistemski upiti, priručnici i ugovori koji se šalju iznova trebaju koristiti predmemoriranje upita — do 90 % jeftiniji predmemorirani ulaz.
3. Skupno obradite ono što može čekati. Noćna izvješća i obrada dokumenata preko Batch API-ja stoje 50 % manje i pružateljima omogućuju da posao rasporede kad ima kapaciteta — a često i čiste energije.
4. Kontrolirajte zaključivanje i duljinu odgovora. Postavite budžete za razmišljanje, tražite sažete odgovore i zaustavite agente nakon razumnog broja koraka.
5. Pokrenite male modele lokalno gdje ima smisla. Mali jezični modeli i kvantizacija (do ~75 % manje memorije na 4 bita) čine lokalni ili edge AI praktičnim za jednostavne zadatke.
6. Birajte čiste regije i transparentne pružatelje. Prednost dajte EU regijama s niskim intenzitetom mreže i pružateljima koji objavljuju podatke o energiji, vodi i emisijama.
7. Mjerite. Pratite tokene, kombinaciju modela i trošak po zadatku na nadzornoj ploči; pretvorite ih u kWh i CO₂ pomoću podataka pružatelja za izvješće o održivosti.

Zaključak

Energetski problem AI-ja je stvaran, ali često krivo shvaćen. Jedan upit troši malo energije — i svake godine sve manje — dok ukupna potražnja AI-ja brzo raste i mijenja elektroenergetske mreže. Odgovoran odgovor tvrtke nije izbjegavati AI, nego ga koristiti promišljeno: pravi model za svaki zadatak, predmemoriranje i skupna obrada kao standard, čiste regije i mjerenje. Kad se napravi dobro, zeleni AI je jednostavno učinkovit AI — bolji za klimu i za vaše marže.