Perkirakan energi, air, dan karbon di balik penggunaan AI Anda — dan apa artinya dalam kehidupan sehari-hari.
Hanya inferensi (pelatihan dan beban operasional pusat data tidak termasuk); air adalah air di lokasi (scope-1); angka pencarian Google historis berasal dari tahun 2009. Semua angka adalah perkiraan.
Ini adalah perkiraan orde-besaran dari pengukuran publik model-model sejenis — khusus inferensi, dengan air di lokasi (scope-1) serta faktor karbon dan air yang dapat disesuaikan. Model terdepan yang bersifat tertutup tidak diukur secara langsung, jadi anggap hasilnya sebagai gambaran kasar, bukan audit yang tepat.
Setiap tugas AI memiliki angka energi per penggunaan dalam watt-jam, yang diambil dari sumber pengukuran terkini. Jumlah bulanan Anda dikalikan menjadi setahun, dijumlahkan, lalu dikonversi ke kilowatt-jam.
Air adalah air pendingin di lokasi: energi dalam kWh dikalikan dengan faktor efektivitas penggunaan air (liter per kWh). Karbon adalah energi dikalikan dengan intensitas karbon jaringan listrik Anda (gram CO₂ per kWh).
Satu prompt teks singkat ke model terdepan saat ini menggunakan sekitar 0,3 Wh — titik konvergensi dari estimasi Google (0,24 Wh), OpenAI (0,34 Wh), dan Epoch (0,3 Wh). Prompt penalaran ('berpikir') dan pembuatan gambar menggunakan jauh lebih banyak.
Air yang ditampilkan di sini adalah air pendingin di lokasi (scope-1): kWh × faktor efektivitas penggunaan air. Ini tidak mencakup air yang digunakan di luar lokasi untuk menghasilkan listrik (scope-2), sehingga total sebenarnya bisa lebih tinggi. Faktornya sangat bervariasi antar pusat data, sekitar 0,26 hingga 1,9 L/kWh.
Tidak. Ini adalah estimasi tengah dari pengukuran publik model-model sejenis, berlabel khusus inferensi. Model terdepan yang bersifat tertutup tidak diukur secara langsung, dan angka nyata mencakup beban operasional pusat data yang tidak disertakan dalam pengukuran mentah.
Tidak. Setiap angka adalah khusus inferensi — biaya penggunaan model, bukan biaya satu kali untuk melatihnya.
Kalkulator ini mengubah penggunaan AI Anda menjadi dampak nyata di dunia: energi dalam kilowatt-jam, air dalam liter, dan karbon dalam kilogram CO₂. Pilih "Penggunaan saya" untuk memperkirakan jejak selama setahun dari prompt Anda sendiri, atau "Per tugas" untuk melihat biaya dari satu sesi obrolan, permintaan penalaran, atau pembuatan gambar. Setiap angka per tugas didasarkan pada pengukuran terkini yang bersumber tepercaya dan hanya mencakup inferensi — biaya penggunaan model, bukan pelatihan model tersebut.
Angka utama adalah jejak karbon Anda (tahunan dalam mode "Penggunaan saya", atau per volume yang dipilih dalam mode "Per tugas"). Tiga kartu metrik merinci angka tersebut menjadi energi, air, dan karbon, masing-masing disertai padanan sehari-hari — pengisian daya ponsel, segelas air, satu kilometer berkendara — agar satuan yang abstrak menjadi nyata. Anggap hasilnya sebagai estimasi orde besaran: angka energi per tugas di baliknya mencakup rentang yang lebar tergantung pada model, panjang prompt, dan pusat data, sementara faktor air dan karbon adalah asumsi yang dapat disesuaikan, bukan angka pasti.
Anda mengirim sekitar 100 obrolan AI singkat per bulan, dengan faktor penggunaan air pada nilai default industri 1,8 L/kWh dan jaringan listrik rata-rata dunia (471 gCO₂/kWh).
100 obrolan per bulan berarti 1.200 obrolan per tahun. Dengan 0,3 Wh per obrolan, totalnya adalah 360 Wh, atau 0,36 kWh — setara dengan sekitar 30 kali pengisian daya ponsel. Penggunaan air sekitar 0,65 L (kurang dari tiga gelas) dan karbon sekitar 170 g CO₂ — jauh di bawah satu kilometer dengan mobil biasa. Penggunaan obrolan ringan selama setahun penuh meninggalkan jejak yang sangat kecil; penggunaan prompt penalaran dan pembuatan gambar-lah yang membuatnya bertambah besar.
Satu prompt teks singkat ke model frontier terkini menggunakan sekitar 0,3 Wh listrik — angka ini merupakan titik konvergensi dari pengukuran Google sebesar 0,24 Wh untuk prompt Gemini median, pernyataan OpenAI sebesar 0,34 Wh per kueri ChatGPT, dan estimasi bottom-up Epoch AI sebesar 0,3 Wh untuk GPT-4o. Dokumen panjang (~2,5 Wh), model penalaran (~7,6 Wh), dan pembuatan gambar (~2,9 Wh) membutuhkan energi jauh lebih besar per penggunaan.
Air scope-1 adalah air yang diuapkan langsung di lokasi pusat data untuk mendinginkan servernya, dihitung sebagai energi (kWh) dikalikan faktor efektivitas penggunaan air (WUE) dalam liter per kWh. Ini tidak mencakup air scope-2 — air yang digunakan di luar lokasi di pembangkit listrik yang menyediakan energi listriknya — sehingga total biaya air sesungguhnya lebih tinggi dari yang ditampilkan. WUE sangat bervariasi antaroperator (sekitar 0,26 hingga 1,9 L/kWh), itulah mengapa nilainya dapat disesuaikan di sini.
Tidak. Angka-angka ini adalah estimasi sentral dari pengukuran publik terhadap model-model yang sebanding, dan sengaja diberi label inferensi saja serta cakupan yang dinyatakan. Model frontier tertutup tidak diukur secara langsung, dan batas pengukurannya berbeda-beda (energi sistem penuh sekitar 2,4× energi GPU saja), sehingga dua angka "per kueri" dari studi yang berbeda tidak dapat dipertukarkan begitu saja.
Tidak. Setiap angka di sini hanya mencakup inferensi: biaya menjalankan satu prompt, bukan biaya satu kali pelatihan model. Pelatihan adalah biaya besar tetapi terpisah dan diamortisasi yang tidak dicoba diperkirakan oleh kalkulator ini.
Buka bagian asumsi air dan jaringan listrik. Pemilih jaringan listrik mengganti intensitas karbon siklus hidup untuk rata-rata dunia, AS, Uni Eropa, India, atau China (data OWID 2024), dan pemilih WUE memungkinkan Anda memodelkan pusat data Google, Microsoft, Meta, standar industri, atau rata-rata armada. Karbon dan air keduanya berskala secara linier terhadap faktor-faktor ini.
Setiap tugas AI memiliki nilai energi per penggunaan yang bersumber tepercaya dalam watt-jam: obrolan singkat 0,30 Wh (konvergensi Epoch/Google/OpenAI), dokumen panjang 2,5 Wh (Epoch, input ~10.000 token), penalaran 7,6 Wh (Hugging Face AI Energy Score v2, DeepSeek-R1-70B dengan penalaran aktif), dan pembuatan gambar 2,907 Wh (Luccioni "Power Hungry Processing", rata-rata Tabel 2). Dalam mode "Penggunaan saya", jumlah bulanan dikalikan 12, dijumlahkan, lalu dibagi 1.000 untuk menghasilkan kilowatt-jam tahunan; mode "Per tugas" menggunakan jumlah yang dimasukkan langsung. Air dalam liter = kWh × WUE (default 1,8 L/kWh, scope-1 di lokasi). Karbon dalam gram = kWh × intensitas jaringan listrik (default 471 gCO₂/kWh, dunia 2024, siklus hidup OWID), kemudian dibagi 1.000 untuk kilogram. Padanan sehari-hari dibagi menggunakan acuan yang bersumber tepercaya: 12 Wh per pengisian daya ponsel, 0,3 Wh per pencarian Google historis (2009), 120 Wh per rebusan ketel 1 liter, 244 gCO₂/km untuk mobil AS tipikal dan 106,4 gCO₂/km untuk mobil baru rata-rata Uni Eropa, 60 L per mandi, 0,25 L per gelas, dan 0,5 L per botol.
Ditinjau oleh Tim YouCalc · Terakhir ditinjau
Menemukan kendala terjemahan, kendala perhitungan, atau punya saran? Beritahu kami.