Cada vez que consultamos en ChatGPT para pedirle información, recurrimos a un impacto energético y ambiental, cada consulta consume aproximadamente 2.9 vatios-hora de electricidad, lo que equivale a diez veces más energía que una búsqueda típica en Google, que utiliza 0.3 vatios-hora por solicitud (Weiß, 2024). Este consumo energético, refleja la complejidad del modelo de lenguaje detrás de ChatGPT, que requiere procesar grandes volúmenes de datos y ejecutar cálculos intensivos para generar respuestas precisas y coherentes.
En términos anuales, el consumo energético total de ChatGPT alcanza los 226.8 gigavatios-hora (GWh), este consumo es suficiente para cargar completamente 3.13 millones de vehículos eléctricos con baterías promedio de 72.4 kWh o para abastecer a aproximadamente 21 mil 602 hogares durante un año (rw, 2024). Además, el uso diario de ChatGPT, estimado en alrededor de 200 millones de consultas al día (rw, 2024). Agreguemos el tema de la contaminación ambiental, un estudio realizado por la Universidad de Massachusetts Amherst reveló que el entrenamiento de una sola red neuronal emite tanto CO2 como cinco autos. (Strubell et al., 2019)
Este nivel de consumo refleja la complejidad computacional detrás de los modelos avanzados como GPT-4, que requieren grandes cantidades de recursos para procesar datos y generar respuestas precisas.
Por comparación, una bombilla LED típica utiliza aproximadamente 10 vatios, lo que significa que el consumo energético por consulta a ChatGPT equivale a mantener encendida esa bombilla durante aproximadamente 17 minutos.
La infraestructura necesaria para mantener este nivel de operación incluye centros de datos altamente especializados que utilizan sistemas avanzados de enfriamiento para evitar el sobrecalentamiento de los servidores. Estos sistemas emplean agua para disipar el calor generado por los procesos computacionales intensivos, destacando la huella hídrica adicional asociada al funcionamiento de modelos como GPT-4(NVIDIA, 2025)(Jennifer, 2024).
Aunque el consumo energético por consulta puede variar dependiendo de la longitud y complejidad del input y output, la creciente demanda por servicios basados en inteligencia artificial plantea desafíos significativos para la sostenibilidad ambiental y energética. Por ello, es fundamental que las empresas tecnológicas continúen explorando soluciones más eficientes y sostenibles, como la implementación de hardware optimizado y el uso de fuentes renovables para alimentar sus operaciones (Hsiao, 2024).
¿Qué está haciendo NVIDIA, líder en tecnología de IA para satisfacer la demanda energética?
NVIDIA, líder en tecnología de inteligencia artificial (IA), ha adoptado diversas estrategias para equilibrar su expansión tecnológica con la sostenibilidad, destacando sus avances en eficiencia energética y el uso de fuentes renovables.
Al entrenar modelos avanzados como GPT-3 consume cantidades masivas de electricidad y agua para enfriamiento, contribuyendo a emisiones globales de gases de efecto invernadero que representan entre el 2% y el 4% del total mundial (Moviles, 2025).
Para abordar esta problemática, NVIDIA ha desarrollado tecnologías como su plataforma Blackwell, alimenta la IA avanzada, mientras usa diez veces menos energía que los modelos más antiguos, reduciendo el impacto ambiental. Ofreciendo hasta 20 veces mejor rendimiento que las CPU tradicionales para tareas de IA y computación de alto rendimiento (Saptakee, 2024).
Otro aspecto clave es la innovación en sistemas de enfriamiento para centros de datos. NVIDIA ha implementado tecnologías como la refrigeración líquida directa al chip, que mejora significativamente la eficiencia energética y permite mayores densidades computacionales. Estas soluciones no solo reducen el consumo energético sino también el uso de agua, un recurso crítico en áreas propensas a sequías (NVIDIA, 2024).
Recordemos que el uso de la IA así como de diversas tecnologías en la nube, utilizan equipos físicos como servidores de datos instalados en diversas partes del mundo que gastan energía, producen calor y generan contaminación al medio ambiente, la empresa líder NVIDIA está realizando trabajos para reducir el consumo energético y cuidar el medio ambiente asociados con la IA, a través de innovaciones tecnológicas como computación acelerada, refrigeración avanzada con energías renovables.
Bibliografía
(Hsiao, 2024)
Hsiao, E. (2024, julio 2). NVIDIA CEO Jensen Huang: AI and sustainability dual engines driving a New Era. The Icons – The Icons Dedicated to the Icons. https://theicons.net/2024/07/02/nvidia-ceo-jensen-huang-dual-engines-of-ai-and-sustainable-development-drive-the-new-era/
(Jennifer, 2024)
Jennifer, L. (2024, noviembre 21). Nvidia’s $35B Q3 revenue: Record AI growth meets rising environmental challenges. Carbon Credits; CarbonCredits.Com. https://carboncredits.com/nvidia-35b-q3-revenue-record-ai-growth-meets-rising-environmental-sustainability-challenges/
(Moviles, 2025)
Moviles, R. (2025). Trend 2025: Energy requirements often depend on the size of the AI model. Roboticstomorrow. https://www.roboticstomorrow.com/story/2025/01/trend-2025-energy-requirements-often-depend-on-the-size-of-the-ai-model-/24021/
(NVIDIA, 2024)
NVIDIA. (2024). NVIDIA Sustainability Report Fiscal Year 2024. https://images.nvidia.com/aem-dam/Solutions/documents/FY2024-NVIDIA-Corporate-Sustainability-Report.pdf
(NVIDIA, 2025)
NVIDIA. (2025, marzo 30). Power. Cooling. AI readiness: Why NVIDIA GTC 2025 signals it’s time to rethink your data centre strategy. Nextdc.com. https://www.nextdc.com/news/power-cooling-ai-readiness-how-nvidias-gtc-2025-is-forcing-a-rethink-of-your-data-centre-strategy
(rw, 2024)
rw. (2024, octubre 31). How much energy do Google search and ChatGPT use? RW Digital – Vancouver Digital Marketing Agency. https://www.rwdigital.ca/blog/how-much-energy-do-google-search-and-chatgpt-use/
(Saptakee, 2024)
Saptakee, S. (2024, agosto 29). NVIDIA crushes Q2 and cuts emissions but shares still slide. Carbon Credits; CarbonCredits.Com. https://carboncredits.com/nvidia-crushes-q2-and-cuts-emissions-but-shares-still-slide/
(Strubell et al., 2019)
Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and policy considerations for deep learning in NLP. En arXiv [cs.CL]. http://arxiv.org/abs/1906.02243
(Weiß, 2024)
Weiß, E.-M. (2024, agosto 30). ChatGPT’s power consumption: ten times more than Google’s. Heise Online. https://www.heise.de/en/news/ChatGPT-s-power-consumption-ten-times-more-than-Google-s-9852327.html
Dr. en S.C. Luis Fernando Araiz Morales
Director de Innovación y Desarrollo Regional del COZCyT
