исследования 8 авг 2026 1 мин

AI-агенты жрут в 600 раз больше энергии, чем обычный чат — реальные цифры от учёного

Климатолог Зик Хаусфатер замерил энергопотребление своей работы с Claude Code за 8 недель: ~170 кВт·ч. Один промпт агенту = ~150 Вт·ч, это в 600 раз больше, чем обычный запрос к ChatGPT. Google и OpenAI врали: заявляли 0,24–0,34 Вт·ч, но не учитывали reasoning, агентов, миллионы токенов. Выходит ~370 кг CO₂ в год на одного пользователя — как стиралка на год или 2% углеродного следа среднего американца.

Если вы используете AI-агентов или reasoning-модели — реальные энергозатраты могут быть в сотни раз выше, чем обещают вендоры. Это влияет на инфраструктурные расходы, углеродный след и ESG-отчётность — а значит, на реальные деньги и compliance.

Что произошло

Google и OpenAI публично заявляли, что один запрос к их AI-моделям тратит 0,24–0,34 ватт-часа — примерно как поиск в Google образца 2009 года. Климатолог Зик Хаусфатер решил проверить эти цифры на практике и отследил свою работу с Claude Code за 8 недель.

Результат: 170 кВт·ч электричества на дата-центрах (разброс 70–330 кВт·ч). Один промпт агенту = ~150 Вт·ч, что в 600 раз больше, чем обещали компании. Причина: AI-агенты запускают десятки вызовов моделей на один промпт, перечитывают весь контекст заново, генерируют миллионы токенов. 96% всех токенов — чтение кеша, пользователь видит на экране лишь 0,4%.

В среднем день работы с Claude Code = 3 кВт·ч (как два холодильника), самый тяжёлый день = 11 кВт·ч (треть суточного потребления среднего дома в США). За год выходит ~1,1 МВт·ч — это 10% от годового потребления домохозяйства и ~370 кг CO₂ (как электросушилка на год или половина перелёта Нью-Йорк–Сан-Франциско туда-обратно).

Хаусфатер подчёркивает: личные ограничения ничего не решат, ключ — в углеродной интенсивности энергосетей. Проблема в том, что 75% планируемых дата-центров в США будут на газе, а не на чистой энергии.

энергопотребление AI-агентыуглеродный следreasoning Claude

Автор: Сергей Ефимов · Источник: the-decoder.com

Разработчикам. Если пишете агентов или reasoning-системы — учитывайте реальную стоимость: миллионы токенов на запрос, десятки вызовов моделей, кеш-ридов 96%. Маршрутизация простых задач на лёгкие модели снижает расход в 5–7 раз. Логи Claude Code API показывают точные токены — можно мониторить.

Бизнесу. Если внедряете AI-агентов в проде — готовьтесь к счетам за энергию в сотни раз выше, чем обещает маркетинг. Автономные агенты на недели-месяцы могут выжечь бюджет. Переход на чистую энергию снижает углеродный след на 90%, но инфраструктура пока на газе — риск для ESG-отчётности.

Инвесторам. AI-бум уже строит дата-центры на газе, а не на чистой энергии — 75% новых мощностей в США. Если AI-компании развернут капитал в геотермальную, ядерную или сетевую инфру, это может очистить сеть. Но пока что углеродный след растёт экспоненциально — сектор чистой энергетики и grid-tech под прицелом.

Хайп15

Реальная польза85

Заработать75

Энергомониторинг для AI: SaaS для отслеживания токенов, оценки углеродного следа и оптимизации маршрутизации запросов — как Datadog, но для AI-энергии.
Лёгкие модели для рутины: белый лейбл или API-прокси, который автоматом маршрутизует простые задачи на маленькие модели (в 5–7 раз дешевле энергетически).
Чистая энергия для AI: инвестиции в геотермальные/ядерные/grid-стартапы, которые поставляют «зелёную» энергию AI-компаниям — demand огромный, контракты долгосрочные.
Carbon offset для AI: маркетплейс углеродных кредитов специально для AI-компаний, которые хотят компенсировать след — как Patch.io, но под AI-вертикаль.
Инструменты для ESG-отчётности AI: софт для компаний, который автоматом считает углеродный след AI-инфры — compliance-спрос растёт.

Автономные агенты на месяцы работы могут сжечь энергобюджет — масштаб потребления может взлететь экспоненциально.
75% новых дата-центров в США на газе, а не на чистой энергии — углеродный след растёт быстрее, чем эффективность моделей.
Цифры Google и OpenAI занижены в сотни раз — реальные счета за энергию в проде могут стать сюрпризом для бизнеса.
Если регуляторы введут углеродные налоги на AI — стоимость inference взлетит, особенно для агентов и reasoning-моделей.

Это первая честная калькуляция энергопотребления AI-агентов от независимого учёного, а не от пиар-отдела OpenAI. Хаусфатер замерил свои логи Claude Code и получил 170 кВт·ч за 8 недель — это не абстракция, а конкретные цифры с API. Google и OpenAI годами кормили нас сказками про «0,24 Вт·ч на запрос», но они считали только простые чат-промпты, игнорируя reasoning, агентов, миллионы токенов кеш-ридов. Реальность: один промпт агенту = как зарядить телефон 50 раз. Масштабируйте на миллиарды пользователей — и вот вам энергокризис.

Важный момент: Хаусфатер не призывает к аскезе. Он говорит — ключ в чистоте энергосетей. Если AI-капитал пойдёт в геотермальную, ядерную или grid-инфру, бум может оставить сеть чище, чем нашёл. Но пока 75% новых дата-центров в США строятся на газе, и это проблема. Если вы делаете продукт на агентах — закладывайте реальные энергозатраты в бизнес-модель, иначе счета за inference станут сюрпризом. Если инвестируете — смотрите на чистую энергию и grid-tech: demand огромный, контракты долгосрочные, а AI-компании готовы платить.