Så mycket energi och vatten förbrukar AI egentligen

En fråga till Gemini drog i maj 2025 en bråkdel av vad den gjorde ett år tidigare. När Google mätte sin egen tjänst fann bolaget att energin per textfråga sjönk 33 gånger på tolv månader. Internationella energibyrån IEA beskriver samma sak för hela branschen: energin per AI-uppgift har de senaste åren fallit minst tiofalt om året. Samtidigt växte elförbrukningen i AI-fokuserade datacenter med 50 procent under 2025, enligt samma IEA-rapport.

Båda sakerna är sanna och det är den dubbelheten frågan om AI:s resursförbrukning handlar om. Siffrorna per fråga har blivit små och väl belagda. Det som avgör är hur många frågor vi ställer och vad vi ställer dem om. Här är siffrorna, med källor.

Tre källor ger snarlik elsiffra per fråga

Google är hittills ensamt bland de stora AI-bolagen om att ha publicerat en mätning av sin egen produktionstrafik, alltså vad en verklig fråga kostar i resurser. Mistral AI publicerade i juli 2025 en granskad livscykelanalys av en av sina modeller, men det är en beräkning, inte en mätning av trafiken. Medianfrågan i Gemini drar 0,24 wattimmar el, förbrukar 0,26 milliliter vatten och släpper ut 0,03 gram koldioxidekvivalenter. Googles egen jämförelse: mindre el än nio sekunder tv-tittande. Google påpekar självt att mätningen inte är granskad av någon oberoende part.

OpenAI:s vd Sam Altman har angett 0,34 wattimmar för en genomsnittlig ChatGPT-fråga, plus ungefär en femtondels tesked vatten. Värt att veta är att det är en siffra ur ett blogginlägg, inte en metodrapport som Googles, så exakt vad den omfattar framgår inte. Oberoende av båda har forskningsinstitutet Epoch AI uppskattat en typisk ChatGPT-fråga till ungefär 0,3 wattimmar. Tre olika avsändare, samma härad.

IEA:s egna beräkningar går åt samma håll. Om världens alla konventionella sökningar i stället gjordes som enkla AI-textfrågor skulle det enligt IEA:s beräkning dra mindre än 4 terawattimmar per år, under en procent av vad datacentren drar i dag.

Två förbehåll hör till bilden. Långa dokument och stora kontexter drar betydligt mer, Epoch AI räknar med uppemot 40 wattimmar för en fråga med 100 000 tokens indata, de textbitar modellen räknar i och ungefär lika många ord, över hundra gånger medianfrågan. Det viktigaste förbehållet är dock ett annat: en försumbar siffra multiplicerad med de enorma frågevolymerna blir inte försumbar. Det är summan som avgör.

Mer användning äter upp effektivitetsvinsten

Den snabba förbättringen har två motorer och de ska hållas isär. Den ena är kretsarna. Enligt Epoch AI:s genomgång av ledande AI-hårdvara från 2024, med data uppdaterad i november 2025, blir kretsarna omkring 40 procent mer energieffektiva per år, en fördubbling ungefär vartannat år. Google uppger att bolagets åttonde generation TPU, Googles egna AI-kretsar, ger upp till dubbla prestandan per watt jämfört med föregångaren Ironwood. Ironwood var i sin tur dubbelt så effektiv som generationen före och nära 30 gånger effektivare än bolagets första moln-TPU från 2018. På fem år räknar Google med att datacentren levererar mer än tre gånger så mycket beräkning per energienhet. Nvidia gör liknande utfästelser för sina generationer. Bolagens multiplar mäter dock olika saker, kostnad och energi ihop, genomströmning per megawatt eller prestanda per watt, och går inte att lägga på samma axel.

Den andra motorn är mjukvaran och den är större. Av Googles 33 gånger står bättre modeller för en faktor 23 och bättre utnyttjande av maskinerna för 1,4. Kretsarna bär alltså en mindre del av vinsten än man kan tro. Det mesta sitter i hur modellerna byggs och körs.

Ändå pekar totalen uppåt. I samma miljörapport, där Google redovisar den trefaldiga vinsten i beräkning per energienhet, står att bolagets datacenter drog 42,4 terawattimmar el under 2025 mot 30,6 året innan, en ökning med 38 procent. Epoch AI ser samma mönster på systemnivå: de största AI-superdatorerna blir 1,34 gånger effektivare per watt om året, men deras effektbehov fördubblas varje år.

Mekanismen har ett namn sedan 1865, Jevons paradox: när något blir billigare att göra görs det mer, tills totalen växer trots effektiviseringen. Forskarna Sasha Luccioni, Emma Strubell och Kate Crawford argumenterar i en artikel från 2025 för att just den effekten gör att effektivare teknik i sig inte ger mindre miljöpåverkan. IEA säger samma sak utan att använda ordet: AI:s energibehov är enligt byrån resultatet av tre trender som rör sig samtidigt, effektivare teknik, kraftigt ökad användning och nya, tyngre användningsområden. Dit hör videogenerering, resonerande modeller som tänker i flera steg innan de svarar, och agenter som utför uppgifter på egen hand.

Världens datacenter väntas dubbla sitt elbehov till 2030

Världens datacenter drog 415 terawattimmar el under 2024, ungefär 1,5 procent av världens elförbrukning, och 485 terawattimmar under 2025, en ökning med 17 procent på ett år. I IEA:s basscenario fördubblas det till runt 950 terawattimmar fram till 2030, omkring 3 procent av all el i världen och ungefär lika mycket som hela Japan förbrukar i dag.

Det är AI som driver datacentrens tillväxt. Ett typiskt AI-fokuserat datacenter drar enligt IEA lika mycket el som 100 000 hushåll, och de största som byggs just nu kommer att dra 20 gånger mer. I aprilrapporten 2025 räknade IEA med att elbehovet från AI-optimerade datacenter mer än fyrdubblas till 2030, en bana som uppdateringen i april 2026 justerar till en tredubbling, efter att datacentrens elbehov växte 17 procent under 2025. Prognoserna rör sig, riktningen gör det inte.

Samtidigt är datacentren en liten del av en mycket större omställning. Deras tillväxt står enligt IEA för mindre än 10 procent av världens totala ökning i elefterfrågan fram till 2030. AI driver alltså datacentren hårt, men datacentren driver bara knappt en tiondel av världens eltillväxt. Elektrifieringen av industri, transporter och uppvärmning väger tyngre.

Så mycket vatten drar AI

Vattensiffrorna är det område där mest hunnit hända sedan debatten tog fart, så varje tal nedan bär sitt årtal. Datacenter använder vatten därför att evaporativ kylning är energieffektiv. Berkeley Lab konstaterar i sin rapport till USA:s kongress att vattenkylda system generellt drar mindre el än luftkylda, som i gengäld inte använder något vatten alls. Vatten och energi är kommunicerande kärl, sänker man det ena stiger ofta det andra.

Branschmåttet heter WUE, water usage effectiveness, och anger liter vatten per kilowattimme IT-last. Microsoft uppger att koncernens flottsnitt har sjunkit från 2,3 till 0,27 liter per kilowattimme sedan tidigt 2000-tal. Google använder i sin Gemini-beräkning koncernsnittet 1,15 liter per kilowattimme. Talen gäller olika anläggningsflottor och olika år och ska inte jämföras rakt av, men båda mäter bara vattnet i själva anläggningen.

Det är avgränsningen som spökar. Googles 0,26 milliliter per fråga räknar enbart anläggningens eget vatten. Mistral AI räknade i sin livscykelanalys från juli 2025 i stället över hela kedjan, från tillverkning av hårdvara till elproduktion enligt bolagets beskrivning, och kom då fram till 45 milliliter vatten för ett svar på 400 tokens i Le Chat. Samma metodskillnad, drygt 170 gånger större tal.

Den siffra som cirkulerat längst i debatten är äldre än så och bör läsas som historik. Forskarna bakom studien Making AI Less Thirsty räknade 2023 in vattnet i elproduktionen och kom fram till att GPT-3 "dricker" en halvlitersflaska vatten på ungefär 10 till 50 medellånga svar, och att träningen förångade 700 000 liter enbart i datacentren. GPT-3 lanserades 2020, studien kom 2023, och både modellen och hårdvaran är sedan länge utbytta. Fältet rör sig så fort att en vattensiffra utan årtal är värdelös. Det som står sig från studien är metoden, att räkna in elproduktionens vatten, inte litervärdena.

Siffrorna motsäger inte varandra, de mäter olika saker och är från olika år. Det är värt att komma ihåg varje gång två vattensiffror ställs mot varandra i debatten.

Totalerna växer snabbt. Microsoft förbrukade 8,2 miljarder liter vatten under räkenskapsåret fram till juni 2025, 22 procent mer än året innan. Google förbrukade 41 miljarder liter under 2025, en ökning med 34 procent i takt med att verksamheten växer, som bolaget uttrycker det. Mönstret går igen hos båda: effektivare per enhet, mer totalt.

Datacentrens vatten mot golfbanornas

Påståendet att datacenter drar mindre vatten än golfbanor cirkulerar flitigt, ofta utan källa. Vi har inte lyckats spåra ett tydligt ursprung. Däremot finns primärsiffror på båda sidor, och de är intressantare än slagordet.

USA:s golfbanor bevattnade med ungefär 2 011 miljarder liter under 2024 enligt branschorganisationerna GCSAA och USGA, en minskning med 31 procent sedan 2005. USA:s datacenter förbrukade 66 miljarder liter direkt under 2023 enligt Berkeley Lab. Räknar man även in vattnet i elproduktionen som försörjer dem stiger datacentrens fotavtryck till runt 866 miljarder liter, en summering av Berkeley Labs två delsiffror.

Där ligger hela jämförelsens hemlighet. Ställer man golfen mot datacentrens direkta förbrukning använder golfbanorna 30 gånger mer vatten. Räknar man in vattnet i elproduktionen krymper skillnaden till drygt dubbelt så mycket. Två räknesätt, samma primärsiffror, helt olika slagord. Måtten skiljer sig dessutom åt, bevattnat vatten är inte samma sak som förbrukat, och åren är olika.

Vilket av talen som citeras säger därför mest om vem som valt räknesättet. Primärsiffrorna står kvar ändå.

Vad hundra procent förnybar el betyder

Google, Microsoft och Amazon uppger alla att de matchar 100 procent av sin elförbrukning med förnybar energi. Det stämmer, med ett viktigt förbehåll: matchningen sker på årsbasis, via inköpsavtal och certifikat som summeras över kalenderåret. Den el som faktiskt driver servrarna en vindstilla natt kommer från det lokala nätet, med dess mix av kraftslag.

Oberoende forskning visar att årsmatchning därför inte eliminerar utsläppen och kritiserar särskilt certifikat som köps löskopplade från både plats och timme. Google är ensamt bland de tre om att redovisa ett hårdare mått, timvis koldioxidfri el på samma elnät och nådde där 66 procent under 2024 och 65 procent under 2025. Skillnaden mellan 100 och 65 procent är ett bra mått på hur mycket som ryms i orden "hundra procent förnybart", och att kurvan pekade nedåt under 2025 trots rekordinvesteringar säger något om hur svår den sista tredjedelen är.

Det är också här Norden kommer in. Sveriges elproduktion nådde 2024 för första gången 99 procent fossilfritt, enligt branschorganisationen Energiföretagen, med vattenkraft, kärnkraft och vind som bas. Svenska datacenter drog mellan 2,8 och 3,2 terawattimmar 2022, ett par procent av landets el, enligt den senaste uppskattningen, gjord av RISE på Energimyndighetens uppdrag. Samma studie räknade med 4,0 till 4,4 terawattimmar för 2025, så dagens nivå ligger sannolikt över 2022 års. Det kalla klimatet och den rena elen är precis därför AI-industrin bygger här, vilket vi går igenom i detalj i kartläggningen av Nordens AI-datacenter.

AI-video drar tusenfalt mer el än text

Om totalen växer oavsett effektivisering förskjuts problemet från hur mycket en enskild fråga drar till vad vi använder den till. Mellan olika uppgifter skiljer det tusenfalt.

MIT Technology Review lät under 2025 mäta öppna modeller tillsammans med forskare vid University of Michigan och Hugging Face, eftersom de stängda tjänsterna inte lämnar ut sina siffror. En textfråga till en mindre modell kostade omkring 114 joule, ungefär 0,03 wattimmar. En bild i hög kvalitet kostade 4 400 joule, drygt en wattimme. En videosnutt på fem sekunder kostade 3,4 miljoner joule, nästan en kilowattimme. Det är över 700 gånger mer än bilden och lika mycket som ungefär 4 000 Gemini-frågor. Resonerande modeller drar dessutom i snitt 30 gånger mer energi än modeller utan resonemang, enligt Hugging Faces mätning från december 2025. Skälet är att de producerar mellan 300 och 800 gånger fler tokens på vägen till svaret.

En rolig kattfilm genererad på skoj kostar alltså lika mycket el som tusentals textfrågor, oavsett hur effektiva kretsarna blir. Det är värt att väga in innan man trycker på knappen. Det är dessutom exakt de användningarna, video, resonemang och agenter, som IEA pekar ut som drivkraften bakom nästa våg av efterfrågan.

Vad AI kan spara

Motfrågan är vad arbetet kostar när en människa gör det. Frestelsen är att räkna så här: en människa som skriver en rapport kostar el, lokal, pendling och lunch, en modell kostar en wattimme, alltså är AI:n tusenfalt effektivare. En studie i Scientific Reports 2024 gjorde precis den kalkylen och kom fram till att AI-skrivande ger 130 till 1 500 gånger mindre koldioxid per sida än en mänsklig skribent. Räknesättet håller inte hela vägen, och forskarna säger det delvis själva. Människans fotavtryck finns där oavsett om hon skriver rapporten eller inte, hon bor, äter och reser lika mycket. Studien noterar själv att AI inte ersätter alla mänskliga uppgifter och att den frigjorda tiden kan skapa nya, oväntade miljökostnader.

Det som faktiskt går att spara är det fysiska flöde en uppgift drar med sig och de timmar som frigörs, om de används till något. Vinsten är smalare än slagordet utlovar, men den finns och den har ett svenskt skolexempel längre ned.

På systemnivå har IEA räknat på det. Om befintliga AI-tillämpningar i energi, transporter, industri och byggnader fick brett genomslag skulle de enligt IEA:s beräkning kunna minska utsläppen med 1,4 miljarder ton koldioxid år 2035. Det är tre till fyra gånger mer än datacentrens egna utsläpp i samma scenarier. IEA:s egen sammanfattning i rapporten från 2025 är värd att lägga på minnet: minskningarna vore mycket större än datacentrens utsläpp, men också mycket mindre än vad klimatet kräver. AI är enligt byrån ingen universallösning, och i dag saknas något som garanterar att tillämpningarna faktiskt får genomslag.

Digitala brev sparar papper och transporter

När myndighetsposten blev digital fick miljoner svenskar sina brev i en app i stället för i brevlådan. Servrarna bakom Min myndighetspost och Kivra drar el. Papperet, kuvertet, sorteringen och lastbilen kostar däremot ingenting längre.

Siffrorna finns hos digitaliseringsmyndigheten Digg och Post- och telestyrelsen, PTS. Antalet digitala brevlådor anslutna till den offentliga sektorns post gick enligt Diggs statistik från 310 000 år 2015 till 6,9 miljoner år 2025. I augusti 2026 hade 7 miljoner privatpersoner och företag en sådan, med 369 anslutna avsändare, och genom dem gick 114 miljoner meddelanden under 2025. Samtidigt distribuerades 964 miljoner brevförsändelser på hela den svenska brevmarknaden under 2025, en minskning med 8 procent på ett år och med 72 procent sedan slutet av 1990-talet, enligt PTS rapport Svensk postmarknad 2026. Takten ökar enligt samma rapport: omkring 2 procent om året under 2000-talet, 5 under 2010-talet och 10 under 2020-talet. Rapportens egen rubrik för avsnittet lyder Digital substitution leder till fortsatt fallande brevvolymer.

Vad kostar då servrarna? Den enda reviderade svenska siffran är gammal men talande. Kivra lät 2019 revisionsbyrån PwC granska bolagets klimatavtryck för 2018 enligt ISO 14067, standarden för produkters klimatavtryck. Resultatet blev 0,98 gram koldioxidekvivalenter per försändelse, totalt 72 ton fördelat på 74 miljoner försändelser, och själva serverdriften stod för ungefär ett ton av dem. Nyare oberoende livscykelanalyser av ett svenskt pappersbrev mot ett digitalt har vi inte hittat, så vi avstår från att sätta ett gramtal på pappersbrevet.

Två förbehåll även här. PTS och PostNord listar fler drivkrafter än digitaliseringen bakom brevraset: portot för ett vanligt brev höjdes från 18 till 22 kronor i januari 2025 och posten delas numera ut varannan dag. Rekyleffekten, att billigare utskick skulle ge fler, syns däremot inte i den här kanalen: antalet meddelanden i den offentliga digitala posten sjönk med 4 procent under 2025 trots fler brevlådor, enligt Digg.

Där ligger liknelsen. AI:n som skriver referatet drar el, precis som servern som levererar brevet. Vinsten uppstår när något fysiskt och långsamt faktiskt försvinner, inte när samma sak bara görs snabbare och oftare.

Användningen avgör fotavtrycket

Det som står sig är dubbelheten: en AI-fråga drar mindre el än nio sekunder tv, och datacentren är på väg att dra lika mycket el som hela Japan. Effektivare kretsar löser inte det, de gör varje fråga billigare och därmed fler. Det som avgör är vad vi ställer frågorna om, och den som bara upprepar den ena halvan har valt berättelse åt dig.

Vi publicerar löpande källgranskade genomgångar av AI:s verkliga effekter. Prenumerera på nyhetsbrevet så missar du dem inte.