AI op hernieuwbare stroom.

Waar je prompts worden beantwoord

Alle AI-inferentie voor Union AI draait op Scaleway Generative APIs, binnen de Europese Unie. Scaleway heeft al zijn AI-servers in één datacenter staan, DC5, dat het voor dit soort belasting heeft gebouwd. De cijfers hieronder zijn dus geen gemiddelde over een gemengd serverpark: het zijn de cijfers van het gebouw waar je prompts echt naartoe gaan.

Wat de cijfers betekenen

PUE (power usage effectiveness) is de totale energie die een datacenter gebruikt, gedeeld door wat de servers zelf gebruiken. Bij 1,25 kost elke kWh rekenwerk 0,25 kWh extra voor koeling en stroomvoorziening. Bij het wereldwijde gemiddelde van 1,55 is die overhead 0,55 kWh, meer dan twee keer zoveel.

Koelen zonder airco is waar het grootste deel van dat verschil vandaan komt. Het AI-datacenter blaast gefilterde buitenlucht door de servers en schakelt alleen verdampingskoeling (adiabatische koeling) bij als het buiten warmer is dan 28°C. Scaleway schat de besparing op koelenergie op 30 tot 40% ten opzichte van de rest van de markt.

WUE (water usage effectiveness) is het aantal liter water per kWh. De meeste datacenters gebruiken koeltorens, die het hele jaar door grote hoeveelheden water laten verdampen. Dit datacenter niet, en het gebruikt alleen water op warme dagen.

Je hoeft ons niet op ons woord te geloven. De exploitant publiceert de PUE van het AI-datacenter live, in realtime, met het cijfer over de afgelopen twaalf maanden ernaast.

Wat wij daaraan toevoegen

Het datacenter is het werk van Scaleway, niet het onze. Wat wij in de hand hebben, is hoeveel rekenwerk elk antwoord kost, en daar hebben we drie keuzes gemaakt.

• Geen GPU's die stil staan te wachten. We draaien serverless: de modellen staan op gedeelde hardware die veel klanten bedient, en we betalen per token. Er staat geen eigen grafische kaart aan te wachten op ons volgende request.
• Modellen die alleen het deel wekken dat ze nodig hebben. Onze modellen zijn mixture-of-experts-modellen, die per woord maar een deel van hun gewichten gebruiken. Standaard, de tier voor alledag, activeert per token ongeveer 3 miljard van zijn 35 miljard parameters.
• Zwaar alleen als het nodig is. Alledaagse vragen, samenvattingen en herschrijvingen gaan naar de lichtere tiers. Pro, het grootste model, is er voor de moeilijke problemen, niet voor elk bericht. Welk model achter elke tier zit, staat op de pagina over AI-transparantie.

Methode: energie per antwoord

Onder elk antwoord in de chat zie je een klein label als ≈ 0,2 Wh. Dat is een schatting, geen meting. Scaleway, dat de modellen voor ons draait, rapporteert geen energie per request, dus rekenen we het uit met wat we wel weten: hoeveel tokens het antwoord gebruikte, welke tier antwoordde en hoe efficiënt het datacenter is.

Alles wat je nodig hebt om het na te rekenen, staat hieronder: de formule, elk getal, een rekenvoorbeeld en de bronnen. Waar we twijfelen, ronden we naar boven af, dus als de schatting ernaast zit, zou dat aan de hoge kant moeten zijn. Methodeversie 1, herzien op 28 september 2026.

De formule

• Tokens zijn de aantallen die de modelprovider voor het antwoord rapporteert, dezelfde getallen die we voor de facturering meten. Er wordt niets geraden uit de lengte van de tekst. Een token is ongeveer driekwart woord.
• De input- en outputgetallen liggen per tier vast, in wattuur per 1.000 tokens, voor de grafische kaart en de rest van de server. Ze staan in de tabel hieronder.
• 1,25 is de PUE van het AI-datacenter (Scaleway, cijfers over 2024). Die telt de energie voor koeling en stroomvoorziening op bij die van de servers.
• 51,9 g CO₂e per kWh is het gemiddelde van het elektriciteitsnet waar het datacenter zijn stroom van haalt, over de hele levenscyclus (ADEME Base Empreinte, elektriciteit 2024).

Waar de getallen per tier vandaan komen

Niemand publiceert gemeten energie voor precies de modellen achter onze tiers, op de hardware en bij de belasting waarmee Scaleway ze draait. Daarom bouwen we elk getal in vier stappen op uit de dichtstbijzijnde gepubliceerde metingen.

1. Wat de grafische kaart per geschreven woord verbruikt. Uit het ML.ENERGY Leaderboard, dat de GPU-energie per outputtoken meet op NVIDIA H100-kaarten. We nemen het getal voor een matig drukke server (batchgrootte 64); drukke productieservers gebruiken per token 2 tot 5 keer minder. Waar een model niet is gemeten, rekenen we met 0,10 joule per miljard actieve parameters, de bovenkant van de bandbreedte die vergelijkbare modellen laten zien.
2. De rest van de server. Een GPU-getal laat de processor, het geheugen en machines die paraat staan maar niets doen buiten beschouwing. In de gemeten uitsplitsing van Google komen die er ongeveer 57% bovenop, dus we vermenigvuldigen met 1,6.
3. Je prompt lezen. Input wordt parallel gelezen en kost per token veel minder dan het antwoord schrijven: metingen komen uit tussen 1:10 en 1:35. We tellen een inputtoken als een vijfde van een outputtoken, wat een marge van minstens een factor twee overlaat.
4. Het slechtste geval per tier. Is het model van een tier niet beschikbaar, dan antwoordt een fallbackmodel. Elke tier krijgt het hoogste getal van zijn model en zijn fallbacks, naar boven afgerond, zodat een fallback de schatting nooit te laag maakt.

De getallen per tier

De kolommen input en output gelden voor alleen de server, zonder de overhead van het datacenter. De laatste twee kolommen zijn één middelgroot bericht van 900 tokens input en 500 output, met de overhead erbij.

Het getal van een tier is het hoogste van zijn eigen model en zijn fallbacks, dus twee tiers kunnen hetzelfde getal tonen. Zwaardere tiers verbruiken meer, omdat hun modellen voor elk woord dat ze schrijven meer parameters activeren.

Rekenvoorbeeld: één middelgroot bericht op Standard

Een middelgroot bericht is 900 tokens input (je vraag plus het gesprek tot dan toe) en 500 tokens output.

In de chat zie je dat als ≈ 0,2 Wh en ≈ 0,008 g CO₂e. Hetzelfde bericht op Pro, de zwaarste tier, komt uit op ongeveer 1,7 Wh.

Klopt dat een beetje?

• Epoch AI schat ongeveer 0,3 Wh voor een ChatGPT-vraag (GPT-4o) met 500 outputtokens, en noemt dat getal vrij pessimistisch.
• Google mat een mediaan van 0,24 Wh per tekstprompt in Gemini, alles inbegrepen.
• Onderzoekers van Microsoft komen voor grote modellen op H100-servers uit op een mediaan van 0,31 Wh per vraag.

Standard activeert ongeveer 3 miljard parameters per woord, dus dat die onder deze getallen uitkomt, is wat je zou verwachten. Pro activeert er veel meer en komt erboven uit: daar is ons naar boven afronden het best te zien.

CO₂: twee uitspraken, uit elkaar gehouden

1. De stroom is 100% hernieuwbaar. Scaleway levert het datacenter hernieuwbare stroom, gedekt door garanties van oorsprong. Een garantie van oorsprong is een certificaat dat er een gelijke hoeveelheid hernieuwbare stroom op het net is gezet, geen kabel van een windpark naar het gebouw.
2. Het CO₂e-getal rekent toch met het netgemiddelde. Met de certificaten meegeteld zou het bijna nul zijn. Wij tonen wat dezelfde stroom zou uitstoten tegen het gemiddelde van het net waar het datacenter op is aangesloten: 51,9 g CO₂e per kWh over de hele levenscyclus. Dat is hoger dan het eigen cijfer van de netbeheerder, dus het zit eerder te hoog dan te laag.

Wat de schatting niet dekt

• Geen meter per request. Elk getal is een schatting op basis van gepubliceerde metingen aan vergelijkbare modellen op vergelijkbare hardware.
• Gedeelde hardware. De modellen draaien op grafische kaarten die met andere klanten worden gedeeld. Hoe druk die zijn, verandert de energie per token met een factor 5 tot 10, en we kennen de belasting en de precieze kaarttypen bij Scaleway niet. We gaan uit van een matige belasting op kaarten van de H100-klasse.
• Nieuwere modellen. Voor geen van de modellen achter onze tiers is al een energiemeting gepubliceerd, dus hun getallen komen van hun voorgangers of uit hun omvang.
• Zeer lange prompts. Het getal per inputtoken is vast. Een prompt van honderdduizenden tokens kost per token meer dan dat, dus voor zo'n prompt op Lange context valt de schatting waarschijnlijk te laag uit.
• Training en productie. We draaien open-weight modellen die anderen hebben getraind, en we weten niet wat die training verbruikte. Het maken van de servers, de kaarten en het gebouw zit ook niet in het getal.
• Alleen het model. Onze website, database, betalingen en je eigen apparaat tellen niet mee.

Zodra Scaleway energie per request publiceert, of er betere metingen van deze modellen verschijnen, vervangen we de schatting en verhogen we de methodeversie.

Waar je het ziet

• Onder elk antwoord in de chat, met de CO₂e en een link naar dit deel.
• Voor het hele gesprek, bovenaan de chat.
• Per maand, bij Facturering: elk chatantwoord en elke API-call sinds de eerste van de maand.

Bronnen voor de schatting

Elk getal in dit deel komt uit een van deze bronnen:

• ML.ENERGY Leaderboard v3.0, H100 energy per output token (data of 2026-02-16)
• Chung et al., Where Do the Joules Go? Diagnosing Inference Energy Consumption (2026)
• Elsworth et al., Measuring the environmental impact of delivering AI at Google scale (2025)
• Epoch AI, How much energy does ChatGPT use? (2025)
• Oviedo et al., Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling (Joule, 2026)
• Delavande, Pierrard and Luccioni, Small Talk, Big Impact: The Energy Cost of Thanking AI (2026)
• Scaleway Impact Report 2025 (PDF)
• ADEME Base Empreinte, electricity 2024, average consumption mix

Wat we wel en niet beweren

• ✓Klopt: Elke AI-inferentie draait in een datacenter op 100% hernieuwbare stroom, binnen de Europese Unie.
• ✓Klopt: Dat datacenter heeft een PUE van 1,25 en wordt gekoeld zonder airco (Scaleway, cijfers over 2024).
• ✓Klopt: Elk chatantwoord toont een schatting van zijn energieverbruik en CO₂e, berekend met de gepubliceerde methode hierboven.
• ✕Klopt niet: “Klimaatneutrale AI.” De hernieuwbare levering is gedekt door garanties van oorsprong, niet door een windpark dat op het gebouw is aangesloten, en het maken van de servers heeft een eigen voetafdruk.
• ✕Klopt niet: “De modellen zijn op groene stroom getraind.” We draaien open-weight modellen die anderen hebben getraind. We kunnen niet nagaan op welke stroom die training draaide, dus beweren we het niet.
• ✕Klopt niet: “Onze hele stack is groen.” Deze cijfers gaan over inferentie. Websitehosting, de database en betalingen draaien bij de andere partijen op onze pagina subverwerkers, met hun eigen cijfers.
• ✕Klopt niet: “Gemeten energie per bericht.” Het getal onder elk antwoord is een schatting op basis van gepubliceerde metingen, naar boven afgerond, geen meterstand.

Bronnen

Alle cijfers over het datacenter zijn van Scaleway zelf, over 2024, uit het Scaleway Impact Report 2025 (pdf). Het wereldwijde PUE-gemiddelde van 1,55 is het cijfer van het Uptime Institute dat dat rapport aanhaalt. Waarom Europese hosting om meer draait dan energie, lees je in Europese soevereine AI.