AI på förnybar el.

Var dina prompter besvaras

All AI-inferens för Union AI körs på Scaleway Generative APIs, inom Europeiska unionen. Scaleway har alla sina AI-servrar i ett enda datacenter, DC5, som byggdes för just den här sortens last. Siffrorna nedan är alltså inte ett genomsnitt för en blandad serverpark: de gäller byggnaden som dina prompter faktiskt går till.

Vad siffrorna betyder

PUE (power usage effectiveness) är den totala energi ett datacenter använder delat med vad servrarna själva använder. Vid 1,25 kostar varje kWh beräkning 0,25 kWh extra för kylning och strömförsörjning. Vid det globala genomsnittet på 1,55 är påslaget 0,55 kWh, mer än dubbelt så mycket.

Kylning utan luftkonditionering är där det mesta av skillnaden kommer ifrån. AI-datacentret blåser filtrerad uteluft genom servrarna och lägger bara till evaporativ (adiabatisk) kylning när det är varmare än 28 °C ute. Scaleway uppger att det sparar 30 till 40 % av kylenergin jämfört med resten av marknaden.

WUE (water usage effectiveness) är liter vatten per kWh. De flesta datacenter använder kyltorn, som avdunstar stora mängder vatten året runt. Det här gör inte det, och använder bara vatten under varma dagar.

Du behöver inte ta vårt ord för det. Operatören publicerar AI-datacentrets PUE i realtid, med siffran för de senaste tolv månaderna bredvid.

Vad vi lägger till

Datacentret är Scaleways verk, inte vårt. Det vi styr över är hur mycket beräkning varje svar kräver, och där har vi gjort tre val.

• Inga GPU:er som står på tomgång. Vi kör serverlöst: modellerna ligger på delad hårdvara som betjänar många kunder, och vi betalar per token. Det finns inget dedikerat grafikkort som står påslaget och väntar på vårt nästa anrop.
• Modeller som bara väcker den del de behöver. Våra modeller är mixture-of-experts-modeller, som bara använder en del av sina vikter per ord. Standard, vardagsnivån, aktiverar ungefär 3 miljarder av sina 35 miljarder parametrar för varje token.
• Tungt bara när det behövs. Vardagsfrågor, sammanfattningar och omskrivningar går till de lättare nivåerna. Pro, den största modellen, finns för de svåra problemen, inte för varje meddelande. Vilken modell som ligger bakom varje nivå står på sidan om AI-transparens.

Metod: energi per svar

Under varje svar i chatten ser du en liten etikett som ≈ 0,2 Wh. Det är en uppskattning, inte en mätning. Scaleway, som kör modellerna åt oss, rapporterar inte energi per anrop, så vi räknar ut den utifrån det vi vet: hur många tokens svaret använde, vilken nivå som svarade och hur effektivt datacentret är.

Allt du behöver för att kontrollera den finns nedan: formeln, varje siffra, ett räkneexempel och källorna. Där vi är osäkra avrundar vi uppåt, så om uppskattningen är fel bör den vara fel åt det höga hållet. Metodversion 1, granskad 28 september 2026.

Formeln

• Tokens är de antal som modelleverantören rapporterar för svaret, samma siffror som vi mäter för faktureringen. Ingenting gissas utifrån textens längd. En token är ungefär tre fjärdedelar av ett ord.
• Input- och output-siffrorna är fasta per nivå, i wattimmar per 1 000 tokens, för grafikkortet och resten av servern. De står i tabellen nedan.
• 1,25 är AI-datacentrets PUE (Scaleway, data för 2024). Det lägger till energin för kylning och strömförsörjning ovanpå servrarna.
• 51,9 g CO₂e per kWh är genomsnittet för elnätet som datacentret hämtar el från, över hela livscykeln (ADEME Base Empreinte, el 2024).

Var siffrorna per nivå kommer ifrån

Ingen publicerar uppmätt energi för exakt de modeller som ligger bakom våra nivåer, på den hårdvara och last som Scaleway kör dem med. Därför bygger vi varje siffra i fyra steg utifrån de närmaste publicerade mätningarna.

1. Vad grafikkortet drar per ord det skriver. Från ML.ENERGY Leaderboard, som mäter GPU-energi per output-token på NVIDIA H100-kort. Vi tar siffran för en måttligt belastad server (batchstorlek 64); hårt belastade produktionsservrar drar 2 till 5 gånger mindre per token. Där en modell inte har mätts använder vi 0,10 joule per miljard aktiva parametrar, den övre delen av spannet som liknande modeller visar.
2. Resten av servern. En GPU-siffra utelämnar processorn, minnet och maskiner som hålls redo men står oanvända. I Googles uppmätta fördelning lägger de till ungefär 57 % ovanpå, så vi multiplicerar med 1,6.
3. Att läsa din prompt. Input läses parallellt och kostar betydligt mindre per token än att skriva svaret: mätningar lägger förhållandet mellan 1:10 och 1:35. Vi räknar en input-token som en femtedel av en output-token, vilket ger en marginal på minst två gånger.
4. Värsta fallet per nivå. Om en nivås modell inte är tillgänglig svarar en reservmodell. Varje nivå bär den högsta siffran av sin modell och sina reservmodeller, avrundad uppåt, så att en reservmodell aldrig gör uppskattningen för låg.

Siffrorna per nivå

Kolumnerna för input och output gäller bara servern, före datacentrets påslag. De två sista kolumnerna är ett medellångt meddelande med 900 tokens in och 500 ut, med påslaget inräknat.

En nivås siffra är den högsta av dess egen modell och dess reservmodeller, så två nivåer kan visa samma tal. Tyngre nivåer drar mer eftersom deras modeller aktiverar fler parametrar för varje ord de skriver.

Räkneexempel: ett medellångt meddelande på Standard

Ett medellångt meddelande är 900 tokens in (din fråga plus samtalet hittills) och 500 tokens ut.

I chatten visas det som ≈ 0,2 Wh och ≈ 0,008 g CO₂e. Samma meddelande på Pro, den tyngsta nivån, landar på ungefär 1,7 Wh.

Är det rimligt?

• Epoch AI uppskattar ungefär 0,3 Wh för en fråga till ChatGPT (GPT-4o) med 500 output-tokens, och kallar den siffran ganska pessimistisk.
• Google mätte en median på 0,24 Wh per textprompt till Gemini, allt inräknat.
• Forskare på Microsoft anger medianen för stora modeller på H100-servrar till 0,31 Wh per fråga.

Standard aktiverar ungefär 3 miljarder parametrar per ord, så att hamna under de siffrorna är vad man kan vänta sig. Pro aktiverar betydligt fler och hamnar över dem: det är där vår uppåtavrundning syns mest.

Koldioxid: två påståenden, hållna isär

1. Elen är 100 % förnybar. Scaleway förser datacentret med förnybar el styrkt med ursprungsgarantier. En ursprungsgaranti är ett certifikat på att en lika stor mängd förnybar el har matats in i nätet, inte en kabel från en vindkraftspark till byggnaden.
2. CO₂e-siffran använder ändå nätgenomsnittet. Räknade vi med certifikaten skulle den hamna nära noll. Vi visar vad samma el skulle släppa ut vid genomsnittet för det nät som datacentret är anslutet till: 51,9 g CO₂e per kWh över hela livscykeln. Det är högre än nätoperatörens egen siffra, så den felar åt det höga hållet.

Vad uppskattningen inte täcker

• Ingen mätare per anrop. Varje siffra är en uppskattning utifrån publicerade mätningar av liknande modeller på liknande hårdvara.
• Delad hårdvara. Modellerna körs på grafikkort som delas med andra kunder. Hur belastade de är ändrar energin per token med 5 till 10 gånger, och vi känner inte till Scaleways belastning eller exakta korttyper. Vi antar en måttlig belastning på kort i H100-klassen.
• Nyare modeller. Ingen av modellerna bakom våra nivåer har ännu en publicerad energimätning, så deras siffror kommer från föregångarna eller från deras storlek.
• Mycket långa prompter. Siffran per input-token är fast. En prompt på hundratusentals tokens kostar mer per token än så, så för en sådan prompt på Lång kontext är uppskattningen troligen för låg.
• Träning och tillverkning. Vi kör open-weight-modeller som andra har tränat, och vi vet inte vad den träningen drog. Tillverkningen av servrarna, korten och byggnaden ingår inte heller i siffran.
• Bara modellen. Vår webbplats, databas, betalningar och din egen enhet ingår inte.

När Scaleway publicerar energi per anrop, eller bättre mätningar av de här modellerna dyker upp, ersätter vi uppskattningen och höjer metodversionen.

Var du ser den

• Under varje svar i chatten, med CO₂e och en länk till det här avsnittet.
• För hela samtalet, högst upp i chatten.
• Per månad, under Fakturering: varje chattsvar och API-anrop sedan den 1:a.

Källor för uppskattningen

Varje siffra i det här avsnittet kommer från någon av dessa:

• 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

Vad vi påstår och inte påstår

• ✓Stämmer: Varje AI-inferens körs i ett datacenter på 100 % förnybar el, inom Europeiska unionen.
• ✓Stämmer: Det datacentret har ett PUE på 1,25 och kyls utan luftkonditionering (Scaleway, data för 2024).
• ✓Stämmer: Varje chattsvar visar en uppskattning av sin energiförbrukning och CO₂e, uträknad med den publicerade metoden ovan.
• ✕Stämmer inte: ”Klimatneutral AI.” Den förnybara tillförseln är styrkt med ursprungsgarantier, inte med en vindkraftspark kopplad till byggnaden, och tillverkningen av servrarna har ett eget avtryck.
• ✕Stämmer inte: ”Modellerna tränades på grön energi.” Vi kör open-weight-modeller som andra har tränat. Vi kan inte kontrollera vilken energi den träningen drevs med, så vi påstår det inte.
• ✕Stämmer inte: ”Hela vår stack är grön.” De här siffrorna gäller inferens. Hosting av webbplatsen, databasen och betalningar körs hos de andra parterna på vår sida om underbiträden, med sina egna siffror.
• ✕Stämmer inte: ”Uppmätt energi per meddelande.” Siffran under varje svar är en uppskattning utifrån publicerade mätningar, avrundad uppåt, inte en mätaravläsning.

Källor

Alla siffror om datacentret är Scaleways egna, för 2024, från Scaleway Impact Report 2025 (PDF). Det globala PUE-genomsnittet på 1,55 är den siffra från Uptime Institute som rapporten citerar. Varför europeisk hosting spelar roll bortom energin står i europeisk suverän AI.