AI-агенти у 137 разів енергоємніші за звичайні чат-боти — дослідження KAIST
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh. Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може...
ОпублікувавВідредаговано за допомогою DeepSeek-V4-FlashЗображення створено за допомогою GPT Image 1.5
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh.
Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може різко зрости: за одним із сценаріїв, попит може досягти половини загального електросп...
Час простою GPU під час багатокрокових робочих процесів агентів досягає 54,5% від загального часу виконання, що вказує на глибоку неефективність використання поточного обладнання.
Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional cAI-generated editorial hero image for Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional c.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional c. Article summary: Here is what the KAIST study (led by Professor Yoo Min-soo of the School of Electrical and Electronic Engineering) found, based on reports released on July 5, 2026. This is described as the world's first systematic quant. Topic tags: general, academic, general web, education, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
openai.com
Нове дослідження Корейського передового інституту науки і технологій (KAIST), опубліковане 5 липня 2026 року командою професора Ю Мін-су, вперше кількісно визначає цей розрив: AI-агенти споживають приблизно у 136–137 разів більше енергії на один запит, ніж традиційні чат-боти . Це викликає нагальні питання щодо майбутнього попиту на електроенергію та викидів від дата-центрів. Ось що виявило дослідження і чому це важливо.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI-агенти у 137 разів енергоємніші за звичайні чат-боти — дослідження KAIST"?
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh.
What are the key points to validate first?
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh. Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може різко зрости: за одним із сценаріїв, попит може досягти половини загального електросп...
What should I do next in practice?
Час простою GPU під час багатокрокових робочих процесів агентів досягає 54,5% від загального часу виконання, що вказує на глибоку неефективність використання поточного обладнання.
AI-агенти у 137 разів енергоємніші за звичайні чат-боти — дослідження KAIST
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh. Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може...
ОпублікувавВідредаговано за допомогою DeepSeek-V4-FlashЗображення створено за допомогою GPT Image 1.5
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh.
Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може різко зрости: за одним із сценаріїв, попит може досягти половини загального електросп...
Час простою GPU під час багатокрокових робочих процесів агентів досягає 54,5% від загального часу виконання, що вказує на глибоку неефективність використання поточного обладнання.
Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional cAI-generated editorial hero image for Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional c.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What did the KAIST study find about the energy consumption of AI agents compared to traditional c. Article summary: Here is what the KAIST study (led by Professor Yoo Min-soo of the School of Electrical and Electronic Engineering) found, based on reports released on July 5, 2026. This is described as the world's first systematic quant. Topic tags: general, academic, general web, education, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
openai.com
Нове дослідження Корейського передового інституту науки і технологій (KAIST), опубліковане 5 липня 2026 року командою професора Ю Мін-су, вперше кількісно визначає цей розрив: AI-агенти споживають приблизно у 136–137 разів більше енергії на один запит, ніж традиційні чат-боти . Це викликає нагальні питання щодо майбутнього попиту на електроенергію та викидів від дата-центрів. Ось що виявило дослідження і чому це важливо.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "AI-агенти у 137 разів енергоємніші за звичайні чат-боти — дослідження KAIST"?
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh.
What are the key points to validate first?
Нове дослідження KAIST виявило, що AI агенти споживають приблизно у 137 разів більше електроенергії на один запит, ніж звичайні чат боти: 348,41 ват години (Wh) проти приблизно 2,55 Wh. Дослідження попереджає, що якщо AI агенти набудуть масового поширення без підвищення ефективності, навантаження на дата центри може різко зрости: за одним із сценаріїв, попит може досягти половини загального електросп...
What should I do next in practice?
Час простою GPU під час багатокрокових робочих процесів агентів досягає 54,5% від загального часу виконання, що вказує на глибоку неефективність використання поточного обладнання.
Дослідження виміряло ресурси, які споживають наявні AI-агенти, і виявило вражаючу різницю. Використовуючи велику мовну модель (LLM) із 70 мільярдами параметрів — рівень найпотужніших сучасних комерційних сервісів — AI-агент споживав у середньому 348,41 ват-години (Wh) на один запит. Традиційний генеративний AI-чат-бот, який виконує одноразове запитання-відповідь, використовував лише близько 2,55 Wh. Це приблизно в 136,5–136,6 раза більше . У деяких англомовних звітах це число округлюють до 137 .
Час відповіді AI-агента також зріс — до 153,7 раза порівняно зі звичайним чат-ботом . Причина в тому, що агенти виконують багато кроків: планування, пошук інформації, обчислення, виконання коду, щоб досягти мети, тоді як чат-бот лише один раз генерує відповідь.
Чому агенти такі витратні
На відміну від чат-бота, який відповідає на одне запитання за один прохід, AI-агент автономно планує, шукає, обчислює, виконує код і проходить через кілька ітерацій, щоб виконати завдання. Кожен крок вимагає окремого запуску LLM, що значно збільшує обчислення та споживання енергії .
Дослідники виявили, що AI-агенти звертаються до LLM у середньому в 9,2 раза частіше, ніж стандартні чат-боти . Більше того, через необхідність використовувати зовнішні інструменти, графічні процесори (GPU) простоювали до 54,5% від загального часу виконання . Це означає, що обладнання працює неефективно, споживаючи енергію навіть у режимі очікування.
Яким буде вплив на дата-центри?
Дослідники змоделювали сценарій, за якого щоденно виконується 13,7 мільярда запитів до AI-агентів. Вони підрахували, що попит на електроенергію для дата-центрів може досягти приблизно 198,9 гігавата (GW). Для порівняння: це майже половина середнього загального споживання електроенергії в США . Це значно перевищує потужності дата-центрів, які зараз плануються в усьому світі.
Хоча самі автори дослідження не наводять глобальних прогнозів викидів CO₂, інші дослідження показують, що дата-центри вже відповідають за 2,5–3,7% світових викидів парникових газів , і частка AI в цьому зростає. Якщо AI-агенти стануть масовими, це може призвести до значного збільшення викидів.
Дослідники наголошують, що ці результати не є вироком. Вони вказують на необхідність розробки більш ефективних алгоритмів, оптимізації апаратного забезпечення та впровадження «енергетично свідомого» дизайну AI-систем .
Дослідження виміряло ресурси, які споживають наявні AI-агенти, і виявило вражаючу різницю. Використовуючи велику мовну модель (LLM) із 70 мільярдами параметрів — рівень найпотужніших сучасних комерційних сервісів — AI-агент споживав у середньому 348,41 ват-години (Wh) на один запит. Традиційний генеративний AI-чат-бот, який виконує одноразове запитання-відповідь, використовував лише близько 2,55 Wh. Це приблизно в 136,5–136,6 раза більше . У деяких англомовних звітах це число округлюють до 137 .
Час відповіді AI-агента також зріс — до 153,7 раза порівняно зі звичайним чат-ботом . Причина в тому, що агенти виконують багато кроків: планування, пошук інформації, обчислення, виконання коду, щоб досягти мети, тоді як чат-бот лише один раз генерує відповідь.
Чому агенти такі витратні
На відміну від чат-бота, який відповідає на одне запитання за один прохід, AI-агент автономно планує, шукає, обчислює, виконує код і проходить через кілька ітерацій, щоб виконати завдання. Кожен крок вимагає окремого запуску LLM, що значно збільшує обчислення та споживання енергії .
Дослідники виявили, що AI-агенти звертаються до LLM у середньому в 9,2 раза частіше, ніж стандартні чат-боти . Більше того, через необхідність використовувати зовнішні інструменти, графічні процесори (GPU) простоювали до 54,5% від загального часу виконання . Це означає, що обладнання працює неефективно, споживаючи енергію навіть у режимі очікування.
Яким буде вплив на дата-центри?
Дослідники змоделювали сценарій, за якого щоденно виконується 13,7 мільярда запитів до AI-агентів. Вони підрахували, що попит на електроенергію для дата-центрів може досягти приблизно 198,9 гігавата (GW). Для порівняння: це майже половина середнього загального споживання електроенергії в США . Це значно перевищує потужності дата-центрів, які зараз плануються в усьому світі.
Хоча самі автори дослідження не наводять глобальних прогнозів викидів CO₂, інші дослідження показують, що дата-центри вже відповідають за 2,5–3,7% світових викидів парникових газів , і частка AI в цьому зростає. Якщо AI-агенти стануть масовими, це може призвести до значного збільшення викидів.
Дослідники наголошують, що ці результати не є вироком. Вони вказують на необхідність розробки більш ефективних алгоритмів, оптимізації апаратного забезпечення та впровадження «енергетично свідомого» дизайну AI-систем .
