Kým si doma spustíte lokálny model na svojom počítači, niekto iný práve spálil na jeho tréning toľko elektriny, že by ňou slovenská domácnosť vyšla niekoľko dní.
Otázka „a čo spotreba?" pritom v rozhovoroch o AI často zapadne pod koberec - právom sa pýtame na kvalitu odpovedí, nie na to, čo stojí za ich vznikom. Poďme sa na to pozrieť s číslami, ktoré sa dajú overiť.
Tréning: jednorazový výdavok, ktorý sa neopakuje
Tréning veľkého jazykového modelu je energeticky najdrahšia fáza celého životného cyklu - ale zaplatí sa len raz.
- GPT-3 (175 miliárd parametrov) podľa Pattersona a kol. (2021) spotreboval pri tréningu približne 1 287 MWh elektriny, čo zodpovedá zhruba 552 tonám CO₂ pri vtedajšej skladbe amerického energetického mixu.
- Meta Llama 3 405B podľa technickej správy Meta (2024) uvádza 30,84 milióna GPU-hodín na tréning. Pri výkone typickej H100 (okolo 700 W na kartu) to vychádza na rádovo desiatky GWh - presné číslo Meta neuvádza, ale rozsah je jasný.
- DeepSeek-V3 podľa zverejnenej technickej správy (2024) zvládol tréning za 2,788 milióna GPU-hodín na H800 kartách - teda zlomok oproti Llama 3 405B. Podstatný detail: väčšina tréningu prebehla na H800 s nižším výkonom, čo spotrebu ďalej znižuje.
Pre porovnanie so slovenskou realitou: priemerná slovenská domácnosť spotrebuje približne 2,5 až 3 MWh ročne (údaj kolíše podľa vykurovania). Tréning GPT-3 by teda pokryl ročnú spotrebu zhruba 400 domácností.
Prevádzka: tichý žrút, ktorý beží stále
Tu sa dostávame k veci, ktorá sa v diskusiách prehliada. Tréning je jednorazový, inferencia (prevádzka) je trvalá.
- Každý dotaz na veľký model znamená spustenie výpočtu na GPU. Pri modeli s miliardami parametrov ide o jednotky Wh na dotaz - pri veľkých modeloch sa to blíži k 1–3 Wh na jednu odpoveď.
- Pri 1 miliarde dotazov denne (čo je rádový odhad pre veľkých poskytovateľov) to znamená 1–3 GWh denne len na inferenciu.
- Podľa odhadu IEA (2024) spotrebovali dátové centrá v roku 2022 približne 460 TWh elektriny, čo je okolo 2 % globálnej spotreby. Do roku 2026 IEA očakáva nárast na 620–1 050 TWh - a práve AI je jedným z hlavných ťahúňov.
Slovenské podmienky: čo to znamená pre vás
Slovensko má v európskom porovnaní relatívne nízku cenu elektriny pre domácnosti - podľa Eurostatu (2024) sa pohybuje okolo 0,18–0,22 €/kWh vrátane daní a poplatkov. To mení výpočet:
- Ak by ste chceli natrénovať model porovnateľný s GPT-3 na slovenskej elektrine, zaplatili by ste približne 230 000 až 280 000 € len za elektrinu. A to nerátame hardvér, chladenie ani ľudí.
- Prevádzka menšieho lokálneho modelu (napr. 7B parametrov na jednej GPU s výkonom 350 W, 8 hodín denne) vás vyjde na približne 0,50–0,60 € denne - teda 15–18 € mesačne len za elektrinu. Ak model beží nonstop, je to 60–70 € mesačne.
Tu sa oplatí pripomenúť jednu pascu: lokálny model nie je automaticky ekologickejší. Ak ho spustíte na starom hernom počítači s vysokým príkonom a nízkou efektivitou na výpočet, môže byť spotreba na jeden dotaz vyššia než pri zdieľanom cloude, kde sa GPU vyťažujú naplno a chladenie je optimalizované. Rozhoduje vyťaženie hardvéru, nie to, či je „u vás doma".
Kde sa dá reálne ušetriť
- Kvantizácia modelu (napr. zo 16-bit na 4-bit) zníži pamäťové nároky aj výpočtový výkon potrebný na jeden dotaz - pri rovnakom hardvéri hovoríme o 2–4× nižšej spotrebe na dotaz.
- Batchovanie požiadaviek (spracovanie viacerých dotazov naraz) výrazne zvyšuje vyťaženie GPU. Pri cloude to robí poskytovateľ, pri lokálnom nasadení si to musíte ošetriť sami.
- Menší model na konkrétnu úlohu často stačí. Na sumarizáciu textu alebo klasifikáciu nepotrebujete 70B model - 7B alebo 8B model zvládne veľa a spotrebuje rádovo menej.
- Vypínanie modelu, keď ho nepoužívate, je banálne, ale pri lokálnom nasadení najčastejšie opomínané. Model, ktorý beží 24/7 a používate ho hodinu denne, je čisté plytvanie.
Čo si z toho vziať
Ak vás zaujíma vlastná energetická stopa pri práci s AI, najväčší vplyv má to, aký model používate a ako často. Tréning je jednorazový a mimo vašej kontroly - prevádzka je vo vašich rukách. Pri lokálnom nasadení si spočítajte príkon GPU, počet hodín behu a cenu za kWh; pri cloude je spotreba rozložená a ťažko merateľná, ale práve efektivita zdieľaného hardvéru býva vyššia, než sa na prvý pohľad zdá.
Nejde o to, či AI „žerie veľa" - ide o to, či ju používate na to, na čo stačí menší model. To je rozhodnutie, ktoré spravíte vy, nie poskytovateľ.
Energetická bilancia AI modelov: čo si odniesť pre prax na aiporadca.sk
- Tréning veľkých modelov je jednorazový výdavok v ráde stoviek MWh až desiatok GWh - nie opakujúci sa náklad.
- Prevádzka (inferencia) je pri veľkých poskytovateľoch trvalý a rastúci žrút - podľa IEA (2024) smeruje globálna spotreba dátových centier k 620–1 050 TWh do roku 2026.
- Lokálne nasadenie má zmysel len pri vysokom vyťažení - inak je cloud efektívnejší.
- Kvantizácia a menšie modely sú najúčinnejšie páky na zníženie spotreby na dotaz.
- Cena elektriny na Slovensku (0,18–0,22 €/kWh, Eurostat 2024) robí lokálny tréning ekonomicky nereálnym pre jednotlivca - prevádzka je zvládnuteľná, tréning nie.
Uvedené ceny elektriny a odvodené výpočty platia k dátumu vydania článku; poskytovatelia a dodávatelia ich menia, preto si aktuálne sadzby pred rozhodnutím overte.
Zdroje
- Patterson a kol. - Carbon Emissions and Large Neural Network Training, arxiv.org/abs/2104.10350 (citované 28. 9. 2026)
- Meta AI - The Llama 3 Herd of Models, ai.meta.com/research/publications (citované 28. 9. 2026)
- DeepSeek-AI - DeepSeek-V3 Technical Report, arxiv.org/abs/2412.19437 (citované 28. 9. 2026)
- IEA - Electricity 2024: Analysis and Forecast to 2026, iea.org/reports/electricity-2024 (citované 28. 9. 2026)
- Eurostat - Electricity prices for household consumers, ec.europa.eu/eurostat (citované 28. 9. 2026)
