- Op AI gebaseerde energiebesparende modi, zoals die van Apple in iOS 26, analyseren het gebruik van de mobiele telefoon en passen deze dynamisch aan om de batterijduur te verlengen.
- Modellen zoals DeepSeek hebben aangetoond dat het mogelijk is om de trainingsenergie met wel 75% te verminderen ten opzichte van GPT-4, terwijl de prestaties goed blijven.
- De duurzaamheid van AI hangt evenzeer af van de efficiëntie als van de energiebron, waardoor het gebruik van hernieuwbare energiebronnen en in sommige gevallen kernenergie wordt bevorderd.
- De toekomst van energiezuinige AI ligt in het optimaliseren van modellen en hardware, het verbeteren van energiebeheer en het verkennen van technologieën zoals kwantumcomputing.
De aankomst van de kunstmatige intelligentie voor mobiele apparaten, datacenters en clouddiensten Het heeft niet alleen onze manier van technologiegebruik veranderd, maar ook het energieverbruik enorm doen stijgen. Elke keer dat je chat met een ChatGPT-achtig model, een geavanceerde spraakassistent gebruikt of een slimme modus op je telefoon activeert, is er een enorme infrastructuur op de achtergrond aan het werk... en dat kost batterij en elektriciteit.
Ondertussen zoeken fabrikanten zoals Apple en bedrijven die grote modellen trainen, zoals OpenAI of DeepSeek, naar manieren om Energieverbruik verlagen en AI efficiënter en duurzamer makenVan op AI gebaseerde energiebesparende modi op de iPhone tot datacenters die worden aangedreven door hernieuwbare energie of zelfs kernenergie: het doel is duidelijk: kunstmatige intelligentie moet zo min mogelijk energie verbruiken zonder prestatieverlies.
Wat bedoelen we met "welke kunstmatige intelligentie verbruikt minder batterij"?
Wanneer iemand vraagt Welke kunstmatige intelligentie verbruikt de minste batterij?In werkelijkheid worden twee verschillende niveaus van energieverbruik door elkaar gehaald, terwijl deze duidelijk van elkaar gescheiden zouden moeten zijn:
- Apparaatgebruik: wat je mobiele telefoon, tablet of computer gebruikt wanneer je AI-functies gebruikt (zoals de batterijbesparingsmodus van Apple).
- Cloud- of datacenterverbruik: de energie die nodig is om grote modellen zoals GPT-4 of DeepSeek te trainen en uit te voeren op externe servers.
In je dagelijks leven merk je vooral het volgende op: directe invloed op de batterij van je mobiele telefoon of laptopMaar achter de schermen is het energieverbruik in de datacenters waar generatieve AI-modellen worden getraind en uitgevoerd veel hoger. Daarom wordt er tegenwoordig zoveel gesproken over duurzaamheid, de digitale CO2-voetafdruk en welke modellen efficiënter dezelfde resultaten behalen met minder kosten.
Een deel van het antwoord heeft te maken met hoe AI in het apparaat is geïmplementeerd (zoals Apple doet met Apple Intelligence en de slimme batterijmodi), en een andere met welk specifiek model wordt er op de servers gebruikt? (Vergelijk bijvoorbeeld GPT-4 met DeepSeek wat betreft energieverbruik tijdens training en gebruik).

De door AI aangedreven batterijbesparingsmodus op de iPhone: hoe werkt het echt?
Apple heeft een opmerkelijke stap gezet: het bedrijf gebruikt nu zijn eigen Apple Intelligence, een kunstmatige intelligentie, verlengt de levensduur van de batterij. De iPhone maakt gebruik van een adaptieve energiebesparingsmodus. Dit is niet de klassieke 'energiebesparende modus' die we al jaren kennen, maar een nieuwe, slimmere en veel dynamischere functie.
Deze besparingsmodus is beschikbaar vanaf iOS 26 en latere compatibele modellen, analyses met behulp van AI je telefoongebruikspatronenMet andere woorden, observeer hoe, wanneer en waarvoor je je iPhone gebruikt: op welke tijdstippen je het meest games speelt, wanneer je meestal video's kijkt, of je veel tijd doorbrengt op sociale media met het scherm op maximale helderheid, enzovoort.
Wanneer het systeem detecteert dat u uw mobiele telefoon op dat moment bijzonder intensief gebruikt, iets dat een piek in batterijverbruik boven normaalDe door AI aangedreven energiebesparende modus wordt geactiveerd. Dit gebeurt geruisloos: de technologie werkt op de achtergrond en probeert ervoor te zorgen dat u nauwelijks iets merkt van de veranderingen, terwijl het energieverbruik waar mogelijk wordt verlaagd.
Tot de acties die deze modus kan uitvoeren behoren een aantal vrij duidelijke automatische aanpassingen:
- Slim afsluiten van apps op de achtergrond waarvan u geen gebruik maakt en die, zonder dat u het beseft, middelen uitputten.
- Automatische vermindering van de schermhelderheid naar een efficiënter niveau, hoewel je dit meteen zult merken als je het scherm op maximale helderheid gebruikt.
- Verlaagde verversingssnelheid van het scherm, waardoor het stroomverbruik van het paneel wordt verlaagd wanneer een minder vloeiende weergave vereist is.
- Prioriteit geven aan 4G-netwerken boven 5G In bepaalde situaties, omdat de 5G-verbinding, hoewel snel, in veel scenario's meer energie verbruikt.
Het idee achter al deze maatregelen is eenvoudig: om te compenseren voor de momenten waarop je veel van de telefoon vraagt. met aanpassingen die de batterijduur iets verlengen. Ja, het kan een beetje irritant zijn als de helderheid afneemt of bepaalde apps lijken te "verdwijnen" uit de achtergrond, maar het doel is dat de batterij Het zal niet binnen een paar uur verdampen.
Het belangrijkste verschil met de klassieke energiebesparende modus is dat Deze door AI aangedreven modus is noch vast, noch permanent.Het betekent niet dat je altijd dezelfde snijtechnieken moet toepassen. In plaats daarvan:
- Het wordt alleen op specifieke momenten geactiveerd., wanneer het een ongebruikelijk hoog verbruik detecteert.
- Pas de wijzigingen aan de context aan.Het doet niet altijd hetzelfde, maar bepaalt wat er afgespeeld wordt afhankelijk van wat je met je telefoon doet.
Traditionele energiebesparende modi zijn erg voorspelbaar: ze blokkeren achtergrondprocessen, verminderen de prestaties en helderheid, en dat is alles zolang ze actief zijn. Deze nieuwe aanpak Probeer wat "intelligenter" te zijn.: handelen wanneer het juist is en wanneer het echt nodig is.
iPhones die compatibel zijn met de AI-batterijbesparingsmodus
Deze geavanceerde energiebesparende modus is niet beschikbaar op alle iPhones waarop iOS 26 geïnstalleerd kan worden. Om hem te gebruiken, moet je aan bepaalde vereisten voldoen. minimale processor- en geheugenvereisten, omdat Apple Intelligence En de bijbehorende functies vereisen aanzienlijke energie en middelen.
In de praktijk betekent dit dat Alleen iPhones die compatibel zijn met Apple Intelligence kunnen gebruikmaken van de door AI aangedreven batterijbesparingsmodus.De lijst bevat de nieuwste modellen uit het assortiment, waaronder:
- iPhone 15 Pro en iPhone 15 Pro Max.
- iPhone 16, iPhone 16 Plus, iPhone 16 Pro en iPhone 16 Pro Max.
- iPhone 16e en andere modellen van dezelfde generatie die Apple Intelligence ondersteunen.
- iPhone Aireen geavanceerd model dat is ontworpen om van deze functies te profiteren.
- iPhone 17, iPhone 17 Pro en iPhone 17 Pro Maxwaarbij deze hele AI-laag volledig is geïntegreerd.
Apple beperkt de toegang tot deze functie omdat op oudere modellen... De ervaring zou noch soepel, noch efficiënt verlopen.Hoewel sommige oudere iPhones iOS 26 kunnen installeren, zijn hun chips en geheugen niet ontworpen om Apple Intelligence betrouwbaar te laten draaien, waardoor ze zijn uitgesloten van de energiebesparende AI-modus.
In feite geldt dit voor de meest recente modellen (zoals iPhone Air en de iPhone 17-familieDeze door AI aangedreven energiebesparende modus komt er mogelijk aan. standaard ingeschakeldJuist omdat de hardware zo is ontworpen dat er optimaal gebruik van wordt gemaakt zonder dat dit ten koste gaat van de prestaties.

Hoe activeer je de AI-batterijbesparingsmodus op iOS?
Bij sommige recente modellen is deze modus vanaf de eerste opstart ingeschakeld, maar dit is niet altijd het geval. Het wordt aanbevolen om... Controleer de instellingen handmatig in de instellingen van je iPhone. om ervoor te zorgen dat je er optimaal gebruik van maakt.
Het controleren en activeren van de batterijmodus is vrij eenvoudig, maar het is raadzaam de stappen zorgvuldig te volgen om verwarring met andere batterijmodi te voorkomen:
- Open de app Instellingen van je iPhone.
- Scroll naar beneden en ga naar het betreffende gedeelte. "Batterij", waar alle opties voor energieverbruik zijn gegroepeerd.
- Zoek in het menu "Batterij" en tik op “Verbruiksmodus” of het overeenkomstige gedeelte in uw versie van iOS.
- Op dat scherm ziet u verschillende opties met betrekking tot energiebesparing; zoek de gewenste optie. “Adaptieve consumptie”.
- Zet de schakelaar aan Adaptieve consumptie zodat de AI-batterijbesparingsmodus in werking treedt.
- Als u op de hoogte wilt blijven, kunt u deze optie ook inschakelen. Je ontvangt een melding wanneer de modus is geactiveerd.Hoewel hun filosofie is om op de achtergrond te werken zonder je al te veel te storen.
Zodra dit is gedaan, begint uw iPhone met... Leer van je gebruiksgewoonten En deze modus wordt automatisch geactiveerd wanneer er sprake is van een hoog energieverbruik. Je hoeft dit niet elke keer handmatig te doen: het mooie ervan is juist dat... AI neemt beslissingen voor je om de levensduur van de batterij te verlengen. zonder dat je de voortgangsbalk in de gaten hoeft te houden.
ChatGPT versus DeepSeek: Welk AI-model verbruikt minder energie?
Naast de batterij van je mobiele telefoon is een van de grootste vragen van vandaag: Welke AI-modellen zijn op grote schaal energiezuiniger?Hier komen giganten zoals OpenAI's ChatGPT-4 en alternatieven zoals DeepSeek in beeld, een model dat in China is ontwikkeld en veel aandacht heeft getrokken vanwege de resultaten... en de vermeende efficiëntie.
ChatGPT was de Het model van de eerste taal moet echt mainstream worden.Maar al snel doken er machtige rivalen op: Google GeminiGrok van xAI, LLaMA van Meta, en, meer recent, DeepSeek. Laatstgenoemde heeft in veel scenario's nog niet het wereldwijde niveau van ChatGPT bereikt, maar heeft wel iets belangrijks gepresteerd: Verlaag de energie- en economische kosten van uw training aanzienlijk..
Zoals experts op het gebied van risicomanagement en duurzaamheid uitleggen, zoals de AI-modellen worden steeds groter en geavanceerder.De hoeveelheid energie die nodig is om ze te trainen en te bedienen, schiet omhoog. Dit vertaalt zich niet alleen in miljoenen aan energierekeningen voor bedrijven, maar ook in een zeer aanzienlijke impact op het milieu.
In deze context presenteert DeepSeek zich als een model. veel efficiënter qua energieverbruik dan GPT-4, wat het debat heeft aangewakkerd over de vraag of het mogelijk is om een echt duurzame kunstmatige intelligentie te creëren zonder in te boeten aan concurrentievermogen.
Als we GPT-4 vergelijken met DeepSeek, slaat de balans qua rekenkracht duidelijk door naar de laatstgenoemde. Sommige experts hebben een zeer treffende vergelijking gemaakt... GPT-4 training met een "luxe SUV" diesel of benzineKrachtig, capabel, maar heeft veel brandstof nodig om lange afstanden af te leggen.
DeepSeek daarentegen zou zijn meer zoals een brandstofzuinige compacte autoHet lukt hem om van A naar B te komen met aanzienlijk minder energie, hoewel hij misschien niet dezelfde brute kracht of veelzijdigheid heeft als het grotere, duurdere model.

Energieverbruikscijfers: hoeveel stroom verbruiken GPT-4 en DeepSeek?
Om het verschil beter te begrijpen, is het nuttig om naar benaderende cijfers te kijken. Naar schatting geldt dat GPT-4 training, een van de modellen van OpenAI, Het bereikt of overschrijdt zelfs 400 MWh (megawattuur).Het is een enorme hoeveelheid energie die in één enkel AI-project is geconcentreerd.
Om dit in perspectief te plaatsen, is dit cijfer vergeleken met de elektriciteit die ongeveer 40 huizen een jaar lang zouden verbruiken compleet, rekening houdend met het gemiddelde jaarlijkse verbruik. Dat wil zeggen dat het trainen van één geavanceerde versie van een model zoals GPT-4 gelijk kan staan aan het jaarlijkse elektriciteitsverbruik van een kleine buurt.
DeepSeek daarentegen werkt met veel bescheidener cijfers: de training ervan wordt geschat op ongeveer 100 MWhDit impliceert ongeveer 75% minder energie dat GPT-4 de belangrijkste leerfase van het model voltooit.
Deze besparing van 75% is geen onbelangrijk detail. Het houdt in dat, om concurrerende resultaten te behalen (hoewel niet altijd op hetzelfde niveau als GPT-4), DeepSeek is erin geslaagd slechts een kwart van de energie te gebruiken.Dit vertaalt zich in lagere kosten, minder behoefte aan infrastructuur en, bovenal, een kleinere directe impact op het milieu.
Maar als we het over milieuefficiëntie hebben, is het niet voldoende om alleen naar het verbruik in MWh te kijken. Er speelt nog een andere belangrijke factor mee: de bron van de gebruikte energieHet maakt geen verschil of die 100 of 400 MWh afkomstig is van hernieuwbare energiebronnen of van fossiele brandstoffen.
Digitale CO2-voetafdruk en type energie gebruikt door AI
De oproep digitale CO2-voetafdruk Het meet de milieu-impact die gepaard gaat met het gebruik van technologieën, waaronder kunstmatige intelligentie. In het geval van modellen zoals ChatGPT of DeepSeek telt het niet alleen hoeveel elektriciteit ze verbruiken, maar ook... Waar komt die elektriciteit vandaan?.
Als een model voornamelijk wordt getraind en uitgevoerd met energie uit fossiele brandstoffen (kolen, gas, olie), zullen de bijbehorende CO₂-uitstoot zeer hoog zijn, zelfs als er in absolute termen iets minder elektriciteit wordt verbruikt. Daarentegen, als de energie afkomstig is van hernieuwbare bronnenDe CO2-uitstoot wordt aanzienlijk verminderd.
Daarom vinden veel experts dat de bedrijven achter deze modellen het volgende zouden moeten aanbieden: transparante gegevens over hun uitstoot en het type energie dat ze gebruikenZonder die informatie is het moeilijk om eerlijk te beoordelen welk model werkelijk duurzamer is.
Volgens cijfers van het Internationale Energieagentschap (IEA) datacenters die AI-servers hosten zijn verantwoordelijk voor bijna de 1% van het wereldwijde elektriciteitsverbruikEen cijfer dat toeneemt naarmate AI in meer diensten en bedrijven wordt geïntegreerd.
Als reactie daarop hebben techreuzen zoals Google, Microsoft en AWS geïnvesteerd in Datacenters die volledig op hernieuwbare energie draaien. of in ieder geval een zeer hoog percentage. Dit houdt in dat er langetermijncontracten voor de afname van elektriciteit (PPA's) worden afgesloten of dat er infrastructuur wordt gebouwd in de buurt van overvloedige hernieuwbare energiebronnen.
Hernieuwbare energiebronnen, kernenergie en het beschikbaarheidsprobleem.
De belangrijkste hernieuwbare energiebronnen die worden gebruikt om datacenters en AI-systemen van stroom te voorzien, zijn onder andere: zonne-, wind-, geothermische en waterkrachtenergieZo draaien sommige faciliteiten van Google en Microsoft bijvoorbeeld al voor een zeer groot percentage op hernieuwbare energie, en hebben bedrijven zoals AWS miljoenen dollars geïnvesteerd in landen als Spanje om datacenters te bouwen die op deze bronnen draaien.
Het gebruik van hernieuwbare energiebronnen vermindert direct de CO₂-uitstoot. Het is verbonden met de training en het continue gebruik van AI-modellen. Maar het heeft een groot nadeel: intermittentieDe zon schijnt niet altijd en de wind waait niet constant, waardoor het moeilijk is om met alleen deze bronnen een stabiele 24/7-voorziening te garanderen.
Om dit probleem te verlichten, investeren veel bedrijven in energieopslagsystemen, zoals grote batterijen, die elektriciteit opslaan tijdens perioden van lage vraag of hoge productie van hernieuwbare energie. Hierdoor kunnen servers blijven functioneren wanneer de stroomproductie daalt, hoewel het ook Verhoogt de kosten en de technische complexiteit..
In de Verenigde Staten wint een andere oplossing aan populariteit: het gebruik van Kernenergie als een "schone" en stabiele energiebron voor datacenters.Hoewel kernenergie hevige debatten oproept (vanwege veiligheid, afval, enz.), zijn de CO₂-uitstoot gedurende de gehele levenscyclus zeer laag, vergelijkbaar met sommige hernieuwbare energiebronnen.
In tegenstelling tot zonne- of windenergie biedt kernenergie een constante en ononderbroken leveringDit maakt het een ideale kandidaat voor datacenters die 24/7 ononderbroken moeten functioneren. Deze continuïteit is met name relevant voor kritieke AI-gebaseerde applicaties, zoals medische diagnose of autonoom transportwaarbij een systeemstoring ernstige gevolgen kan hebben.
Sommige experts wijzen er zelfs op dat het simpelweg gebruiken van hernieuwbare energiebronnen niet voldoende is: AI-bedrijven moeten Garandeer een stabiele levering met krachtige back-upsystemen.Hetzij met batterijen met een hoge capaciteit, hetzij met hybride energiecombinaties (bijvoorbeeld hernieuwbare energie + kernenergie).
Risico's van stroomuitval in kritieke AI-systemen
Kunstmatige intelligentie heeft behoeften een constante energiestroom Voor training en gebruik. Een groot model is niet iets dat je zomaar aan- en uitzet als een knop: erachter zitten serverclusters, koelsystemen en netwerken die stabiel moeten blijven.
Als ze voorkomen stroomuitval in datacentersDe gevolgen kunnen veel verder reiken dan "Ik kan de chat een tijdje niet gebruiken." In cruciale sectoren waar AI een steeds belangrijkere rol speelt, kunnen de gevolgen van een storing ernstig zijn.
Stel je bijvoorbeeld eens voor dat... AI-gebaseerd medisch diagnosesysteem in een ziekenhuisAls dit systeem afhankelijk is van externe servers die uitvallen door een stroomstoring, kunnen belangrijke diagnoses of klinische beslissingen vertraagd worden. Evenzo, een autonoom transportsysteem Een systeem dat afhankelijk is van een AI-infrastructuur die in een datacenter wordt gehost, kan in gevaar komen bij een langdurige storing.
Daarom wordt er zo sterk de nadruk gelegd op het feit dat bedrijven, naast het zoeken naar schone energiebronnen, ook moeten Zorg voor redundantie, back-upsystemen en noodplannen.Duurzame energie is goed, maar mag niet ten koste gaan van de betrouwbaarheid wanneer het gaat om diensten waarbij levens of grote infrastructuren op het spel staan.

Kwantumcomputing: de grote belofte voor het terugdringen van AI-gebruik.
Een van de meest veelbelovende onderzoekslijnen op dit gebied is het gebruik van kwantumcomputing om het energieverbruik van AI te verminderenTraditionele computers representeren informatie met bits die alleen 0 of 1 kunnen zijn, terwijl kwantumcomputers werken met qubits, die meerdere toestanden tegelijk kan weergeven.
Deze eigenschap maakt het in theorie mogelijk om enorme hoeveelheden informatie veel efficiënter verwerken Bij bepaalde soorten problemen. Toegepast op kunstmatige intelligentie zou het betekenen dat complexe modellen getraind en uitgevoerd kunnen worden met veel minder energieverbruik dan met klassieke computers.
Sommige onderzoeken en experts suggereren dat, als de training van AI-modellen effectief kan worden overgedragen naar de kwantumomgeving, dit zou kunnen leiden tot... Verminder het energieverbruik met wel 90%. vergeleken met traditionele methoden. Dat wil zeggen, hetzelfde doen als nu, maar met een fractie van de energie.
Bedrijven zoals IBM hebben al aangetoond dat hun Kwantumplatformen kunnen simulaties van materialen en moleculen uitvoeren. Complexe taken sneller en efficiënter uitvoeren dan met traditionele systemen. Als dit type technologie wordt toegepast op AI-trainingsalgoritmes, zouden we dit in de toekomst kunnen zien. veel krachtigere en tegelijkertijd veel efficiëntere modellen vanuit een energetisch oogpunt.
Kwantumcomputing bevindt zich echter nog in een relatief vroeg commercieel stadium. Op korte termijn zullen grote verbeteringen in de efficiëntie van AI vooral voortkomen uit... Optimaliseer bestaande modellen, gebruik gespecialiseerde hardware en verbeter het energiebeheer in datacenters. dan vanwege de kwantumsprong zelf.
Strategieën voor efficiëntere AI: van mobiel tot datacenters
De uitdaging van het energieverbruik van AI kent geen simpele of eenduidige oplossing. Experts zijn het erover eens dat het noodzakelijk is een alomvattende aanpak die verschillende fronten combineert als we echt willen dat kunstmatige intelligentie op de lange termijn duurzaam is.
Tot de belangrijkste maatregelen die al worden uitgevoerd of onderzocht, behoren diverse complementaire werklijnen:
- Optimalisatie van AI-modellenLichtere architecturen, beter ontworpen algoritmen, compressietechnieken en "destillatie" om de bestandsgrootte te verkleinen zonder al te veel kwaliteitsverlies.
- Efficiëntere hardware: gespecialiseerde chips (zoals de volgende generatie GPU's, TPU's of ASIC's ontworpen voor AI) die meer prestaties per verbruikte watt bieden.
- Slim gebruik van het apparaat: modi zoals Apple's AI-batterijbesparing, die dynamisch de resources aanpassen om de batterijduur te verlengen zonder dat de gebruiker iets hoeft te doen.
- EnergiematrixverschuivingDatacenters migreren naar hernieuwbare energiebronnen en deze ondersteunen met kernenergie en grote batterijsystemen om de stabiliteit te garanderen.
- Transparantie en regelgevingdat bedrijven hun CO2-voetafdruk duidelijk communiceren en dat er normen worden vastgesteld om de efficiëntie van de modellen te beoordelen.
DeepSeek wordt vaak aangehaald als een goed voorbeeld daarvan. met een efficiëntere architectuur en trainingsaanpakHet is mogelijk om het energieverbruik te verlagen zonder dat dit ten koste gaat van de prestaties. Het zal niet altijd het "slimste" model zijn in elke benchmark, maar het laat zien dat er ruimte is om energie te besparen zonder geavanceerde functies op te geven.
Aan de gebruikerskant zijn er functies zoals Batterijbesparingsmodus met AI op de nieuwste iPhones Ze laten de andere kant van dezelfde medaille zien: het toepassen van kunstmatige intelligentie niet alleen om "meer dingen te doen", maar ook om Betere benutting van resources en verlenging van de batterijduur zonder dat je dingen handmatig hoeft uit te schakelen.
Over het algemeen is kunstmatige intelligentie die "minder batterij verbruikt" niet beperkt tot één enkel model of specifieke functie. Het is het resultaat van combineer efficiëntere modellen, geoptimaliseerde hardware en schonere energiebronnen.Zowel in uw zak als in de datacenters die deze hele technologische revolutie ondersteunen.
Redacteur gespecialiseerd in technologie- en internetvraagstukken met ruim tien jaar ervaring in verschillende digitale media. Ik heb gewerkt als redacteur en contentmaker voor e-commerce-, communicatie-, online marketing- en reclamebedrijven. Ik heb ook geschreven op websites over economie, financiën en andere sectoren. Mijn werk is ook mijn passie. Nu, via mijn artikelen in Tecnobits, probeer ik al het nieuws en de nieuwe kansen te verkennen die de wereld van de technologie ons elke dag biedt om ons leven te verbeteren.