Synthalia 2025
Analisi delle emissioni di CO₂e per contenuti generati con IA e relativa attività di promozione e fruizione
Riassunto
Questo documento quantifica le emissioni climalteranti (CO₂e) associate a un insieme di output generati con modelli di intelligenza artificiale (video, immagini, audio) e alla fase di promozione e fruizione online (YouTube, Facebook e altri social). Le stime sono calcolate nello scenario ‘globale’ utilizzando un fattore di 445 gCO₂/kWh per la conversione energia→CO₂e. Per la compensazione, è stato adottato l’albero Swietenia macrophylla (mogano) di Treedom e, su esplicita ipotesi, si considera che nei primi 5 anni assorba il 15% del totale indicato (1.200 kg), pari a 180 kg CO₂ per albero.
Introduzione e contesto
L’analisi nasce dall’esigenza di misurare e comunicare in modo trasparente l’impatto ambientale delle produzioni creative del progetto Synthalia, che fanno largo uso di strumenti generativi (Runway Gen‑4, MiniMax Hailuo, Kling, modelli di image generation, sistemi text‑to‑audio e sintesi vocale) e attività di diffusione su piattaforme digitali. Si adotta un approccio ‘operativo’ focalizzato sulle emissioni derivanti dall’uso di infrastrutture cloud e dalla fruizione in streaming, escludendo intenzionalmente le generazioni effettuate negli hardware domestici poiché la produzione locale è alimentata da impianto fotovoltaico con accumulo e bilancio annuo positivo.
Metodo
Il calcolo procede in tre passaggi:
- definizione di unità funzionali per ciascuna tipologia di contenuto (es. clip video da 10 s, immagine singola, brano audio da 3,5 min medi),
- stima dell’energia elettrica per unità generata e conversione in CO₂e con un fattore d’intensità elettrica globale pari a 0,445 kgCO₂/kWh,
- somma delle emissioni per macro‑aree e attività di promozione/distribuzione
Per i video YouTube, le emissioni dipendono dal tempo di visione complessivo (watch time), calcolato con un intervallo 36–55 gCO₂e per ora di streaming in linea con stime IEA e Carbon Trust/DIMPACT. Per i social, in assenza di metriche affidabili su visualizzazioni e tempi di permanenza, si assume una quota conservativa pari al 5% del subtotale (generazione IA + YouTube).
Dati, assunzioni e limiti
- Conversione energia→CO₂e: fattore ‘globale’ 0,445 kgCO₂/kWh.
- Intervalli energetici per unità: derivati da letteratura tecnica e misurazioni pubbliche su modelli generativi (immagini, video brevi 6–10 s, text‑to‑audio) e scalati per durata e numero di frame quando opportuno.
- YouTube: calcolo sulle ore di visione aggregate; intervallo 36–55 gCO₂e/h.
- Social: 5% del subtotale (IA + YouTube).
- Compensazione: Treedom ‘Caoba’ (Swietenia macrophylla), 1.200 kg CO₂ totali indicati; ipotesi di progetto: 15% di tale valore nei primi 5 anni (180 kg/albero).
- Limiti: i fornitori non pubblicano i kWh per generazione; gli intervalli riflettono incertezza metodologica e variabilità infrastrutturale.
Le stime energetiche ed emissive associate alle generazioni IA sono derivate da intervalli riportati in letteratura su modelli di deep learning (Patterson et al., 2021; Luccioni et al., 2022; Schwartz et al., 2019; Lacoste et al., 2019), adattati a unità funzionali (clip, immagini, audio) e scalati per durata e quantità.
Risultati – Emissioni per categoria (scenario globale)
La tabella seguente riporta, per ciascuna macro‑area, il consumo energetico stimato (min–max), le emissioni equivalenti (min–max)
| Categoria | Numero | Tipo | Energia (kWh) min-max | Emissioni (kgCO₂e) min-max |
|---|---|---|---|---|
| MiniMax Hailuo – Sigla | 255 | clip da 6s | 2.8 – 17.3 | 1.25 – 7.72 |
| Runway Gen-4 – Animazioni generiche | 982 | clip da 10s | 18.7 – 111.0 | 8.30 – 49.38 |
| Runway Gen-4 – Avatar Zenithra | 755 | clip da 10s | 104.5 – 621.5 | 46.50 – 276.57 |
| Generatori video generici – Video Musicali | 5500 | clip da 10s | 14.3 – 85.3 | 6.38 – 37.97 |
| Immagini ChatGPT | 315 | immagine | 0.0 – 0.1 | 0.00 – 0.04 |
| Audio Suno | 150 | audio da 3,5min | 1.8 – 14.1 | 0.80 – 6.27 |
| Audio Udio | 200 | audio da 32s | 0.6 – 3.0 | 0.27 – 1.33 |
| Altri strumenti (analoghi a Suno) | 30 | audio da 3,5min | 0.4 – 2.8 | 0.16 – 1.25 |
| Elevenlabs – Sintesi Vocale | 165 | file audio | 0.1 – 0.2 | 0.03 – 0.05 |
| Dreamface – Lipsync | 245 | clip da 8s | 0.4 – 3.9 | 0.17 – 1.74 |
| TOTALE | – | – | 143.6 – 859.2 | 63.8 – 382.4 |
Stima emissioni YouTube
Intervallo calcolato da ore di visione complessive e fattore 36–55 gCO₂e/ora. I dati sono aggiornati al 21 settembre 2025.
| Video | Durata (min) | Visualizzazioni | Ore di visione | Emissioni (kgCO₂e) min-max |
|---|---|---|---|---|
| Comunicato Ufficiale – 19.04.2025 | 5:37 | 13820 | 202,0 | 7.3 – 11.1 |
| Synthalia 2025 – 21.05.2025 | 120:05 | 1002 | 587,8 | 21.2 – 32.3 |
| Video musicali singoli, shorts | variabile | 4225 | 194,0 | 7.0 – 10.7 |
| TOTALE | – | – | – | 35.5 – 54.1 |
Riepilogo complessivo
- Subtotale (IA + YouTube): 99.4 – 436.5 kgCO₂e.
- Social (5% del subtotale): 5.0 – 21.8 kgCO₂e.
- Totale complessivo: 104.4 – 458.3 kgCO₂e.
Compensazione
Per la compensazione si è scelta la specie Swietenia macrophylla (in spagnolo “Caoba”, su Treedom). La pagina di progetto indica 1.200 kg di CO₂ come valore di assorbimento totale atteso per albero su un orizzonte pluridecennale. Ai fini del presente report si assume che nei primi 5 anni l’albero assorba il 15% di tale totale, pari a 180 kg CO₂.
Nel caso specifico, assumendo il valore massimo di emissioni pari a 458,3 kg CO₂e, saranno piantati 3 alberi di Swietenia macrophylla (Caoba) per garantire la compensazione.
Nota metodologica: Treedom fornisce per molte specie anche valori su 10 anni o medi annui; quando disponibili, è possibile tradurre direttamente i kg/anno in kg su 5 anni. In assenza di un profilo temporale dettagliato per la Caoba, l’ipotesi del 15% nei primi 5 anni è dichiarata come stima e andrà aggiornata qualora Treedom pubblichi curve di crescita e assorbimento più granulari.
E’ già stata creata la foresta Synthalia su Treedom, uno spazio virtuale e concreto al tempo stesso, pensato per raccogliere e valorizzare gli sforzi di compensazione ambientale. La foresta sarà aperta a contributi esterni: chiunque, singolo individuo, azienda o organizzazione, potrà piantare nuovi alberi e contribuire ad accrescerne il valore ecologico e simbolico, sostenendo così non solo gli obiettivi ambientali di Synthalia, ma anche quelli di iniziative affini che condividono la stessa visione di responsabilità ambientale e creatività sostenibile.
Conclusioni
L’analisi, pur basata su intervalli e assunzioni dichiarate, fornisce una base solida per il monitoraggio continuo dell’impatto dei contenuti IA e delle attività promozionali. I risultati evidenziano il peso relativo della generazione video e della fruizione su YouTube.
Tutti i progetti futuri di Synthalia seguiranno con coerenza questo approccio, che non si limita a stimare le emissioni ma le affronta con un percorso integrato di riduzione e compensazione. Ogni scelta sarà accompagnata da report pubblici, pensati per condividere in modo trasparente i risultati e le metodologie utilizzate. Allo stesso tempo, la nostra Community sarà parte attiva del processo, contribuendo in prima persona all’ampliamento e alla cura della nostra foresta, che diventa così un simbolo tangibile della responsabilità collettiva e del legame tra creatività, innovazione e sostenibilità.
Riferimenti e bibliografia
-
PATTERSON, D. et al. (2021). “Carbon Emissions and Large Neural Network Training.”.
-
LUCCIONI, A. S., VIGUIER, S., & LIGOZAT, A.L. (2022). “Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model.”
-
SCHWARTZ, R. et al. (2019). “Green AI.” Communications of the ACM, 63(12), 54–63.
-
LACOSTE, A. et al. (2019). “Quantifying the Carbon Emissions of Machine Learning.” arXiv:1910.09700.
-
IEA, Electricity 2025 – Emissions
-
IEA, The carbon footprint of streaming video: fact-checking the headlines
-
Carbon Trust, Carbon impact of video streaming
-
Treedom, Caoba (Swietenia macrophylla)
-
YouTube Analytics