担忧AI能耗激增？避免聊天机器人无济于事，这三招或许有用

快速阅读: ZDNET报道，AI投资增加能源需求，影响当地电网，企业和个人需管理AI碳足迹。AI系统能耗高，数据中心需求激增，专家建议提高能效和优化模型，以应对环境挑战。

ZDNET总结要点

人工智能投资增加能源需求，影响当地电网。

需将AI能耗与整体科技能耗相对比。

企业和个人有多种选择来管理其AI碳足迹。

人工智能无处不在，从智能手机、谷歌到工作工具，AI功能承诺让生活更轻松高效，但这对环境意味着什么？

随着AI投资和用户采用率的增长，技术的能源成本也在上升。AI系统由高性能计算系统组成，需要大量数据，这些数据存储在大型计算机网络——数据中心中。就像个人电脑一样，这些巨大的中心需要电力，而训练AI模型的过程比传统计算机功能消耗更多的计算资源。

谷歌首次披露Gemini查询的能耗情况。

然而，在我们每天已经使用的电力中，从办公室灯光、笔记本电脑到社交媒体，这种消耗实际上如何比较？技术的资源需求能否随着时间改变或改进？它节省的时间是否值得额外排放？关于个人AI碳足迹，你需要了解什么？

我们采访了专家和研究人员，以帮助解释AI如何真正使用能源，并回答你的可持续性问题，提供你可以采取的措施。以下是你需要知道的内容。

什么是数据中心？

AI系统的数据处理量和运行所需的计算能力远超简单任务。一个AI系统相当于一个人工大脑，需要数十亿的数据片段来寻找其中的模式。这就是为什么参数更大的模型在某些任务上表现更好——例如，一个基于40亿张猫图像训练的图像模型，应该能生成比基于1亿张图像训练的模型更逼真的猫图像。

所有这些知识都需要存储在某个地方。“云”不是抽象的存储概念，而是物理存在的数据中心，即一个大型园区，内含庞大的计算机网络，用于处理和存储海量数据，执行复杂的查询。

AI数据中心正变得“惊人地庞大”。

虽然这些大型计算农场一直存在，主要用于企业云服务，但在AI竞赛加剧且工具变得更便宜、更易获取的情况下，它们的需求比以往任何时候都高。

“大公司一直在将这些设施作为房地产资产进行管理。”穆迪公司的高级副总裁约翰·梅迪纳说，“每个人只需要一点点；他们不需要大量的容量。”

现在，他说，压力在于满足快速增长的客户群。这导致了能源使用量的增加，模型参数越多，计算需求越大。麻省理工学院林肯实验室的高级员工兼Radium公司首席技术官维贾伊·加德帕利解释道：“你甚至需要更多的计算资源来存储模型并能够处理它。”这些中心消耗的电力如此之多，以至于周围地区出现了电网功能扭曲和停电现象。为了缓解这种情况，谷歌同意在关键时期按公用事业公司的要求减少数据中心的电力使用，以保持电网的空间。

不过，Amber Semiconductor公司的创始人兼首席执行官塔尔·凯西认为，此举并不足够。

“这只是权宜之计，因为能源消耗只会继续上升。”他说，“对此无能为力。”

随着对AI的投资加速，数据中心的增长没有停止的迹象。今年1月就任后不久，唐纳德·特朗普总统宣布了一项5000亿美元的计划——“星际门项目”，得到OpenAI、软银和甲骨文等公司的支持，旨在建设“巨大”的50万平方英尺数据中心。这些公司被称为超大规模企业，是一个小而主导的集团，如微软、谷歌、Meta和AWS，正在建造大部分基础设施。

然而，梅迪纳指出，炒作周期可能夸大了数据中心增长与AI的关联度。当我们谈论超大规模企业、大型数据中心和AI数据中心时，容易混淆。大多数用途还是为了云计算服务，如存储和数据处理。他指出，尽管有很多讨论，但数据中心处理的AI相关任务相对较少。

人工智能热潮正在改变基础标准，使相对主义更难界定。“过去，我们没有如此巨大的需求。四兆瓦被视为超大规模。”梅迪纳说，“现在，50兆瓦、100兆瓦才成为最低标准。”

人工智能消耗多少能源？

开发平台Hugging Face的AI和气候负责人萨沙·卢乔尼博士在最近的一篇评论文章中承认，我们仍不清楚AI究竟消耗了多少能源，因为很少有公司公开其使用数据。谷歌刚刚发布了Gemini聊天机器人的排放量、能耗和水耗估算值，这些数值低于预期；尽管未经第三方审核，且数据未公开，但该公司表示，其方法考虑了以往计算中忽略的因素。

每个AI模型在医学上都不及格，LMArena提出了解决方案。

单个查询所消耗的资源只是冰山一角，考虑到目前已有数亿月度聊天机器人用户，30%的美国人正在积极使用AI。多项研究表明，随着AI需求的增长，能源消耗也在上升。2024年伯克利实验室的一项分析发现，近年来电力消耗与AI的发展同步呈指数增长。2017年，GPU加速服务器——专门用于AI的硬件——数量激增；一年后，数据中心占美国年度总电力消耗的近2%，并且每年以7%的速度增长。到2023年，这一增长率跃升至18%，预计到2028年将达到27%。即使无法精确计算数据中心用于AI的能源，但消费增加与AI扩展之间的趋势是显而易见的。

波士顿咨询集团估计，到2030年，数据中心将占美国所有电力消耗的7.5%，相当于4000万户美国家庭的用电量。

佛蒙特法学院环境与能源研究所临时主任马克·詹姆斯提供了另一个比较。“这些设施几乎会全天候满负荷运行——每小时消耗1000兆瓦，”他说，“这相当于佛蒙特州60多万人口几个月的峰值需求。”

目前，全球数据中心消耗了世界约1.5%的电力，与整个航空业相当。这一比例可能很快就会超过航空业；国际能源署2025年4月的一份报告发现，自2017年以来，全球数据中心的电力消耗每年增长12%，比总体电力消耗的增长速度快四倍以上。无论是直接还是间接由AI推动的数据中心，正在占据世界能源格局的更大份额，而其他能源使用则基本保持不变。

对此，有人表示担忧。“如果我们扩大发电规模，这将迅速成为一个碳问题。”加德帕利警告道。

另一些人则试图将这些数字放在更广泛的背景下看待。虽然有证据表明AI正在推高能源成本，但研究也显示，全球能源消耗整体呈上升趋势。较新的数据中心和GPU比前辈更节能，这意味着它们可能产生相对较少的碳排放。

“这些100兆瓦、200兆瓦的大型建设项目使用了最高效的科技——它们不是那些老式的耗电怪物。”梅迪纳说。即使数据中心数量增加，由于现代技术的应用，其预测的能耗曲线可能会趋于平缓。

并非所有AI都是一样的

在AI能耗方面，并非所有类型的AI都有相同的足迹。我们无法获取OpenAI和Anthropic等公司专有模型的能耗数据（与开源模型相比）。然而，在所有模型中，生成式AI——尤其是图像生成——似乎消耗更多的计算资源，从而产生更多的排放。

2024年10月，Hugging Face对88个模型的研究发现，生成和总结文本所需的能量是简单任务（如图像和文本分类）的10倍以上。研究还发现，多模态任务——即模型使用图像、音频和视频输入的任务——处于能耗谱的高端。

一个ChatGPT查询真的需要一瓶水吗？

具体比较方面，关于AI资源的研究结果各不相同。一项研究认为，让ChatGPT写一封100字的电子邮件会消耗一瓶水——这一说法迅速在社交媒体上传播开来。但这是真的吗？

盖德帕利表示：“这有可能。”他指出，GPU会产生大量热量，即使采用其他冷却方式，仍需水冷。“运行该模型大约需要16到24个GPU，运行时间可能在5到10分钟之间，产生的热量可以自行计算。”他说。

单个聊天机器人提示使用多少能量？这款AI工具可显示给你看。

今年6月，OpenAI首席执行官萨姆·阿尔特曼在博客中写道，平均一次ChatGPT查询使用的水量约为“一茶匙的十五分之一”，但未提供支持该说法的方法或数据。相比之下，谷歌估计Gemini查询平均消耗0.26毫升（约五滴）水。

这些系统不仅需要用水，还需要清洁、高质量的饮用水。盖德帕利解释说：“管道内不能有任何杂质，否则会堵塞。”许多数据中心位于水资源紧张的流域，这也是需要考虑的问题。

新的冷却方法如浸没冷却，即将处理器浸入类似矿物油的液体中，有望减少水和能源消耗。不过这项技术仍在发展中，需要广泛采用才能产生影响。

由于大多数专有数据仍不清楚，关于聊天机器人查询能耗的比较也存在多种。非营利机构Ai2的研究员杰西·多奇将一次ChatGPT查询比作点亮一个灯泡20分钟所需的电力。

Hugging Face研究指出，“给智能手机充电平均需要0.022千瓦时的能量，这意味着最高效的文本生成模型进行1000次推理所需的能量相当于9%的一次完整充电，而最不高效的图像生成模型则相当于522次手机充电（11.49千瓦时），即每次图像生成大约相当于半次充电。”

据盖德帕利介绍，一个AI模型处理一百万个标记——大约相当于1美元的计算成本——排放的碳量相当于一辆汽油车行驶5到20英里。但他也提到，计算量取决于所用提示的复杂度。“要求‘写一篇关于狗的短篇故事’可能比‘写一篇以莎士比亚风格描述坐在独角兽上的狗的故事’所需的计算量要少。”

如果你想知道个人聊天机器人查询如何消耗能量，Hugging Face设计了一款工具，可以估算不同开源模型的查询能耗。环保编码组织也开发了类似的工具，帮助企业跟踪其技术的环境影响。

尽管总体能源消耗因AI投资而增加，研究人员建议用户相对看待能源消耗问题。目前的标准是，一次ChatGPT查询的能耗约为一次Google搜索的10倍，但这一标准基于2009年Google估计的一次搜索消耗0.3瓦时能量的数据。由于Google搜索复杂度的变化和芯片效率的提高，这个数字今天可能已经变化，但具体是上升还是下降尚不清楚。

数据科学家兼气候研究员汉娜·里奇指出，0.3瓦时的能量其实很小。她提到，在美国，每人每天平均耗电量约为34000瓦时。按照过时的Google标准，一次ChatGPT查询仅为3瓦时；即使每天多次查询，占比也不大。

研究人员将ChatGPT的能耗与个人日常能耗进行了对比。

此外，不直接使用AI的技术已经占用了大量数据中心带宽。“当今最热门的数字应用是什么？TikTok、Instagram Reels、YouTube搜索、流媒体、游戏——所有这些都托管在云端。”穆迪公司的分析师拉吉·乔希说。

他和梅迪纳补充道，随着AI功能整合到游戏和企业技术中，越来越难以将特定的能源需求归因于AI或非AI应用。

在人工智能领域，模型需求正在发生变化。“能源消耗显著增加。”加德帕利表示，与技术早期相比，推理——即模型在训练后进行预测——现在占据了模型生命周期成本的更大比例。“对于最初的模型来说，情况并非如此，那时你可能会花费大量精力训练模型，但推理相对简单，不需要太多计算。”

使用ChatGPT是否对环境有害？

由于人工智能现在常常与现有技术紧密结合，专家认为很难确定其具体影响。是否使用人工智能可能更多地取决于个人判断，而非确切的数据。

“从可持续性的角度来看，你需要平衡人工智能的产出与其使用。”梅迪纳说，“如果人工智能能在五分钟内完成你原本需要一小时才能完成的任务，那么这种时间节省是否值得？你是否因此多用了30分钟的电灯和电脑？”

此外，人工智能幻觉可能有助于开发挽救生命的抗生素。

梅迪纳指出，人工智能还可以用于推进帮助追踪气候变化的研究和技术。AI2 已经推出了几款人工智能工具，这些工具有助于收集行星数据、改进气候建模、保护濒危物种和恢复海洋。合成媒体公司Synthesia引用可持续生产联盟的数据，认为人工智能生成的视频比传统视频制作方法产生的碳排放更少，后者依赖于旅行、照明和其他资源密集型基础设施。

尽管如此，行业部分企业正在回应这些担忧。今年2月，Hugging Face发布了“AI能源评分项目”，该项目提供标准化的能源评级，并公开排行榜显示每个模型的预计能耗。

此外，特朗普政府和推动人工智能发展的倡导者准备牺牲环境保护措施，以保持对中国的领先优势。上个月，政府发布了《人工智能行动计划》，这是一套政策指南，建议美国采取最快捷的方式实现人工智能主导地位。政府计划“拒绝激进的气候教条”，减少监管，并“加快新建数据中心和发电厂的环境许可审批”。

卡内基梅隆大学软件教授尤瓦拉吉·阿格拉沃尔向ZDNET解释说：“预计人工智能数据中心的增长及其电力需求意味着短期内将不得不使用非可再生能源，如煤炭和天然气。这将导致更高的排放量和增加的数据中心冷却用水负担。”

他补充说，从长远来看，这还可能导致对太阳能、风能和水能等可再生能源的投资减少，从而影响气候变化。

此外，数据中心及其附近的新建发电厂对周边环境的影响也不容忽视。“根据哪些环保法规被缩减或绕过以及持续时间，当地社区可能会承担不公平的环境成本。”阿格拉沃尔说。这些影响包括数据中心造成的污染增加，可能危害公共健康。

有没有更环保的人工智能替代方案？

整个行业中，各组织正在探索提高人工智能可持续性的方法。麻省理工学院林肯实验室的加德帕利团队正在试验“功率封顶”技术，即战略性地将每个处理器的功耗限制在其容量的100%以下，从而降低能耗并减少GPU温度。

中国人工智能初创公司DeepSeek通过提高模型运行和训练的效率实现了类似效果，尽管这些模型仍然相当庞大。

然而，这种方法的效果有限。“没有人找到如何让小模型在高质量图像生成方面取得更好效果的方法。”加德帕利说。

鉴于他对人工智能需求不会减弱的预期，尤其是在手机功能不断增加的情况下，加德帕利认为效率和优化是当前的解决方案。“我能否在输入相同千瓦时能量的情况下，将准确率从1%提高到1.5%？”

他指出，将数据中心完全转向可再生能源并非易事，因为这些能源不像天然气那样可以立即启停，而大规模计算对此有需求。然而，通过实施功率封顶等策略来减缓人工智能能耗的增长，最终将更容易用可再生能源替代现有能源——就像将家里的灯泡换成LED灯一样。

为了实现可持续发展，他建议企业灵活选择计算位置，因为某些地区可能比其他地区更节能，或在寒冷季节训练模型，以降低当地电网的需求。这种方法的一个额外好处是，它有助于降低处理器温度而不显著影响模型性能，从而提高输出的可靠性。同时，这减少了对饮用水冷却的需求。这种好处以及随之而来的成本效益，成为企业采取可持续发展措施的动力。

在数据中心层面，多家公司正在投资资源节约型效率提升项目。“如果我们能最大限度地减少数据中心内的损失，那么从长远来看，我们就能取得一些进展。”凯西说，“当电力进入数据中心时，从进入建筑到为AI芯片供电，可能会损失高达40%的电力。”他的公司Amber开发了现代硅基础设施，以减少这些损失，而这些损失通常是由过时的半导体引起的。

他还提到，AI正逐渐融入Linux内核，需要尽快制定相关政策。

加德帕利认为，企业对可持续发展的意图是好的；问题在于它们能否足够快地实施变革以减缓环境损害。

如果你关心环境，是否应该使用AI？

如果你担心AI使用对碳足迹的影响，这个问题并不那么简单。避免使用AI工具可能不会像其他生活方式选择那样有助于减少碳足迹。

倡导团体Effective Altruism DC的主任安迪·马斯利将每天少问ChatGPT十个问题（持续14年）与其他气候友好行动进行了比较。结果显示，这种做法的影响微乎其微。“如果个人排放是你担心的问题，那么ChatGPT几乎无助于降低排放。”马斯利写道，“这就像告诉那些花钱太多的人每个月少买一颗口香糖。”

“这甚至不如我们能做的‘小事’，比如回收利用、重复使用塑料袋和更换灯泡。”里奇在Substack帖子中引用马斯利的话说，“如果我们每天都在为几条查询而烦恼，同时吃牛肉汉堡、用燃气锅炉供暖和驾驶汽油车，那我们将一事无成。”

从大局来看，马斯利和里奇担心，关注AI能耗可能会使善意用户忽视更大的气候压力源。

加德帕利同意，放弃使用AI只能达到有限的效果。“在这个时代，这几乎相当于说‘我不再使用电脑’。”他说。尽管如此，他还是提出了一些改善AI能耗未来和提高透明度的方法：

向提供商要求透明度：有了正确的数据，像加德帕利这样的公司至少可以估算AI的能耗。个人可以组织起来要求AI公司公开这些信息。随着AI领域的竞争日益激烈，理论上，如果足够多的用户表示关心其工具的可持续性，这将成为市场驱动因素。

在采购过程中发声：可持续性已经是许多企业决策中的一个考虑因素，尤其是在评估供应商和服务时。加德帕利相信，将这种文化应用于AI是有力量的。如果企业在谈判中要求提供能耗和可持续性数据，这将产生重大影响。“如果大型公司在价值数百万美元的合同中与客户经理协商时提出这一要求，这将走得非常远。”他指出，“为什么不在这里提出要求，毕竟这确实会迅速累积起来？”

使用尽可能小的模型：选择与需求相匹配的模型质量。“几乎每个提供商都有多个版本的模型——我们倾向于使用我们能访问的最高质量的模型，”加德帕利说，“如果较小的模型能满足需求，就使用它。”

Gadepally 建议用户接受更多不完美的结果。例如，可以通过低质量模型进行多次提示调整，一旦完善提示，再用更高参数的昂贵模型获取最佳答案。

Michelle Thorne，《绿色网络基金会》战略总监，呼吁科技公司逐步淘汰供应链中的化石燃料，并采取措施减少原材料开采造成的损害。

行业整体正通过各种举措回应可持续性问题，如2025年AI行动峰会上的“节俭AI挑战”黑客马拉松。谷歌在其可持续发展目标中表示，计划到2030年补充其办公室和数据中心消耗的120%淡水。

一些人认为，AI领域追求更大规模的做法可能不会带来更多的价值或更好的性能，反而会出现收益递减的情况。

长远来看，AI扩张及其伴随的成本增长趋势不会停止。“我们对技术的需求似乎永无止境，唯一能限制这种需求的因素是成本。” Gadepally 说，这反映了杰文斯悖论的观点，即效率提升只会导致消费增加，而非满足。

目前，AI的能源未来尚不明朗，但整个科技行业已成为气候变化背景下日益重要的参与者，面对激增的需求和紧迫的时间表。

(以上内容均由Ai生成)