训练和使用 ChatGPT 会消耗大量能源，但如果没有来自 OpenAI 的数据，很难确定确切的数字

快速阅读: 据《科学反馈》最新报道，随着AI能力增强和普及，其环境成本引发关注。文章调查了AI聊天机器人（如ChatGPT）的能耗，指出现有数据不足，估算存在不确定性。尽管工具显示其能耗与跨大西洋飞行可比，但专家警告这种比较可能具有误导性，需更多透明数据和背景信息。

随着人工智能（AI）的能力和采用率迅速增长，其环境成本引起了人们的关注。社交媒体上经常有人通过将其与日常生活中的其他活动或事物进行比较来讨论AI聊天机器人（如ChatGPT）的能源需求。例如，2025年2月15日一篇LinkedIn帖子声称，“每天使用ChatGPT-4十次，一年的碳排放量相当于从纽约到巴黎的一次飞行”。这一信息的原始来源似乎是一篇由法国独立新闻机构Vert于2024年11月21日发布的文章。

我们将调查这一主张，并深入探讨像ChatGPT这样的AI聊天机器人的能耗已知和未知的情况。主要结论是，随着人工智能能力的提升和采用率的增长，其能源影响也在增加。由于使用数据中心，训练和持续使用AI模型需要大量能源，而数据中心是最耗能的建筑类型之一。尽管这种能源使用广为人知，但OpenAI尚未公布足够的数据让人们确切知道使用其AI聊天机器人（如GPT-4）时消耗了多少能量。

一个名为‘EcoLogits’的在线工具可以估算使用ChatGPT的能源消耗和二氧化碳排放量，但由于缺乏来自OpenAI的数据，其精确度有限。EcoLogits工具计算了多个步骤的排放量——原材料提取、运输、使用和报废处理。虽然这是一种有效的方法，但将其结果与飞行排放量进行比较可能会产生误导（正如最近的一篇社交媒体帖子所做的那样），因为飞行排放更直接——燃料被燃烧，二氧化碳被释放。这排除了飞机飞行所需的其他排放步骤，如制造飞机和运输燃料，如果包括这些步骤，将增加碳足迹。

ChatGPT的训练和持续使用都需要大量的能源——预计AI能源消耗将会增加。在深入细节之前：为什么首先调查ChatGPT的能源使用？简而言之，训练和使用AI模型都会消耗大量的能源，通过使用数据中心——一种最耗能的建筑类型之一，根据美国能源部的说法。而且这些技术的采用发生得相当快——实际上，根据国际能源署（IEA）的说法，当比较商业发布后采用技术的家庭百分比时，生成式AI的采用率已经超过了个人电脑和互联网的早期采用率（图1）。图1——不同技术（生成式AI、互联网和个人电脑）在商业发布后家庭使用的百分比（以年为单位）。注意，生成式AI的采用率已经超过了互联网和个人电脑的早期采用率。来源：IEA那么这对能源意味着什么？虽然这是一个正在进行的研究课题，但IEA解释说，“数据中心、人工智能（AI）和加密货币行业的电力消耗可能在2026年翻倍”——这一综合电力消耗大致相当于整个日本的电力消耗。但是关于AI呢？随着AI聊天机器人的用户数量和能力的增长，对其能源使用的担忧也在增加。麻省理工学院林肯实验室的高级科学家兼首席研究员Vijay Gadepally在2025年1月由MIT斯隆管理学院发表的一篇文章中强调了这一点：“当我们从文本转向视频再到图像时，这些AI模型变得越来越大，它们的能源影响也随之增加……这将成为相当大的能源使用量，并成为全球范围内排放量的一个日益增长的贡献者。”

从宏观角度来看，很明显，AI的进步和使用与能源和环境影响相关联。但我们是否足够了解，能够准确计算每次向ChatGPT发送查询或请求所使用的具体能量或二氧化碳（CO2）排放量——或更具体地说是GPT-4？目前来看，这相当棘手。许多社交媒体帖子讨论了每次向ChatGPT发送查询时使用的能量，但似乎很少有帖子引用了这些信息的来源。而且可能有一个很好的理由：似乎无论是开发该模型的公司（OpenAI）还是科学文献都缺乏数据。因此，一些人试图使用近似值自行估计。例如，我们之前提到的主张——比较每日GPT-4使用和一次跨大西洋飞行之间的假设二氧化碳排放量——使用了一个名为‘EcoLogits计算器’的工具来进行估算。制作此主张的LinkedIn帖子从2024年11月21日发布的Vert文章中获取了一些基础假设。为了检查这个比较是否准确，Science Feedback试图回答几个问题：他们是否使用了合理的方法，我们能否复制他们的工作以获得相同的数值，以及是否存在任何不确定性？我们将在下面进行调查。

由于存在大量数据空白，对ChatGPT每次查询的碳排放只能粗略估计。在进行调查之前，值得注意的是，LinkedIn帖子确实添加了一个免责声明，即由于缺乏来自OpenAI的数据，他们的计算是‘不完美的’。然而，当人们决定分享简化后的主张，即将ChatGPT的使用与跨大西洋飞行进行比较时，这些免责声明很容易被遗忘或忽略。那么，如果人们只听到或阅读这个主张本身，它会准确吗？正如我们将在下面详细说明的那样，这个主张本身可能存在几个误导的原因。

为了开始调查，Science Feedback首先尝试复制用于计算温室气体排放和能源消耗的‘EcoLogits’工具中的数值。通过遵循Vert文章中列出的假设，Science Feedback得到了与文章中共享的相同数值（图2）。然而，问题仍然存在——这些数值与现实有多接近？

图2——与GPT-4进行‘小对话’所消耗的能量和排放的温室气体的计算。请注意，GPT-4是一个闭源模型，可用数据较少，导致EcoLogits工具的估计精度较低。来源：EcoLogits

实际上，工具本身的一个注释解释了通过选择像GPT-4这样的闭源模型，EcoLogits的估计将具有较低的精度——这证实了我们之前注意到的数据稀缺性问题。为了更多地了解这一点，Science Feedback联系了ENSIIE和LISN计算机科学教授Anne-Laure Ligozat博士，她研究数字技术的环境影响。“这里使用的Ecologits工具基于合理的方法论，但正如你指出的那样，必要的数据并不总是可用，因此计算影响需要做一些假设和近似。得到的数量级与科学研究出版物一致[例如，链接在这里和在这里这里在这里]”，Ligozat解释道。

然而，尽管这些数值的数量级与其他研究一致——意味着数值不会相差十倍以上——这些数值仍然存在不确定性。Ligozat解释说：“由于这些近似，不确定性很高，但我认为这个工具没有提供不确定性值。”当被问及特定主张（即跨大西洋飞行比较）的准确性及其涉及的不确定性时，Ligozat解释说：“它可能给出了正确的数量级，但将单一推理的影响相乘可能不是估计总体影响的最佳方法，特别是因为它掩盖了阈值效应。”

对于不太熟悉这些术语的人来说，让我们快速解释一下。推理是用户向经过训练的AI模型发送查询的过程，然后该模型应用其学习来为用户提供答案（图3）。图3——AI模型的两个不同阶段：训练阶段（AI模型通过训练数据集学习新能力）和推理阶段（可以应用新的AI模型能力——例如，用户输入查询）。来源：NVIDIA

因此，在上面的引述中，Ligozat指出，该主张可能通过使用EcoLogits工具来计算单一推理（查询）的排放量和能源使用量并将其相乘（例如，每天10次，每年365天）而过度简化了一个更复杂的情景。换句话说，单次排放情景（如在ChatGPT上进行一次对话）并不能简单地通过相乘来按你希望的方式进行扩展。正如Ligozat所解释的：

由于OpenAI发布的数据不足，EcoLogits估计的精度降低，以及LinkedIn帖子使用的‘乘以’天数和年的方法，看来该主张将ChatGPT查询与飞行排放进行比较时包含了几层不确定性。还值得一提的是，EcoLogits工具中计算每次查询/推理的二氧化碳排放量的方法基于生命周期分析方法论——不仅仅是使用ChatGPT消耗能源所产生的直接排放。换句话说，虽然飞行排放直接查看每加仑化石燃料燃烧产生的二氧化碳，但EcoLogits工具的方法论更广泛地查看过程中的多个步骤的二氧化碳排放——原材料提取、运输、使用和报废处理。

Science Feedback还发现使用五个不同的在线计算器计算从纽约到巴黎的航班的二氧化碳排放量存在差异。这些值从322公斤二氧化碳到1000公斤二氧化碳（大约一吨）不等。然而，最透明和详细的计算方法来自国际民用航空组织（ICAO），并给出了322公斤二氧化碳的值（图4）。值得注意的是，这大约是‘每天10次’ChatGPT估算的二氧化碳排放量的三分之一。但再次强调，ICAO方法论解释说这只是燃烧燃料产生的二氧化碳——并非完整的生命周期分析（如EcoLogits估计中所执行的）。

图4——从JFK机场（纽约）到CDG机场（巴黎）单程航班每位乘客的碳排放计算。来源：ICAO

LinkedIn上的这一说法可能也具有误导性，因为它没有考虑不同类型推理的复杂性范围。该说法的例子是一个“简短对话”，但这个例子似乎是随意选取的，并非其他使用场景中更具代表性。例如，如果用户想要撰写一条推文，那么根据EcoLogits的计算，在类似情境下（每天10次，持续一年），二氧化碳排放量将从每年约992公斤降至124公斤，相差近8倍（图5）。在“撰写推文”的情况下——使用EcoLogits计算器——排放量大约相当于从纽约飞往巴黎航班的三分之一（具体取决于所用的航班排放计算器）。就能源消耗而言，根据EcoLogits的估算，使用GPT-4撰写一条推文所消耗的能量足够让一个60瓦的白炽灯泡（标准家用灯泡）运行不到一个小时。

尽管这类比较可能有助于向人们展示使用人工智能等新兴技术的潜在环境影响，但如果仅选择性地举例而不解释更多背景或透明地说明其中的不确定性，则可能对读者造成误导。如果没有重要的上下文，人们可能会发现社交媒体上共享的估计值存在较大差异，从而削弱了一个更重要的结论：人工智能正在快速发展，并且预计将进一步增加能源需求和温室气体排放。

科学家反馈 科学家反馈的问题：
科学家反馈
是否有可能估算平均GPT-4查询/搜索的能耗？是否有足够的可用数据来做到这一点？
进行此类能耗计算或估算所涉及的不确定性水平是多少？
您认为上述关于使用GPT-4产生的二氧化碳排放的说法是否是准确的估算，还是存在太多的数据缺口或不确定性，以至于无法做出这样的陈述（即与乘飞机的排放进行比较）？
安妮-劳尔·利戈扎特 LISN和ENSIIE教授
“1. 这里使用的Ecologits工具基于合理的方法论，但正如您指出的那样，必要的数据并不总是可用，因此计算影响需要做一些假设和近似。获得的数量级与科学出版物一致[例如，链接这里和这里这里这里]。
2. 不确定性很高，因为这些近似值，但我认为这个工具没有提供不确定性值。
3. 它可能给出了正确的数量级，但将单一推理的影响相乘可能不是估算总体影响的最佳方式，特别是因为它隐藏了阈值效应。执行多个推理的影响可能不等于执行一个推理的多倍：例如，如果你每天只需要处理几个推理，一个小的基本服务器可能就够了，而如果你每天有成千上万个推理，就需要一台具有不同特性的计算服务器。
我不确定它是否会低估或高估影响，因为变化可能双向：例如，更大服务器的制造影响可能显著更高（增加足迹），但它可能更高效地处理一个推理（减少足迹）。”

分享
Facebook
WhatsApp
通过电子邮件分享

评审员
安妮-劳尔·利戈扎特 LISN和ENSIIE教授

编辑
达里克·伯恩斯 科学反馈气候编辑

新闻通讯订阅
直接将科学家的评论发送到您的收件箱
订阅

支持我们的工作
我们依赖您的支持运营。帮助我们创建一个更可信的互联网！
捐赠

(以上内容均由Ai生成)