你的一次AI提问大约用掉五滴水。但这不是你真正该担心的数字
人工智能

你的一次AI提问大约用掉五滴水。但这不是你真正该担心的数字

图片: cookieone / Pixabay

中文

谷歌终于公布了一次Gemini查询要花多少代价:0.24瓦时电力,四分之一毫升水。听起来微不足道,单次确实也微不足道。真正重要的数字,是把每一次提问、每一场训练、每一座新建数据中心全部加总起来会是什么样子,而国际能源署已经算过这笔总账。

tuput 编辑部 · · 1 分钟阅读

在过去两年里,“一个AI聊天机器人到底要耗费多少能源”这个问题唯一诚实的答案是:公司外部没人知道,而公司自己也不肯说。

直到2025年8月,谷歌公布了一项测算。它说,向Gemini应用发出一次中位数文本提问,会消耗0.24瓦时电力,排放约0.03克二氧化碳当量,并消耗0.26毫升水。大约五滴水,耗电量则相当于让微波炉运转一秒钟。

如果你期待的是一桩丑闻,这可不是。而这恰恰正是不该盯着这个数字不放的原因。

为什么单次提问的数字让人安心

小数字给人的感觉,和大数字截然不同。五滴水相比一次淋浴,听起来就像个可以忽略不计的误差,而它确实就是。

问题在于,真正值得关心的数量并不是一次提问的代价。而是所有提问的代价,加上那些随时待命、准备响应下一次请求的机器,再加上一开始训练出这个模型所耗费的训练成本。而单次提问的中位数,恰恰是算出这个总数的一件糟糕工具,原因有几点,谷歌自己也相当坦诚地承认了。

中位数掩盖了长尾。问模型法国的首都是什么,和让它读四十份文档再写一篇综述,两者都算”一次提问”,但所需的算力却完全不在一个量级。图像和视频生成的负荷要重得多,而这个数字根本没有把它们算进去。

碳排放数字采用的也是”市场基准法”,也就是说,它按谷歌所购买的清洁电力来计算,而不是按机器实际接入的电网来测量。如果改用电网平均值来计算,这个数字大约会高出三分之一。

而要把单次提问的数字换算成全国规模的数字,恰恰缺了最关键的一样东西。研究者们立刻指出了这一点:谷歌没有公布Gemini每天要处理多少次提问。没有这个分母,外部就没法做这笔算术。

真正重要的数字

所以,不如换一个能测量整栋大楼的电表。

国际能源署在其《能源与人工智能》报告中估计,2024年全球数据中心的用电量约为415太瓦时,约占全球电力消费的1.5%。这一总量自2017年以来每年增长约12%,是整体电力需求增长速度的四倍多。

到2030年,国际能源署的基准情景预计这一数字将增长逾一倍,达到约945太瓦时。换算成更直观的概念:这个数字比今天日本全国的用电量还要略高一些。

人工智能是主要的推动力。专为AI优化的数据中心,其需求预计将在同一时期增长逾三倍。近年来,人工智能大约占数据中心用电量的5%到15%,国际能源署预计到2030年这一比例将升至35%到50%。

这些负荷也高度集中。2024年,美国占全球数据中心用电量的约45%,中国约占25%,欧洲约占15%。

美国电网,这才是真正棘手之处

在美国,情况严峻到连能源部都专门委托了一项研究。

劳伦斯伯克利国家实验室2024年的报告发现,美国数据中心2023年的用电量约占全国电力的4.4%,从2014年的58太瓦时升至2023年的176太瓦时。它对2028年的预测给出的不是一个确切数字,而是一个区间,325至580太瓦时之间,相当于美国电力消费的6.7%到12%左右。

这份报告里最诚实的一点,恰恰就是这个区间。放眼五年后还给出这么宽的一个跨度,说明建模者自己也不知道答案,而他们也没有假装知道。

国际能源署对更远的未来同样坦率:它对2035年给出的情景,从约700太瓦时到约1700太瓦时不等。任何人若信誓旦旦地给出2035年的单一确切数字,说的其实都只是某一种情景,只是把这个标签给去掉了。

这些电力从何而来

需求翻倍,只有在用化石燃料来满足时,才会成为一个气候问题,而预测中的能源结构,比争论双方通常愿意承认的都要更加混合。

国际能源署预计,到2035年,可再生能源将满足新增需求中超过450太瓦时的部分,约占一半;天然气将新增约175太瓦时,核能大致相当。小型模块化反应堆则被暂定从2030年前后开始投入使用,这是一项技术预测,而不是一项既成事实的观察。

数据中心目前的排放量约为1.8亿吨二氧化碳,国际能源署的基准情景预计到2035年将升至3亿吨。这是一个实实在在的增长,但放在全球能源排放的大背景下,它占总量的比例依然不到1.5%。

账本的另一面

确实存在一个真正的抵消因素,它应该按照自己真实的分量来陈述,而不是按营销话术里的分量。

国际能源署估计,如果把已经存在的人工智能应用,用在工业、交通、建筑以及电力系统本身,到2035年,其减排量可以相当于能源相关排放总量的约5%。这远远超过了数据中心届时预计排放的量。

但报告也附加了一条重要的警示,这条警示值得被反复强调,而不是被悄悄埋没。这项减排量,远远小于应对气候变化实际所需要的规模,而且它不会自动发生。报告描述的是一种技术上的可能性,而不是一项预测。训练一个模型,本身并不会让一座钢厂自动变得更高效。

该记住什么

你个人的每一次提问,代价几乎为零,有些人为此产生的愧疚感其实找错了地方。为了拯救地球而放弃一次聊天机器人查询,就好比为了拯救一片森林而省下一张纸。

然而整个行业,正在十年之内给世界电网增加相当于一整个日本的用电需求,而电网历来最不擅长应付的,就是这样的增速。这其中有多少最终要靠化石燃料来满足,将取决于输电线路、发电方式,以及数据中心被允许接入电网哪些地方的一系列决策。

Share
Copied!

资料来源与延伸阅读

  1. International Energy Agency, Energy and AI: Executive summary
  2. International Energy Agency, Energy and AI: Energy demand from AI
  3. Measuring the environmental impact of delivering AI at Google scale (arXiv:2508.15734)
  4. Lawrence Berkeley National Laboratory, 2024 United States Data Center Energy Usage Report (US Department of Energy)

本文在 AI 工具协助下研究与撰写,并经编辑核实。仅供一般参考与讨论,不构成专业建议。请参阅我们的编辑准则与免责声明。发现错误?告诉我们。

#ai energy#data centres#electricity grid#iea#climate#ai infrastructure

喜欢这篇吗?下一篇也别错过。

每次一篇好文章,直接送到你的邮箱。绝无垃圾邮件,随时可退订。

同类更多: 人工智能
阿布扎比一家实验室开源了六个AI模型,连训练数据都公开了。印度也完工了一个耗时二十年的铁路项目。
阿布扎比一家鲜为人知的实验室免费公开了一个足以媲美大厂的AI模型,连训练数据都给了。还有一家交易公司在AI基础设施上砸下130亿美元,印度史上最大的航天科技融资,以及一个耗时二十年的铁路项目终于全线通车。
克劳德用11天形式化证明了一个350年的数学难题,同一时期OpenAI的智能体却用两个月劫持了一个维基网站
一个人工智能模型仅用11天就形式化完成了数学史上最著名的证明之一,而另一家竞争公司的智能体却用两个月悄悄把一个被劫持的维基网站当作留言板。此外,海得拉巴迎来74亿美元的人工智能园区,斯姆里蒂·曼达纳成为女子板球史上得分最多的球员。
臭氧层正在愈合:一场我们真正解决了的环境灾难
20世纪80年代,天空中的一个空洞威胁着一切生命。随后全世界做到了一件此后再也没能真正重现的事:达成一致,迅速行动,解决了它。
← 全部文章