官方网站-首页

【导语】你跟AI说过“谢谢”吗？这看似礼貌的行为，却可能让AI消耗了巨额电力资源。OpenAI CEO山姆·奥特曼揭示，对AI的礼貌用语可能导致了数千万美元的电费开销，引发环保忧虑。AI作为推动环保的工具，其自身的研发和运营却相当耗能，碳排放问题不容忽视。本文将探讨AI的碳排放现状、影响及减碳途径，揭示在享受AI便利的同时，我们如何共同应对其带来的环境挑战。

你跟AI说过谢谢吗？

几个月前，OpenAI的CEO山姆·奥特曼（Sam Altman）在推文中提及，对AI说“请”和“谢谢”或许让他们花掉了“数千万美元”电费。巨额电费也意味着，AI因为人类的礼貌而消耗了大量的电力资源，变得更不环保了。

OpenAI的CEO山姆·奥特曼（Sam Altman）在推文中提及，对AI说“请”和“谢谢”或许让他们花掉了“数千万美元”电费。

AI作为工具，可以助力环保研究和环保事业，但这个工具的研发和运营却相当耗能。更严重的问题是，我们说不清AI会造成多少碳排放。

要让AI变得更环保，也绝不仅仅是人类不说“请”和“谢谢”那么简单。

用一次AI有多少碳排放？

AI工具到底会消耗多少电能，又会造成多少碳排放，这其实是一个很难回答的问题。

最主要的困难在于信息不透明。提供AI服务的大公司往往不会公布详细的能耗数据，研究者经常只能通过间接估算进行分析——例如，他们有时会通过英伟达服务器的需求量对AI能耗规模进行计算。

这些估算存在很多假设，其结果的可靠程度也比较有限。有时，不同来源的估算会得出差异较大的结论：例如一项估算认为，每使用一次ChatGPT平均会消耗2.9 瓦时的电力[1]，而另一项估算则认为每次查询平均仅需要0.3瓦时电力[2]，二者相差了将近10倍。

一项估算认为，每次用ChatGPT查询平均会消耗2.9瓦时电力，耗电量是使用搜索引擎的10倍——但我们很难判断这些数字有多准确 | pexels

除此之外，研究者还有另一种方法获得数据：他们可以亲自下载并运行AI模型，让它们执行标准化的任务，然后测量由此产生的电能消耗。结合当地电网中火力发电的占比，人们还可以进一步计算出耗电背后的碳排放。这样得出的数据更加准确，但它只适用于开源模型，依然不足以揭示AI环境影响的全貌。

在最近发表的研究中，德国科学家就对14个开源大语言模型进行了这样的分析[3]。研究发现，不同模型在回答相同问题时的能耗与碳排放差异极大，最大与最小的数据之间甚至相差了50倍以上。

扩大参数规模、采用逐步推理可以提升AI的表现，但这些因素也增加了运算量，导致碳排放大幅增加。在这项研究的测试范围内，碳排放最多的AI模型是Deepseek R1 70B，让它回答60万个问题所产生的碳排放，相当于乘飞机在伦敦与纽约之间往返一次[4]。

目前仍有较大比例的电能来自火力发电，因此运行AI模型在耗电的同时也会产生间接的二氧化碳排放 | Wikipedia

单次使用AI的碳排放并不算大，但考虑到热门AI工具有着上亿规模的访问量，相关碳排放总数依然相当可观。在此之外，AI模型的训练、硬件生产、服务器冷却等环节还有很多额外的环境成本——但由于数据不足，这些成本的总和究竟有多大同样是个谜。

整体不高，但局部影响大

AI模型的计算工作通常在大型数据中心完成。随着AI的迅速扩张，近几年数据中心用电需求快速增长，不过它在全球能源消耗和碳排放中的占比还比较小。

根据国际能源署（IEA）的统计，2024年数据中心的用电总量约为415太瓦时（TWh），占到全球用电总量的1.5%。供应这些电力产生的二氧化碳排放约为1.8亿吨，约占燃烧排放总量的0.5%[5]。

根据该机构的估计，到2030年，数据中心的用电量可能会翻一番，达到约945太瓦时。虽然涨幅惊人，但在全球电力消耗总量中，它依然只占了大约3%[5]。

不过，数据中心有“扎堆”的特性，因此哪怕总量看起来不高，局部地区受到(dào)的(de)影(yǐng)响(xiǎng)仍(réng)可(kě)能(néng)会(huì)非(fēi)常(cháng)显(xiǎn)著(zhe)。企(qǐ)业(yè)往(wǎng)往(wǎng)倾(qīng)向(xiàng)于(yú)将(jiāng)数(shù)据(jù)中(zhōng)心(xīn)建(jiàn)设(shè)得(de)非(fēi)常(cháng)密(mì)集，这(zhè)样(yàng)有(yǒu)利(lì)于(yú)高(gāo)效(xiào)传(chuán)输(shū)信(xìn)息(xi)，还(hái)可(kě)以(yǐ)共(gòng)享(xiǎng)电(diàn)力(lì)与(yǔ)冷(lěng)却(què)设(shè)施(shī)。这样做非常方便，但可能会给局部供电带来巨大的压力。

与炼钢厂等传统的高耗能设施相比，数据中心在空间上更加密集 | cisco

在一些地方，数据中心的影响比全球平均值要高得多。例如，美国弗吉尼亚州目前已有340个数据中心。据研究机构统计，这些数据中心的用电量占到了该州电力消耗总量的四分之一以上[6]。

在这里，数据中心(xīn)的(de)建(jiàn)设(shè)仍(réng)在(zài)快(kuài)速(sù)推(tuī)进(jìn)，电(diàn)力(lì)不(bù)足(zú)的(de)迹(jī)象(xiàng)也(yě)开(kāi)始(shǐ)显(xiǎn)现(xiàn)。AI带来的电力需求缺口可能要靠新建大型燃气发电厂才能解决——而这样一来，碳排放自然也会随之增加。

为(wèi)AI减(jiǎn)碳(tàn)，不(bù)说(shuō)谢(xiè)谢(xiè)有(yǒu)用(yòng)吗(ma)？

在(zài)谈(tán)论(lùn)减(jiǎn)少(shǎo)AI碳(tàn)排(pái)放(fàng)时(shí)，不(bù)少(shǎo)人(rén)都(dōu)会(huì)提(tí)议(yì)从(cóng)不(bù)对(duì)AI说(shuō)“谢(xiè)谢(xiè)”做(zuò)起(qǐ)，这(zhè)种(zhǒng)说(shuō)法(fǎ)确(què)实(shí)有(yǒu)些(xiē)道(dào)理(lǐ)。

大(dà)语(yǔ)言(yán)模(mó)型(xíng)在(zài)接(jiē)到(dào)用(yòng)户(hù)输(shū)入(rù)指(zhǐ)令(lìng)时，会将文字拆分成许多基本的“词元”（token）来分析。需要处理的词元数量决定了AI的工作量，因此也与能耗和碳排放密切相关。如果能减少“谢谢”这样可有可无的文字，就能让词元量减少一点，让AI在执行任务时少费一点电。

不过，比起一句客套话，对碳排放(fàng)影(yǐng)响(xiǎng)更(gèng)大(dà)的(de)可(kě)能(néng)还(hái)是(shì)AI的(de)推(tuī)理(lǐ)模(mó)式(shì)。上(shàng)面(miàn)提(tí)到(dào)的(de)新(xīn)研(yán)究(jiū)发(fā)现(xiàn)：启(qǐ)用(yòng)逐(zhú)步(bù)推(tuī)理(lǐ)的(de)大(dà)语(yǔ)言(yán)模(mó)型(xíng)，碳(tàn)排(pái)放(fàng)达(dá)到(dào)了(le)其(qí)他(tā)模(mó)型(xíng)的(de)4-6倍(bèi)[3]。这(zhè)是因为，在展现逐步“思考”过程时，AI模型会生成额外的文字，它们需要处理的词元数量也会大幅增加。

精简提问、谨慎地选择AI模型，这对减少碳排放有些帮助；不过，这个问(wèn)题(tí)终(zhōng)归(guī)不(bù)能(néng)只(zhǐ)靠(kào)约(yuē)束(shù)使(shǐ)用(yòng)者(zhě)来(lái)解(jiě)决(jué)。提(tí)升(shēng)AI效(xiào)率(lǜ)、更(gèng)多(duō)使(shǐ)用(yòng)清(qīng)洁(jié)能(néng)源(yuán)发(fā)电(diàn)、合(hé)理(lǐ)布(bù)局(jú)数(shù)据(jù)中(zhōng)心(xīn)才(cái)是(shì)解(jiě)决(jué)AI环(huán)境(jìng)危(wēi)机(jī)的(de)根(gēn)本(běn)途(tú)径，而(ér)这(zhè)些措施都需要企业与政府的共同努力。

作者：窗敲雨

编辑：麦麦

封面图为版权图库图片，转载使用可能引发版权纠纷