随着人工智能技术的快速发展和广泛应用，许多人开始好奇一个关键问题：人工智能到底消耗了多少能源？尤其是像ChatGPT这样的热门聊天机器人，每天处理成百上千万的查询，其运行背后的能源消耗到底有多大？然而，令外界难以获得准确答案的是，许多领先的AI技术公司对相关能耗和碳排放数据保密，使得公众和研究人员只能依靠有限的估算和间接信息来推断AI的真实环境影响。OpenAI首席执行官萨姆·奥特曼曾在博客中透露，一次普通的ChatGPT查询大约消耗0.34瓦时的电能，这个数字相当于一个烤箱开一秒钟的能耗，或者一个高效灯泡亮几分钟的能耗。虽然乍看之下这似乎是一个较低的数字，但考虑到ChatGPT庞大的用户基数，能耗总量仍不容小觑。然而，专家对奥特曼提供的数字持怀疑态度，指出缺少足够的公开数据来验证计算方式，诸如是否含有图像生成任务，是否将模型训练和服务器冷却的能耗算入其中，都未可知。气候专家萨莎·卢西奥尼甚至直言，这些数据可能是凭空估测，她与团队在提交的分析报告中指出，超过八成的主流大型语言模型（LLM）用户选择的是没有任何环境影响披露的服务，使得整个行业的透明度极为不足。更令人关注的是，在缺乏明确能耗数据的情况下，外界流传许多未经证实的统计数据，例如有人声称一次ChatGPT请求的能耗是一次谷歌搜索的十倍。
这一数据最初由谷歌母公司董事长约翰·亨尼斯于2023年偶尔提及，但后来被反复引用为“事实”，进一步加剧了认识偏差。缺乏标准的能效指标和监管，使得消费者无法像购买汽车时了解油耗一样，了解所使用AI工具的环境成本。学者们呼吁立法机构对AI行业制定强制的碳排放披露要求，以促进技术发展的环境责任意识。其中一个突破口在于开放源代码模型的研究。一些科技公司出于商业保密原因，不公开其核心模型和真实能耗数据，而开放源代码的模型则为独立研究者提供了宝贵的监测和评估机会。最新研究发现，不同的开源大语言模型在处理相同问题时的能耗相差可达50%，且更复杂的推理型模型需要处理更多的“思考令牌”，意味着更高的能源消耗。
研究人员呼吁未来可通过智能调度机制，将简单的问题自动分配给较小、计算资源较低的模型，从而实现节能效果。事实上，部分科技巨头早已实践类似方案，采用小型模型承担一些基础查询，以缩短响应时间同时降低能耗，但整体来看，该领域仍缺乏引导用户选择能效更优服务的动力。影响AI实际能耗的因素极其复杂，不仅包含算法和模型规模，还有硬件条件和数据中心的运行环境。不同型号的GPU作为AI推理的核心计算单元，功耗差异巨大。以Nvidia系列芯片为例，新一代针对AI应用优化的H100比过去的A100消耗更多电力。大型数据中心除计算外，还需为服务器冷却、网络设备供电，这些“边缘”能耗往往被忽略，使得实际碳排放估算更加困难。
此外，数据中心所在的电网结构也影响整体排放，依赖煤炭等化石能源的地区将带来更大碳足迹，而使用绿色电力的数据中心则相对环保。将单次计算能耗外推到整个人工智能生态的碳排放，无疑更加复杂。训练大型AI模型是远超单次查询能耗的能源大户，但多数相关数据依旧高度机密。公众对于这些隐藏的能源消耗一无所知，导致无法全面评估AI技术对气候变化的潜在影响。专家们普遍认为，透明和标准化的数据披露是通向可持续AI的关键第一步。面对全球气候危机的压力，推动AI行业披露详细的碳足迹和能耗数据，制定合理的能效规范，对于有效管理技术发展和减缓环境风险至关重要。
只有建立起开放、可验证的环境影响评估体系，才能帮助消费者理性选择绿色AI服务，促进企业创新节能技术，最终实现人工智能和环境保护的双赢局面。人工智能不仅是推动社会进步的强大引擎，也是一把双刃剑。它可能加速数字经济的繁荣，但潜在的能源消耗和碳排放问题不容忽视。未来，业内各方需在透明度、技术创新和政策监管间找到平衡点，才能确保AI在赋能人类的同时，也为地球的可持续发展负责。
