简而言之
问六个问题:以什么为单位(每个提示、每张图像,还是每年?),由谁测量,包含哪些内容,数据有多旧,与什么相比,以及说的是效率还是总使用量。大多数误导性的说法,无论是危言耸听还是令人安心,都过不了其中某一关。公开的每个提示能耗数据之所以不同,主要是因为计算的内容不同。
步骤
- 找出数字对应的单位,例如每个提示、每张图像或每年。
- 核查数据由谁得出,是实测、估算还是自行申报。
- 看数字包含哪些部分,从只算芯片到整个数据中心乃至硬件制造。
- 核查日期,因为 AI 能耗数据变化很快。
- 问一问它与什么相比,这种比较是否同类相比。
- 把关于每次使用效率的说法与关于总使用量的说法区分开。
大多数关于 AI 能耗的说法,都可以用六个简单的问题来检验。 标题里的数字往往已经过时、丢掉了单位,或者拿来比较的对象并不同类。
六个问题
- 以什么为单位? 一个很大的年度总量,可能意味着每次使用的量很小,反之亦然。国际能源署(International Energy Agency)估计,2024 年数据中心用电约 415 TWh,约占全球电力的 1.5%;这是总量,而不是每个提示的数据。
- 谁说的? 是公司自己的数据、独立估算,还是转述二者之一的新闻报道?
- 包含什么? Google 2025 年的论文报告称,计入主机、闲置容量和数据中心额外开销后,Gemini 文本提示的中位数能耗为 0.24 Wh;只计算活跃芯片时为 0.10 Wh。同一个提示,两个诚实的答案。
- 有多旧? Epoch AI 估计一次典型 ChatGPT 查询约耗电 0.3 Wh,比过去广为引用的 3 Wh 低约十倍。Google 报告称,其提示中位数能耗在一年内下降到原来的 1/33。
- 与什么相比? “相当于十次网页搜索”这种说法意义不大,除非您知道搜索的数据及其年份。
- 是效率还是总量? 如果使用量增长,每次使用更省,总量仍可能更多:这就是回弹效应。
常见错误
- 比较边界不同的数据。 Mistral AI 的生命周期评估计入了更多环节,得出一个 400 token(词元)的回答产生 1.14 g CO₂e 并消耗 45 mL 水;这与只计算芯片的数据不能直接比较。
- 把一个简短的问题与一张图像或一段视频等同看待。 它们相差几个数量级。
- 认为所有数据都无从知晓而一概否定。 不确定不等于没有意义;请寻找一个范围。
请阅读为什么测量是瓶颈,以及如何识破AI 营销中的“漂绿”。
来源
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- Energy and AI, International Energy Agency (2025)