# 如何估算我个人使用 AI 的碳足迹？

> 粗略估算个人 AI 足迹：统计您的文字提示、图片和长任务，乘以已公布的单次请求数据，并把结果视为一个范围。

Source: https://greenai.guide/zh/如何/如何估算我个人使用-ai-的碳足迹/  
Updated: 2026-11-19

## 简而言之

大致统计您每周使用多少次文字提问、长文档任务和图片生成，再乘以已公布的单次请求数据，就能得到一个粗略的范围。按企业自己公布的数据，一次典型的文字提示耗能不到一瓦时，而长输入和图片的耗能要高得多，所以总量通常由您最耗能的习惯决定。请把结果当作估算，而不是精确数字。

## Steps

1. 记下典型的一周里，您提出了多少次文字问题、多少次长文档任务和多少张图片。
2. 把每一类乘以已公布的单次请求数据，分别取一个低值和一个高值。
3. 把结果相加，得到以瓦时计的每周能耗范围。
4. 如果您想得到碳排放数据，用当地电网的碳强度进行换算。
5. 看看哪个习惯占比最大，先改变那一个。

**一个粗略的估算，就足以看出您的哪些习惯最重要。** 您无法给聊天机器人装电表，但借助已公布的数据，可以得出一个合理的范围。

## 我可以使用哪些数据？ {#which-figures-can-i-use}

| 使用类型 | 已公布的数据 | 来源 |
|---|---|---|
| 典型的文字问题 | 约 0.24–0.34 Wh | Google（Gemini 文字提示中位数）；OpenAI（ChatGPT 查询平均值） |
| 文字问题，独立估算 | 约 0.3 Wh | Epoch AI |
| 超长输入（约 100,000 个 token（词元），大约一本书） | 接近 40 Wh | Epoch AI |
| 生成一张图片 | 平均每 1,000 张约 2.9 kWh，即每张约 2.9 Wh | Luccioni、Jernite 和 Strubell |

企业的数据是自行报告的，统计边界也各不相同；图片数据来自 2024 年一项针对开源模型的研究。请把它们当作粗略的参考。

## 一个计算示例 {#a-worked-example}

每周 50 个简短问题，每个 0.3 Wh，约为 15 Wh。再加上 10 次图片生成，每次约 2.9 Wh，就多了大约 29 Wh：图片让总量翻了一倍多。粘贴几份超长文档，还会再增加更多。要换算成碳排放，请乘以您所用电网的碳强度；请参阅[查找电网碳强度数据](/zh/如何/如何查到所在电网的碳强度/)，不过数据中心所在电网的碳强度比您所在电网的更重要。

## 影响最大的是什么 {#what-makes-the-biggest-difference}

图片、视频、超长输入和没完没了的重新生成，而不是简短问题的数量。说一句“请”几乎可以忽略不计。关于量级对比，请参阅[正确看待您的 AI 能耗](/zh/如何/我使用-ai-的能耗到底算多还是少/)；关于有用的习惯，请参阅[降低您使用 ChatGPT 的能耗](/zh/如何/如何减少我使用-chatgpt-的能耗/)。

[面向所有人的绿色 AI 指南](/zh/指南/绿色-ai-写给每个人的通俗指南/)解释了这些数据为什么各不相同。

## 来源

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
