# 绿色 AI：常见问题

> 简短并注明出处的回答，涵盖关于 AI 能耗、碳排放和用水的常见问题，以及个人和机构可以采取的行动。

Source: https://greenai.guide/zh/常见问题/  
Updated: 2026-11-19

## 简而言之

这里是对人们关于 AI 与环境最常提出的问题所作的简短回答，并注明出处：AI 消耗多少能源，情况是在好转还是恶化，以及个人、机构和政府可以做些什么。凡有更详细页面的，每个回答都附有链接。

## 要点

- 国际能源署（IEA）估计，2024 年数据中心用电约 415 TWh（太瓦时），约占全球总量的 1.5%，并预计到 2030 年将增加一倍以上。
- 根据企业公布的数据，一次典型的文本 prompt（提示词）耗电不到 1 瓦时；图像、视频和较长的智能体任务耗电多得多。
- 效率提升是真实而迅速的，但由于反弹效应，总使用量仍可能增长。
- 测量数据参差不齐：大多数单次 prompt 的数字是企业自行报告的，不能直接比较。

以下是对人们关于 AI 与环境最常提出的问题所作的简短回答。每个数字都来自具名的公开来源，列于本页末尾；这些数字变化很快，请留意年份。如果某个问题需要不止几句话来回答，请点击链接查看[指南](/zh/指南/绿色-ai-写给每个人的通俗指南/)、[良好实践页面](/zh/良好实践/高效使用-ai-日常习惯/)和[文章](/zh/文章/什么是绿色-ai/)。技术术语的解释见[术语表](/zh/术语表/)。

如果这里没有您的问题，请[向我们提问](/zh/联系我们/)。

## 常见问题

### 什么是绿色 AI？

绿色 AI 是指以尽可能低的能源、碳、水和材料足迹来开发和使用人工智能，并只在能带来真正价值的地方使用。它既包括效率（用更少的资源做同样的事），也包括充分性（先问是否根本需要 AI）。

### AI 用多少电？

目前没有人单独公布 AI 的确切用电量。国际能源署估计，2024 年所有数据中心用电约 415 TWh，约占全球用电量的 1.5%，并指出 AI 是增长最重要的驱动因素。

### AI 的能耗会持续增长吗？

按目前的趋势，会的。国际能源署预计，到 2030 年数据中心用电量将增加一倍以上，达到约 945 TWh，略高于日本目前的总用电量；到 2030 年，数据中心将占全球电力需求增长的约十分之一。

### 一次 ChatGPT 或 Gemini 的 prompt 消耗多少能源？

OpenAI 称，ChatGPT 平均每次查询耗电约 0.34 Wh；谷歌报告其 Gemini 文本 prompt 的中位数为 0.24 Wh。两者都是企业数据，采用的方法不同且部分未公开，因此不能直接比较，而且只涵盖文本，不包括图像或视频。

### AI 用水多吗？

数据中心常用水来冷却，因此 AI 也会用水。谷歌报告其 Gemini 文本 prompt 的中位数用水约 0.26 毫升，大约五滴；OpenAI 称 ChatGPT 平均每次查询用水约 0.000085 加仑。更大的问题在于当地：大型数据中心建在缺水地区。

### 训练 AI 和使用 AI，哪个对环境更不利？

两者都很重要。训练是一次性的巨大成本；Meta 报告称，训练其 Llama 3.1 系列排放了 11,390 吨 CO₂e（二氧化碳当量，基于地点法）。推理在每次有人使用模型时都会发生，因此对于广泛使用的工具，只要模型还在服役，推理的影响就会不断累积。

### 生成图像比生成文本更不环保吗？

通常是的。2024 年的一项研究发现，用所测试的效率最低的模型生成 1,000 张图像耗电 11.49 kWh，相当于给智能手机充电 522 次；而效率最高的文本模型运行 1,000 次的耗电量只相当于一次充电的 9%。

### 数据中心的碳足迹是多少？

这主要取决于它的用电量以及电力有多清洁。国际能源署估计，数据中心用电每年造成约 1.8 亿吨 CO₂ 排放，在其基准情景下到 2035 年将升至 3 亿吨。

### AI 正在变得更高效吗？

是的，而且很快。谷歌报告称，其 Gemini 文本 prompt 中位数的能耗在一年内降低到原来的三十三分之一。但效率提高使 AI 更便宜、更易用，因此总使用量仍可能上升，这就是反弹效应。

### 什么是反弹效应？

反弹效应是指效率提升使某样东西更便宜，于是人们用得更多，部分或全部节省被抵消。经济学家威廉·斯坦利·杰文斯在 1865 年描述了其极端情形：更高效的蒸汽机使英国的用煤量增加了。

### AI 能帮助应对气候变化吗？

可以。国际能源署表示，广泛采用现有的 AI 应用所减少的排放，可能远超数据中心本身的排放，到 2035 年约为能源相关排放的 5%；但它也警告，反弹效应可能削弱这一效果，而且 AI '并非灵丹妙药'。

### 怎样更可持续地使用 AI？

先问这项任务是否需要 AI；用一个清晰的 prompt 代替几个含糊的；要求更简短的回答；不要生成用不着的图像或视频。联合国教科文组织（UNESCO）和伦敦大学学院（UCL）2025 年的一份报告发现，缩短 prompt 和回答可以把能耗降低一半以上。

### 较小的 AI 模型对环境更好吗？

对许多任务来说，是的。联合国教科文组织和伦敦大学学院的报告发现，在其测试中，较小的专用模型最多可把能耗降低 90%；研究还发现，完成同一项工作时，通用生成式模型的成本远高于专用模型。

### 什么是 token？

token（词元）是语言模型读取或输出的文本片段，通常是一个词的一部分。OpenAI 给出的英文经验法则是：每个 token 约相当于四个字符，或四分之三个单词；token 越多，计算就越多。

### 什么是 PUE？

电能使用效率（PUE）是数据中心总能耗除以其计算设备能耗的比值。PUE 为 1.0 是理想值；Uptime Institute 2025 年的调查发现，行业平均值约为 1.54。

### 在自己的设备上运行 AI 比用云端更环保吗？

有时是。在本地运行小模型可以避免网络和数据中心的额外开销，并保护数据隐私；但大型数据中心完成每项任务的效率可能更高，而数以百万计的小设备加起来也很可观。这取决于模型、任务和硬件。

### 用 AI 还是自己动手，哪个更环保？

这取决于您把边界划在哪里：您的时间、您的电脑，以及 AI 出错时的返工。如果只是查一个事实或做一道简单的算术，用搜索或计算器通常更轻量。

### AI 的能耗是怎样测量的？

理想的做法是在硬件运行时用仪表计量，但许多公布的数字是估算而不是测量。CodeCarbon 和 EcoLogits 等工具可以估算能耗和排放；绿色软件基金会的软件碳强度（SCI）方法（也是 ISO/IEC 21031 标准）提供了按每单位工作量报告碳排放的标准方式。

### AI 公司必须报告能耗吗？

在欧盟，《人工智能法》要求通用 AI 模型的提供者向监管机构记录模型已知或估算的能耗。在大多数国家，目前还没有要求每项 AI 服务都公开、可比地报告能耗。

### AI 有能效标签吗？

目前还没有官方标签。Hugging Face 的 AI Energy Score 等项目会按常见任务的能耗给模型评级，研究人员和标准机构也在开发标签式的基准测试。

### AI 领域的漂绿是什么？

漂绿是指让 AI 产品或公司听起来比证据所支持的更环保，例如仅凭碳抵消就宣称'碳中和 AI'。在欧盟，第 (EU) 2024/825 号指令禁止向消费者做出无法证实的笼统环保声明。

### 数据中心为什么建在现在这些地方？

运营商要寻找可靠的电力、电网接入、凉爽的气候或可用于冷却的水、土地、网络连接以及附近的客户。过度集中会给当地电网带来压力：在爱尔兰，2024 年数据中心用电占全部计量电力的 22%，而 2015 年仅为 5%。

### 学校应该教授绿色 AI 吗？

它可以自然地融入现有的计算机、科学、地理和公民课程，帮助学生成为善于思考的 AI 使用者。我们的学校栏目提供教师指南和课程创意，无需任何付费工具。

## 来源

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Google (arXiv:2508.15734) (2025)
- [The Gentle Singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (Hugging Face) (2024)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
- [W. Stanley Jevons, The Coal Question, 1865](https://energyhistory.yale.edu/w-stanley-jevons-the-coal-question-1865/), Yale University, Energy History (1865)
- [What are tokens and how to count them?](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them), OpenAI Help Center (2025)
- [Uptime Institute global data center survey 2025](https://intelligence.uptimeinstitute.com/resource/uptime-institute-global-data-center-survey-2025), Uptime Institute (2025)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2025)
- [EcoLogits](https://ecologits.ai/), GenAI Impact (2025)
- [ISO/IEC 21031:2024 Software carbon intensity (SCI) specification](https://www.iso.org/standard/86612.html), International Organization for Standardization (2024)
- [Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission, AI Act Service Desk (2024)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
- [Directive (EU) 2024/825 on empowering consumers for the green transition](https://eur-lex.europa.eu/eli/dir/2024/825/oj), European Union (2024)
- [Data centres metered electricity consumption 2024](https://www.cso.ie/en/releasesandpublications/ep/p-dcmec/datacentresmeteredelectricityconsumption2024/keyfindings/), Central Statistics Office, Ireland (2025)
