简而言之
向 AI 聊天机器人提一个文本问题,耗能很少:按企业自己的数据,大约三分之一瓦时,用水不到一毫升。图像和视频耗能多得多,而庞大的请求数量也会累积起来。 最重要的习惯是选对工具、避免没完没了地重新生成,以及要求获得如实的信息。
要点
- Google 报告称,Gemini 文本提示词的中位数能耗为 0.24 Wh、用水 0.26 mL;OpenAI 称 ChatGPT 一次查询平均约 0.34 Wh。两者均为自行报告。
- 生成图像的能耗远高于处理文本:在一项研究中,每次请求的能耗是文本分类的一千多倍。
- 国际能源署预计,2024 年至 2030 年间数据中心的用电量将增加一倍以上,而 AI 是主要驱动力。
- 单次提示词的数据之所以各不相同,是因为企业测量的内容不同;请始终问清楚其中包括了什么。
- 您可以通过自己的选择、工作单位或学校、地方规划决定以及公众咨询来表达意见。
用通俗的话说,什么是绿色 AI?
绿色 AI 是指在获得人工智能好处的同时,使用更少的能源、水和其他资源。它包含两方面:让 AI 本身更高效,以及明智地使用它,只在有帮助的地方使用。
它并不是要告诉人们永远别用 AI。2026 年,英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)直接讨论了这个问题,结论是:负责任地使用 AI,比拒绝 AI 更有意义。更详细的解释见什么是绿色 AI?
使用 AI 要耗多少能源?
对于一个普通的文本问题,耗能很少:按企业自己的数据,大约三分之一瓦时。但图像和视频耗能多得多,而且全球的请求数量极其庞大。
以下是已公布的数据:
| 来源 | 测量对象 | 能耗 |
|---|---|---|
| Google(2025) | 向 Gemini 应用发送的文本提示词(prompt)中位数 | 0.24 Wh |
| OpenAI(2025) | ChatGPT 一次查询的平均值 | 约 0.34 Wh |
| Epoch AI(2025),独立估算 | ChatGPT 一次典型文本查询 | 约 0.3 Wh |
OpenAI 将其数据比作烤箱运行一秒多一点的用电量,或一只高效灯泡亮几分钟的用电量。Epoch AI 的估算比一个流传甚广的旧数据 3 Wh 低约十倍,这说明随着硬件和软件的改进,估算数字变化得有多快。Google 报告称,其提示词中位数的能耗在一年内下降到原来的三十三分之一。
图像和视频的代价要高得多。 在 Hugging Face 和卡内基梅隆大学(Carnegie Mellon University)研究人员的测试中,生成图像平均每 1,000 张约耗电 2.9 kWh,而将 1,000 段文本分类只需 0.002 kWh。按每次请求计算,前者是后者的一千多倍。视频生成的耗能还要更高。
让能源规划者担忧的是总量。 国际能源署(IEA)估计,2024 年数据中心约耗电 415 TWh,约占全球用电量的 1.5%,并预计到 2030 年将达到约 945 TWh。它指出,AI 是这一增长最重要的驱动力。
AI 用多少水?
按每个文本提示词计算,用水很少;但从总量看,以及在某些地方,用水很多。数据中心用水主要是为了给计算机降温,而发电厂发电也要用水。
- Google 报告称,Gemini 文本提示词的中位数用水量为 0.26 mL。
- OpenAI 称,ChatGPT 一次查询平均用水约 0.000085 加仑,大约是一茶匙的十五分之一。
- 法国公司 Mistral AI 发布了一份生命周期评估,计入的环节比上述两个数据都多。评估得出,一个 400 token(词元)的回答(几段文字)对应 1.14 g CO₂e(二氧化碳当量)和 45 mL 水。
- 研究人员 Li、Yang、Islam 和 Ren 估计,在微软位于美国的数据中心训练 GPT-3 模型,可能直接蒸发了约 700,000 升清洁淡水。
这些数字之间的巨大差异,主要来自计入了什么,而不是某家公司比另一家好得多。数据中心的位置也很重要:在干旱地区、干旱时期取用的水,比在水资源丰富的地方取用同样多的水影响更大。
为什么这些数字如此不确定?
因为大多数数据来自企业自己,它们测量的内容不同,而且很少公布完整的方法。独立研究人员往往只能从外部进行估算。
会改变答案的因素:
- 包括了什么: 只算芯片,还是也算冷却、闲置的备用容量、网络和硬件制造?
- 哪个模型: 小模型的耗能远少于大模型,而逐步“思考”的“推理”模型会在幕后生成多得多的文字。
- 回答有多长: 能耗随读取和写出的文本量增加而上升。
- 在哪里、什么时候运行: 同样的电力,在一个国家或某个时段可能是低碳的,在另一个国家或时段则可能是高碳的。
因此,任何单一数字都只能作为粗略参考。诚实的来源会说明计入了什么,以及有多大把握。
哪些日常习惯重要,哪些不重要?
重要的是那些会成倍放大使用量的习惯:生成大量图像或视频、一遍又一遍地重新生成,以及在不需要时让 AI 一直运行。小小的礼貌用语和偶尔提问影响很小。
真正有影响的习惯:
- 使用合适的工具。 普通的网页搜索、计算器、地图或词典往往更快,耗能也更少。
- 适度生成图像和视频。 只生成您需要的,不要为了好玩而生成几十个变体。
- 改进请求,而不是不断重新生成。 如果第一个回答不对,就说明要改什么,而不是一遍又一遍地点击“重试”。
- 只需要简短回答时,就要求简短回答。 联合国教科文组织(UNESCO)和伦敦大学学院(University College London)发现,更短的提示词和回答可将能耗减少一半以上。
- 选择更轻量的选项:如果应用为简单问题提供“快速”、“mini”或“轻量版”模型,就选用它。
- 在设置允许的情况下,关闭应用和设备中不用的 AI 功能。
影响不大的习惯:
- 说“请”和“谢谢”。与一个长篇回答相比,这几个多出来的词微不足道。
- 偶尔向文本聊天机器人提一个问题。按 OpenAI 的数据,每次的耗能大约相当于一只高效灯泡亮几分钟。
从更大的图景看,关键不在于个人习惯,而在于 AI 如何被嵌入到数量极其庞大的人群所使用的产品和服务中。正是在这些地方,推动提高效率和公开如实信息的压力最能发挥作用。我们的高效使用 AI页面有更多建议。
我如何判断关于 AI 与环境的说法?
问清楚测量的是什么、由谁测量、与什么相比。如果缺少这些信息,无论是危言耸听的说法还是令人安心的说法,都可能产生误导。
可以问的问题:
- 按什么计算? 每个问题、每张图像、每年,还是每位用户?总量大可能意味着每次使用的量很小,反之亦然。
- 是谁说的? 是企业自己的数据、一项独立研究,还是一篇重复旧估算的新闻报道?
- 包括了什么? 只有计算机芯片,还是整个数据中心、电力供应和制造过程?
- 数据有多旧? 数据变化很快。几年前的数字可能高了十倍,也可能低了十倍。
- 与什么相比? 除非您知道一次搜索耗多少能,否则“比一次搜索多十倍”没有多大意义。
- 是否把效率和少用混为一谈? 如果 AI 每个问题的成本降低了,人们可能只会用得更多。这被称为反弹效应。
对没有数据支撑的“绿色”、“清洁”或“碳中和”之类的词要保持警惕。独立评级已经开始出现:由 Hugging Face 及其合作伙伴推出的 AI Energy Score,按能效给 AI 模型评一到五星,有点像家电的能效标签。详见AI 能效标签。
我如何表达自己的意见?
您可以通过自己的选择、在工作单位或学校提出的要求,以及关于数据中心和监管的公共决策,来影响绿色 AI 的发展。当足够多的人提出要求时,组织确实会倾听。
- 作为用户: 选择公布清晰的能源和用水信息的服务;如果企业没有公布,就告诉它们。
- 在工作中: 问问您的雇主是否有关于 AI 使用和供应商选择的政策。可以向他们推荐我们的企业指南。
- 在中小学或大学: 问问学校如何讲授 AI 及其环境代价。教师可以在我们的学校栏目中找到资源,年轻人可以从写给学生开始。
- 在本地: 在许多国家,新建数据中心需要获得规划许可。规划申请和地方咨询是询问电力、用水和余热问题的机会。
- 在全国层面: 政府会就 AI、能源和数字政策征求公众意见。您可以回应这些咨询,或写信给您选出的代表,要求 AI 提供商报告能源和用水情况。
- 在您的社区: 慈善机构和社区团体同样可以用好 AI;我们的慈善机构指南或许会有帮助。
AI 也能帮助环境吗?
能,在某些用途中可以,这也是全貌的一部分。AI 被用于预测天气、发现输电线路故障、规划可再生能源的使用以及加速科学模型,其中一些用途节省的能源可能多于它们消耗的能源。
问题在于,这类节省很少被测量,而日常使用 AI 的代价却分散在数量庞大的设备和服务中。绿色 AI 要求如实计算两方面:一项 AI 用途的代价是什么,以及它实际节省了什么。它还主张:如果一种简单、成熟的方法已经能完成任务,就使用这种方法,把 AI 留给它能带来新价值的问题。
研究人员正在想办法让 AI 模型变得更小、运行成本更低,而且往往是借助数学,而不是更多的算力。这项工作之所以重要,是因为它能以更少的能源、在更多设备上、为更多人提供同样的帮助。
下一步做什么
- 下次使用 AI 时,问问自己是否用更简单的工具就够了。
- 减少您并不真正需要的图像和视频生成,用改进请求代替重新生成。
- 只需要快速回复时,就要求简短的回答。
- 用上面的六个问题检验一条您看到的关于 AI 与环境的说法。
- 问问您的雇主、学校或地方议会,他们在 AI 和能源方面采取什么做法。
- 了解更多: 从什么是绿色 AI?和为什么绿色 AI 现在很重要开始,或者和一位年轻人一起浏览学校栏目。
常见问题
向 ChatGPT 提一个问题要耗多少电?
OpenAI 首席执行官曾表示,一次查询平均约耗电 0.34 Wh,大约相当于烤箱运行一秒多一点的用电量。Epoch AI 独立估算,一次典型查询约耗电 0.3 Wh。冗长或复杂的请求耗电更多。
AI 用水很多吗?
按每个文本提示词计算,用水很少:Google 报告称,Gemini 提示词的中位数用水量为 0.26 mL。总量才更重要:研究人员估计,在微软位于美国的数据中心训练 GPT-3,可能蒸发了约 700,000 升淡水。对当地的影响取决于数据中心所在的位置。
为了保护地球,我应该停止使用 AI 吗?
不一定。按 OpenAI 的数据,偶尔提一个文本问题的耗能,大约相当于一只高效灯泡亮几分钟。更合理的做法是在 AI 有帮助的地方使用它,避免一次生成几十张图像之类的浪费习惯,并推动获得更好的信息。
对聊天机器人说“请”和“谢谢”会浪费能源吗?
每多一个词都会增加一点点处理量,但与生成长篇回答、图像或视频的能耗相比微乎其微。这不是一个值得担心的习惯。
来源
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- Energy and AI, International Energy Agency (2025)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
相关内容
什么是绿色 AI?
用通俗语言定义绿色 AI:“AI 助力绿色”与“更绿色的 AI”、效率与充足,以及 AI 在能源、碳、水和材料方面的足迹。
为什么绿色 AI 现在很重要
AI 正推动数据中心用电快速增长,给电网带来压力、推高成本。本文汇总 2026 年关于规模、能源、成本和政策的证据。
AI 的能效标识与基准测试
2026 年 AI 能效评级的现状:AI Energy Score、MLPerf Power、欧盟《人工智能法》的文档要求和数据中心评级,以及标识能说明什么。
高效使用 AI:日常习惯
降低 AI 使用能耗的日常习惯:清晰的提示、减少反复重新生成、慎用图像和视频、利用缓存,以及关闭默认开启的功能。