简而言之
根据服务提供商自己公布的数据和独立估算,向 ChatGPT 或 Gemini 等聊天机器人发送一条典型的简短文本提示词,大约耗电 0.2 至 0.4 瓦时,约相当于电视机运行几秒钟的用电量。对于长输入、推理模型、图像、视频和编程智能体,AI 能耗会急剧上升,每项任务的用电量可能高出几十倍乃至几千倍。从总量看,据国际能源署(IEA)估算,2025 年数据中心用电约 485 TWh,而 AI 是这一数字不断增长的主要原因。
要点
- 谷歌报告称,2025 年 5 月 Gemini 文本提示词的中位能耗为 0.24 Wh;OpenAI 首席执行官给出的 ChatGPT 平均每次查询能耗约为 0.34 Wh。两者均为自行报告的数据。
- Epoch AI 估算,一次典型的 GPT-4o 查询约耗电 0.3 Wh;输入为 10,000 个 token 时升至约 2.5 Wh,输入为 100,000 个 token 时接近 40 Wh。
- Hugging Face 的 AI Energy Score 测试发现,推理模型的平均能耗是标准模型的 30 倍。
- 在对开放模型的测试中,生成一张图像平均耗电约 2.9 Wh,生成一段 AI 短视频约耗电 90 Wh。
- 一项针对重度使用 AI 编程智能体的分析估算,每输入一条提示词约耗电 150 Wh,约为一条中位聊天提示词的 600 倍。
- IEA 估算,2025 年数据中心用电约 485 TWh,一年内增长 17%,并预计到 2030 年将达到约 950 TWh。
AI 耗电量有多大?向聊天机器人提一个简短的问题,耗电很少:不到 1 瓦时。处理长文档、使用推理模式、生成图像和视频、运行编程智能体,耗电则多得多。而在每天数十亿次请求的规模上,AI 能耗已经大到足以影响电力规划。本文汇集目前最好的公开数据,说明每个数据的出处,并解释它们为何不同。
一条 ChatGPT 或 Gemini 提示词耗电多少?
按目前最好的数据,向大型聊天机器人发送一条简短的文本提示词,大约耗电 0.2 至 0.4 瓦时(Wh)。1 瓦时是 1 瓦的设备运行 1 小时所用的电能。
被引用最多的数字来自服务提供商自己:
- 谷歌在 2025 年报告称,Gemini 应用中位文本提示词耗电 0.24 Wh。其论文将此比作看不到九秒钟的电视。
- OpenAI 首席执行官在 2025 年写道,ChatGPT 平均每次查询耗电约 0.34 Wh。没有公布计算方法。
- 独立研究机构 Epoch AI 根据有关硬件和模型规模的公开信息,估算一次典型的 GPT-4o 查询约耗电 0.3 Wh。
这些数字相近,但并不能直接比较:中位数不是平均数,而且各自划定统计范围的方式不同。它们也都只涵盖简短的文本提示词。
每项任务的能耗:数据对比
每项 AI 任务的能耗相差一千多倍,从简短提示词的不到 1 瓦时,到一次智能体会话的数百瓦时。下表列出主要的已公布数据。自行报告的数据来自运营该服务的公司;估算和测量数据来自独立研究人员。
| 任务 | 能耗 | 来源和年份 | 类型 |
|---|---|---|---|
| Gemini 中位文本提示词 | 0.24 Wh | 谷歌,2025 年 | 自行报告,公布了方法 |
| ChatGPT 平均每次查询 | 约 0.34 Wh | OpenAI 首席执行官,2025 年 | 自行报告,未公布方法 |
| 典型的 GPT-4o 查询 | 约 0.3 Wh | Epoch AI,2025 年 | 独立估算 |
| GPT-4o,简短提示词(输入 100 个 token,输出 300 个) | 0.42 Wh | Jegham 等,2025 年 | 独立估算 |
| GPT-4o 级别查询,输入 10,000 个 token | 约 2.5 Wh | Epoch AI,2025 年 | 独立估算 |
| GPT-4o 级别查询,输入 100,000 个 token | 接近 40 Wh | Epoch AI,2025 年 | 独立估算 |
| 长提示词(输入 10,000,输出 1,500):Llama 3.1 8B 对比 DeepSeek-R1 | 约 0.44 Wh 对比约 29 Wh | Jegham 等,2025 年 | 独立估算 |
| 推理模型对比标准模型 | 平均高 30 倍 | Hugging Face AI Energy Score,2025 年 | 实测,开放模型 |
| 生成一张图像 | 约 2.9 Wh(每 1,000 张 2.9 kWh) | Luccioni、Jernite 和 Strubell,2024 年 | 实测,开放模型 |
| 生成一段短视频 | 单个模型约 90 Wh;不同模型从 0.14 Wh 到 415 Wh 以上不等 | Delavande、Pierrard 和 Luccioni,2025 年 | 实测,开放模型 |
| 编程智能体中位会话 | 约 41 Wh | Couch,2026 年 | 独立估算 |
| 编程智能体,每条输入的提示词(重度使用) | 约 150 Wh(范围 60–290 Wh) | Hausfather,2026 年 | 独立估算 |
token(词元)是一段文本,大约相当于四分之三个英文单词。图像和视频的数据来自在研究硬件上运行的开放模型;商业服务的效率可能更高或更低,而且大多数并不公布数据。
为什么推理模型、图像和智能体更耗电?
因为它们每次请求要做的计算多得多。能耗随模型读取和写出的 token 数量增加而上升,也随模型规模增大而上升。
- 推理模型在回答之前会写出很长的隐藏推理过程。Hugging Face 的 AI Energy Score 团队发现,同一个模型开启推理后的能耗是关闭时的 150 至 700 倍,写出的 token 多 300 至 800 倍。
- 长输入必须被完整处理。Epoch AI 的估算显示,当输入增长到 100,000 个 token(相当于粘贴进一份很长的文档)时,能耗从约 0.3 Wh 升至接近 40 Wh。
- 图像和视频要在大量像素上分很多步生成。Delavande、Pierrard 和 Luccioni 发现,视频能耗随分辨率和时长呈二次方增长,一段短视频的能耗大约是一条文本回答的 2,000 倍。
- 智能体会一次又一次地调用模型,每次都要重新读取不断增长的上下文。Anthropic 报告称,其智能体使用的 token 通常约为一次聊天的四倍,多智能体系统约为十五倍。
AI 编程智能体耗电多少?
估算结果从一次典型会话的几十瓦时,到重度使用一天的超过 1 千瓦时不等。没有哪家 AI 公司公布其编程智能体的能耗数据,因此目前最好的数字是根据 token 数量做出的审慎独立估算。
Simon Couch 估算,一次中位 Claude Code 会话(24 次模型调用,约 590,000 个 token)约耗电 41 Wh。气候科学家 Zeke Hausfather 记录了自己八周的重度使用情况:1,138 条输入的提示词引发了 14,000 多次模型调用和 32 亿个 token,其中 96% 是对缓存上下文的重复读取。他估算总耗电约 170 kWh(范围 70–330 kWh),每条提示词约 150 Wh,中位会话约 0.6 kWh,他将其比作给手机充电约 50 次。参见智能体 AI 与 token 浪费。
训练和推理,哪个成本更大?
对于被广泛使用的模型,运行它(推理)的成本通常超过训练它的成本。训练是一笔很大的一次性成本;推理每次请求的成本很小,却要重复数十亿次。
已公布的训练数据显示了其规模:
- GPT-3(2020 年):谷歌的 Patterson 及其同事估算,训练耗电 1,287 MWh。
- Llama 3.1(2024 年):Meta 的模型卡报告,三种规模的模型在 H100 芯片上共用了 3930 万 GPU 小时,其中 3084 万用于最大的 4050 亿参数模型。
另一方面,Patterson 及其同事引用英伟达(NVIDIA)的估算称,机器学习工作负载的 80–90% 是推理,并引用亚马逊云科技(Amazon Web Services)的说法称,其云上 90% 的机器学习需求是推理。正因如此,每条提示词能耗的下降非常重要;但这本身也不够,因为使用量增长得更快。参见效率不等于充足。
数据中心和 AI 总共用多少电?
国际能源署(IEA)估算,2025 年数据中心用电约 485 TWh,并预计到 2030 年将达到约 950 TWh,约占全球用电量的 3%。1 太瓦时(TWh)等于 10 亿千瓦时。
- IEA 估计 2024 年数据中心用电约 415 TWh,约占全球用电量的 1.5%。其 2026 年 4 月的更新报告称,2025 年为 485 TWh,一年内增长 17%,其中以 AI 为主的数据中心用电增长了 50%。
- 它预计到 2030 年,美国和中国将占增长量的近 80%,而主要用于 AI 的加速服务器将贡献近一半的增量。
- 在美国,劳伦斯伯克利国家实验室估算,2023 年数据中心用电约 178 TWh,占全国用电量的 4.4%,到 2028 年可能达到 6.7–12%。
目前没有单独针对 AI 的可靠全球数据,因为数据中心并不单独计量 AI 工作的用电。公司报告显示了这一趋势:微软的用电量从 2020 财年的约 10.8 TWh 增至 2025 财年的约 37.0 TWh;谷歌报告称,其 2025 年电力需求增长 37%,为历史最大增幅。参见为什么绿色 AI 现在很重要。
为什么 AI 能耗数据差别这么大?
因为不同研究统计的内容不同,使用的硬件、模型和任务也不同。四个因素可以解释大部分差异。
- 系统边界。谷歌自己的论文显示,只统计正在工作的 AI 芯片,中位提示词能耗为 0.10 Wh;加上主机处理器和内存、为应对需求而保持就绪的闲置算力以及数据中心冷却后,为 0.24 Wh,是前者的两倍多。参见测量是绿色 AI 的瓶颈。
- 硬件和利用率。较新的芯片每瓦能完成更多工作;繁忙的服务器能把固定开销分摊到比空闲服务器更多的请求上。
- 模型规模。在 Jegham 及其同事的估算中,一条长提示词在小型的 Llama 3.1 8B 模型上约耗电 0.44 Wh,在大型推理模型 DeepSeek-R1 上约耗电 29 Wh。
- token。更长的输入、更长的回答、隐藏的推理过程和重复的智能体步骤都会增加 token,能耗也随之上升。
还有两点需要注意。数据过时很快:谷歌报告称,一年内中位提示词的能耗下降到原来的 1/33。而且自行报告的数据无法独立核实。看到一个数字时,要问清测量的是什么、统计边界在哪里、是什么时候测的。参见如何核查有关 AI 能耗的说法。
AI 能耗与日常用电相比如何?
一条简短的文本提示词与大多数家庭用电相比很小;重度使用智能体或生成视频则不然。以下比较均出自各来源本身:
- 谷歌把其 0.24 Wh 的 Gemini 中位提示词比作看不到九秒钟的电视。
- Hausfather 把他重度使用中一次中位编程智能体会话(约 0.6 kWh)比作给手机充电约 50 次,把这种使用强度下平均一天的用电(约 3 kWh)比作运行两台以上的冰箱。
- Couch 把他使用编程智能体的中位一天(约 1,300 Wh)比作每天多开一次洗碗机。
- 谷歌在 2009 年表示,一次普通网页搜索约耗电 0.3 Wh,与如今简短文本提示词的量级相近。但这两组数据在时间和方法上相差很远。
重点不在于单次请求有多大,而在于习惯很重要:选择推理模型、粘贴长文档、批量生成图像或让智能体一直运行,每一种都可能使一项任务的能耗成倍增加。参见正确看待我的 AI 能耗。
您可以怎样减少 AI 能耗?
用能完成任务的最小工具,并少让它做事。最大的节省来自避免不必要的工作,而不是更换服务提供商。
- 先判断这项任务是否需要 AI:参见判断一项任务是否需要 AI。
- 日常问题选用更小或更快的模型:参见选择更小的 AI 模型和选择合适的模型。
- 不需要时关闭推理功能:参见只在需要时使用推理模式。
- 让对话保持简短,换新话题时开启新对话:参见让长时间的 AI 对话保持高效。
- 少生成图像和视频:参见减少 AI 图像和视频生成的影响。
- 给智能体设定限制:参见防止 AI 智能体浪费 token和以更小的足迹使用 AI 编程助手。
对机构而言,起点是测量:参见测量 AI 能耗、估算 AI API 调用的能耗和高效使用 AI。
下一步
- 阅读AI 的碳足迹是多少?,把能耗换算成排放。
- 阅读AI 用多少水?,了解用水方面的情况。
- 试试减少使用 ChatGPT 的能耗,养成日常好习惯。
- 向您的 AI 服务提供商索取每项任务的能耗数据:参见向 AI 公司索取能耗数据。
- 借助 AI Energy Score 比较开放模型的实测能耗。
常见问题
一条 ChatGPT 提示词耗电多少?
OpenAI 首席执行官在 2025 年表示,ChatGPT 平均每次查询耗电约 0.34 瓦时;Epoch AI 独立估算,一次典型的 GPT-4o 查询约耗电 0.3 Wh。长输入、推理模式和图像生成的耗电量要大得多。
AI 每条提示词耗电多少?
对于简短的文本提示词,已公布的数据集中在 0.2 至 0.4 Wh 之间:谷歌报告的 Gemini 中位提示词能耗为 0.24 Wh。独立估算显示,大模型处理长提示词约耗电 29 Wh,而智能体编程会话可能耗电数百瓦时。
AI 比谷歌搜索更耗电吗?
按已公布的数据,简短文本提示词并不更耗电。谷歌在 2009 年表示,一次普通搜索约耗电 0.3 Wh;如今它报告的 Gemini 文本提示词中位能耗为 0.24 Wh。这两个数据相隔 16 年,测量方法也不同,因此只能作为粗略参考。长任务、推理、图像和智能体任务的耗电量要大得多。
AI 总共用多少电?
目前没有单独针对 AI 的可靠数据。国际能源署估算,2025 年所有数据中心用电约 485 TWh,一年内增长 17%,其中以 AI 为主的数据中心用电增长了 50%;预计到 2030 年总量将达到约 950 TWh,约占全球用电量的 3%。
训练 AI 和使用 AI,哪个更耗能?
训练一个大模型是一笔很大的一次性成本,例如估计 GPT-3 的训练耗电 1,287 MWh。但热门模型会被使用数十亿次,谷歌研究人员引用的行业估算认为,推理占机器学习工作负载的 80–90%。
为什么 AI 能耗估算的差别这么大?
因为它们统计的内容不同。把数据中心冷却、闲置服务器和主机计算机计算在内后,谷歌自己的数据从 0.10 Wh 增至 0.24 Wh,增加了一倍多。模型规模、硬件、提示词长度和生成的 token 数量也会改变结果。
AI 生成图像耗电多少?
在 Luccioni、Jernite 和 Strubell 对开放模型的测试中,生成图像平均每 1,000 张耗电约 2.9 kWh,即每张约 2.9 Wh,是对一段文本进行分类的一千多倍。
怎样减少使用 AI 的能耗?
简单任务用更小或更快的模型,让提示词和对话保持简短,不需要时关闭推理模式,少生成图像和视频。先问一问这项任务究竟是否需要 AI,节省的能源最多。
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)
- How hungry is AI? Benchmarking energy, water and carbon footprint of LLM inference, Jegham et al. (arXiv 2505.09598, v6) (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (2024)
- Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (arXiv 2509.19222) (2025)
- The real energy use of agentic AI, Zeke Hausfather, The Climate Brink (2026)
- Electricity use of AI coding agents, Simon P. Couch (2026)
- How we built our multi-agent research system, Anthropic (2025)
- Carbon emissions and large neural network training, Patterson et al. (arXiv 2104.10350) (2021)
- Powering a Google search (Italian edition: Dare energia alle ricerche su Google), Google (2009)
- Llama 3.1 8B model card, Meta (2024)
- Energy and AI, International Energy Agency (2025)
- Key questions on energy and AI, International Energy Agency (2026)
- 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory (2024)
- 2026 environmental data fact sheet, Microsoft (2026)
- Read our 11th annual Environmental Report, Google (2026)