绝对不要谢AI，因为……

【导语】你跟AI说过“谢谢”吗？这简单的礼貌用语背后，可能隐藏着巨大的能源消耗和碳排放。OpenAI的CEO山姆·奥特曼揭示，对AI的礼貌用语可能导致数千万美元的电费开销。随着AI技术的广泛应用，其环保问题日益凸显。本文将探讨AI的碳排放现状、数据中心的能耗影响以及减少AI环境足迹的有效途径。

你跟AI说过谢谢吗？

几个月前，OpenAI的CEO山姆·奥特曼（Sam Altman）在推文中提及，对AI说“请”和“谢谢”或许让他们花掉了“数千万美元”电费。巨额电费也意味着，AI因为人类的礼貌而消耗了大量的电力资源，变得更不环保了。

OpenAI的CEO山姆·奥特曼（Sam Altman）在推文中提及，对AI说“请”和“谢谢”或许让他们花掉了“数千万美元”电费。

AI作为工具，可以助力环保研究和环保事业，但这个工具的研发和运营却相当耗能。更严重的问题是，我们说不清AI会造成多少碳排放。

要让AI变得更环保，也绝不仅仅是人类不说“请”和“谢谢”那么简单。

用一次AI有多少碳排放？

AI工具到底会消耗多少电能，又会造成多少碳排放，这其实是一个很难回答的问题。

最主要的困难在于信息不透明。提供AI服务的大公司往往不会公布详细的能耗数据，研究者经常只能通过间接估算进行分析——例如，他们有时会通过英伟达服务器的需求量对AI能耗规模进行计算。

这些估算存在很多假设，其结果的可靠程度也比较有限。有时，不同来源的估算会得出差异较大的结论：例如一项估算认为，每使用一次ChatGPT平均会消耗2.9 瓦时的电力[1]，而另一项估算则认为每次查询平均仅需要0.3瓦时电力[2]，二者相差了将近10倍。

一项估算认为，每次用ChatGPT查询平均会消耗2.9瓦时电力，耗电量是使用搜索引擎的10倍——但我们很难判断这些数字有多准确 | pexels

除此之外，研究者还有另一种方法获得数据：他们可以亲自下载并运行AI模型，让它们执行标准化的任务，然后测量由(yóu)此(cǐ)产(chǎn)生(shēng)的(de)电(diàn)能消耗。结合当地电网中火力发电的占比，人们还可以进一步计算出耗电背后的碳排放。这样得出的数据更加准确，但它只适用于开源模型，依然不足以揭示AI环境影响的全貌。

在最近发表的研究中，德国科学家就对14个开源大语言模型进行了这样的分析[3]。研究发现，不同模型在回答相同问题时的能耗与碳排放差异极大，最大与最小的数据之间甚至相差了50倍以上。

扩大参数规模、采用逐步推理可以提升AI的表现，但这些因素也增加了运算量，导致碳排放大幅增加。在这项研(yán)究(jiū)的(de)测(cè)试(shì)范(fàn)围(wéi)内(nèi)，碳(tàn)排(pái)放(fàng)最(zuì)多(duō)的(de)AI模(mó)型(xíng)是(shì)Deepseek R1 70B，让(ràng)它(tā)回(huí)答(dá)60万(wàn)个(gè)问(wèn)题(tí)所(suǒ)产(chǎn)生(shēng)的(de)碳(tàn)排(pái)放(fàng)，相(xiāng)当(dāng)于(yú)乘(chéng)飞(fēi)机(jī)在(zài)伦(lún)敦(dūn)与(yǔ)纽(niǔ)约(yuē)之(zhī)间(jiān)往(wǎng)返(fǎn)一(yī)次(cì)[4]。

目(mù)前(qián)仍(réng)有(yǒu)较(jiào)大(dà)比(bǐ)例(lì)的(de)电(diàn)能(néng)来(lái)自(zì)火(huǒ)力(lì)发(fā)电(diàn)，因(yīn)此(cǐ)运(yùn)行(xíng)AI模(mó)型(xíng)在(zài)耗(hào)电(diàn)的(de)同(tóng)时(shí)也(yě)会(huì)产(chǎn)生(shēng)间(jiān)接(jiē)的(de)二(èr)氧(yǎng)化(huà)碳(tàn)排(pái)放(fàng) | Wikipedia

单(dān)次(cì)使(shǐ)用(yòng)AI的(de)碳(tàn)排(pái)放(fàng)并(bìng)不(bù)算(suàn)大(dà)，但(dàn)考(kǎo)虑(lǜ)到(dào)热(rè)门(mén)AI工(gōng)具(jù)有(yǒu)着(zhe)上(shàng)亿(yì)规(guī)模(mó)的(de)访(fǎng)问(wèn)量(liàng)，相(xiāng)关碳(tàn)排(pái)放(fàng)总(zǒng)数(shù)依(yī)然(rán)相(xiāng)当(dāng)可(kě)观(guān)。在(zài)此(cǐ)之(zhī)外(wài)，AI模(mó)型(xíng)的(de)训(xun)练(liàn)、硬(yìng)件(jiàn)生(shēng)产(chǎn)、服(fú)务(wu)器(qì)冷(lěng)却(què)等(děng)环(huán)节(jié)还(hái)有(yǒu)很(hěn)多(duō)额(é)外(wài)的(de)环(huán)境(jìng)成(chéng)本(běn)——但(dàn)由(yóu)于(yú)数(shù)据(jù)不(bù)足(zú)，这(zhè)些(xiē)成(chéng)本(běn)的(de)总(zǒng)和(hé)究(jiū)竟(jìng)有(yǒu)多(duō)大(dà)同(tóng)样(yàng)是(shì)个(gè)谜(mí)。

整(zhěng)体(tǐ)不(bù)高(gāo)，但(dàn)局(jú)部(bù)影(yǐng)响(xiǎng)大(dà)

AI模(mó)型(xíng)的(de)计(jì)算(suàn)工(gōng)作(zuò)通(tōng)常(cháng)在(zài)大(dà)型(xíng)数(shù)据(jù)中(zhōng)心(xīn)完(wán)成(chéng)。随(suí)着(zhe)AI的(de)迅(xùn)速(sù)扩(kuò)张(zhāng)，近(jìn)几(jǐ)年(nián)数(shù)据(jù)中(zhōng)心(xīn)用(yòng)电(diàn)需(xū)求(qiú)快(kuài)速(sù)增(zēng)长(zhǎng)，不(bù)过(guò)它(tā)在(zài)全球(qiú)能(néng)源(yuán)消(xiāo)耗(hào)和(hé)碳(tàn)排(pái)放(fàng)中(zhōng)的(de)占(zhàn)比(bǐ)还(hái)比(bǐ)较(jiào)小(xiǎo)。

根(gēn)据(jù)国(guó)际(jì)能(néng)源(yuán)署(shǔ)（IEA）的(de)统(tǒng)计(jì)，2024年(nián)数(shù)据(jù)中(zhōng)心(xīn)的(de)用(yòng)电(diàn)总(zǒng)量(liàng)约(yuē)为(wèi)415太(tài)瓦(wǎ)时(shí)（TWh），占(zhàn)到(dào)全球(qiú)用(yòng)电(diàn)总(zǒng)量(liàng)的(de)1.5%。供(gōng)应(yīng)这(zhè)些电力产生的二氧化碳排放约为1.8亿吨，约占燃烧排放总量的0.5%[5]。

根据该机构的估计，到2030年，数据中心的用电量可能会翻一番，达到约945太瓦时。虽然涨幅惊人，但在全球电力消耗总量中，它依然只占了大约3%[5]。

不过，数据中心有“扎堆”的特性，因此哪怕总量看起来不高，局部地区受到的影响仍可能会非常显著。企业往往倾向于将数据中心建设得非常密集，这样有利于高效传输信息，还可以共享电力与冷却设施。这样做非常方便，但可能会给局部供电带来巨大的压力。

与炼钢厂等传统的高耗能设施相比，数据中心在空间上更加密集 | cisco

在一些地方，数据中心的影响比全球平均值要高得多。例如，美国弗吉尼亚州目前已有340个数据中心。据研究机构统计，这些数据中心的用电量占到了该州电力消耗总量的四分之一以上[6]。

在这里，数据中心的建设仍在快速推进，电力不足的迹象也开始显现。AI带来的电力需求缺口可能要靠新建大型燃气发电厂才能解决——而这样一来，碳排放自然也会随之增加。

为AI减碳，不说谢谢有用吗？

在谈论减少AI碳排放时，不少人都会提议从不对AI说“谢谢”做起，这种说法确实有些道理。

大语言模型在接到用户输入指令时，会将文字拆分成许多基本的“词元”（token）来分析。需要处理的词元数量决定了AI的工作量，因此也与能耗和碳排放密切相关。如果能减少“谢谢”这样可有可无的文字，就能让词元量减少一点，让AI在执行任务时少费一点电。

不过，比起一句客套话，对碳排放影响更大的可能还是AI的推理模式。上面提到的新研究发现：启用逐步推理的大语言模型，碳排放达到了其他模型的4-6倍[3]。这是因为，在展现逐步“思考”过程时，AI模型会生成额外的文字，它们需要处理的词元数量也会大幅增加。

精简提问、谨慎地选择AI模型，这对减少碳排放有些帮助；不过，这个问题终归不能只靠约束使用者来解决。提升AI效率、更多(duō)使(shǐ)用(yòng)清(qīng)洁能源发电、合理布局数据中心才是解决AI环境危机的根本途径，而这些措施都需要企业与政府的共同努力。

作者：窗敲雨

编辑：麦麦

封面图为版权图库图片，转载使用可能引发版权纠纷