.png?table=collection&id=1e16e373-c263-81c6-a9df-000bd9c77bef&t=1e16e373-c263-81c6-a9df-000bd9c77bef)
ChatGPT能耗揭秘：0.34瓦时/查询是真相还是“绿色公关”？
type
status
date
slug
summary
tags
category
icon
password
网址
人工智能的飞速发展，尤其是像ChatGPT这样的大型语言模型（LLM）的普及，正深刻改变着我们的世界。然而，在其强大能力的背后，AI的能源消耗和环境影响问题也日益受到关注。近日，OpenAI首席执行官山姆·奥特曼首次披露了ChatGPT单次查询的能耗数据——0.34瓦时，这一数字迅速引发了业界的广泛讨论和质疑。这究竟是AI能效优化的里程碑，还是科技巨头精心包装的“绿色公关”？
奥特曼的“0.34瓦时”：数据从何而来？
奥特曼在其博文中指出，ChatGPT单次查询的平均耗电量为0.34瓦时（Wh），相当于0.00034千瓦时（kWh）。他还补充说，这大致等同于一个节能灯泡工作两分钟的耗电量，同时用水量约为0.000085加仑。作为AI领域的领头羊，OpenAI公布此数据，无疑为评估AI技术环境足迹提供了重要基准，但也立刻将自己置于聚光灯下，接受各方审视。
支持与印证：看似合理的数字背后
奥特曼公布的数据并非空穴来风，一些第三方研究在某种程度上为其提供了佐证。
1. 独立研究的间接支持：
知名研究机构Epoch.AI曾在一份（假设为同步更新的）报告中指出，GPT-4o（一个与ChatGPT密切相关的模型）单次查询能耗约为0.0003千瓦时，这与OpenAI公布的0.34瓦时（即0.00034千瓦时）基本吻合。该研究基于模型拥有1000亿活跃参数和平均输出500个token的假设。然而，Epoch.AI的研究也承认其局限性，例如仅计算了GPU服务器的直接能耗，并未包含数据中心电源使用效率（PUE）这一关键指标。
另一项由尼达尔·杰拉姆领导的学术研究则给出了更细化的数据，显示不同规模和任务复杂度的GPT系列模型能耗有所不同。例如，GPT-4.1 nano单次查询耗电0.000454千瓦时，而处理复杂长文本任务的GPT-4.5能耗则可能跃升至0.03千瓦时。这些研究表明，在特定条件下，0.34瓦时的能耗水平并非完全不可能。
2. 硬件层面的理论推算：
据行业估算，ChatGPT的日均查询量可能高达10亿次。若以此计算，每日总能耗约为340兆瓦时。有技术专家推测，这可能需要大约3200台搭载英伟达DGX A100芯片的服务器集群来支撑。这意味着每台服务器每秒需处理约4.5次查询。如果每次查询平均生成500个token，那么单台服务器需达到每秒生成2250个token的速率。
尽管有研究表明，高端GPU服务器（如搭载8颗H100 GPU）在运行某些模型时token生成速度可远超此数值，但也有实测数据显示OpenAI模型的实际生成速度可能较低。因此，关于服务器规模和处理能力的推算，虽然存在争议，但并未完全否定0.34瓦时数据的可能性。
疑云重重：为何专家们持保留态度？
尽管存在一些支持性证据，但更多专家对OpenAI公布的能耗数据持谨慎甚至怀疑态度，主要集中在以下几个方面：
1. 计算范围的局限性：
最主要的质疑在于，0.34瓦时这个数字可能仅仅是GPU服务器在执行推理任务时的直接能耗。一个完整的数据中心运行，还包括了存储系统、网络设备、冷却系统（这是能耗大户）、防火墙、电力转换损失以及备份系统等诸多方面的能耗。科技公司在披露能耗数据时，往往倾向于报告最核心或最优化部分的数据，而忽略整体。GPU能耗通常只占数据中心总能耗的一部分。
2. 服务器规模与实际负载不符：
许多行业观察者，如绿色运营倡导者马克·布彻认为，仅凭3200台GPU服务器，远不足以支撑ChatGPT全球数百万甚至上亿用户的日常查询，特别是考虑到编程辅助、图像分析（如GPT-4V）等多模态和复杂任务的需求，以及保证服务高可用性所需的冗余。第三方报告曾指出，OpenAI用于推理的GPU数量可能高达数万乃至数十万颗。如果实际部署规模远超理论推算的3200台，那么单次查询的平均能耗必然水涨船高。
3. 关键参数与定义模糊：
批评者如大卫·米顿指出，OpenAI的声明缺乏必要的上下文信息，使得数据难以评估和比较：
* “平均查询”的定义是什么？ 是指一次简单的问答，还是一段包含多轮交互的完整对话？
* 针对哪个模型？ 是能效相对较高的GPT-3.5-turbo，还是功能更强大但可能更耗能的GPT-4或GPT-4o？或者是所有模型的加权平均？
* 是否包含复杂任务？ 如代码生成、长文档分析、图像理解与生成等，这些任务的能耗远高于简单文本查询。
* 用水量的计算范围？ 是仅指服务器直接冷却用水，还是包括了发电过程中的间接水足迹？
* 为何缺失碳排放数据？ 碳排放因地区能源结构（火电、水电、核电、可再生能源比例）而异，这才是衡量环境影响更直接的指标。
缺乏这些关键信息，0.34瓦时就成了一个孤立的数字，难以进行有意义的解读和横向对比。
推理能耗 vs. 训练能耗：不容忽视的“隐形成本”
以往关于AI能耗的讨论，往往聚焦于模型训练阶段的巨大能源开销。例如，GPT-4的训练据估算消耗了数千万千瓦时的电力。然而，从模型的整个生命周期来看，一旦模型部署并被大规模应用，处理数十亿乃至万亿次用户查询（即推理阶段）所累积的总能耗，可能远超一次性的训练能耗。
以OpenAI的数据为例，若每日10亿次查询，每次0.34瓦时，那么仅需约150至200天，推理阶段的总能耗就可能超过GPT-4的训练能耗。这使得推理阶段的能耗优化和透明化变得尤为重要。对于希望体验和使用ChatGPT官方服务的用户，了解其背后的能耗和技术细节，有助于更全面地认识这项技术。
透明度还是“绿色烟雾弹”？科技巨头的环保责任
OpenAI此次披露能耗数据，恰逢英伟达、谷歌等科技巨头相继发布其硬件产品或服务的环境影响报告。这是否预示着科技行业开始正视并回应公众对AI环境成本的关切，迈向更高的透明度？或者，这仅仅是奥特曼和OpenAI在舆论压力下的一种公关策略，通过一个经过“优化”的数字来淡化其气候影响，以维护商业利益？
在OpenAI提供更详尽、包含完整计算方法和边界条件的能耗报告之前，我们对“0.34瓦时/查询”这个数据应持审慎态度。它可能是一个积极的开始，也可能只是又一颗精心投掷的“绿色烟雾弹”。对于广大用户而言，尤其是国内用户在寻找ChatGPT国内使用方案或访问ChatGPT镜像站时，除了关注功能和便捷性，也应逐渐培养对AI技术背后环境与社会责任的认知。我们期待包括OpenAI在内的所有AI企业，能够提供更全面、更可信的环境影响评估，真正实现技术的“可持续发展”。
如果您希望深入体验ChatGPT的强大功能，探索其在各个领域的应用，可以访问https://chat.aigc.bar，这里提供了便捷的访问途径，让您能够更好地了解和使用这一前沿AI技术，或许还能找到ChatGPT官方中文版的相关信息，获得ChatGPT不降智的优质体验。
Loading...