巨型吞金獸！OpenAI拒絕披露能耗數據！日耗=150萬美國家庭電量？_風聞

在全球對人工智能的狂熱追逐中，電力逐漸成為最沉重的隱形成本。每一次新模型發佈會，舞台上展示的是推理速度的飛躍、對話長度的突破、多模態的驚豔表現，而舞台背後，卻是一個個數據中心晝夜轟鳴的冷卻塔與閃爍不息的電錶。

幾個月前，一位網友在X平台上向OpenAI CEO山姆·奧特曼（Sam Altman）提問：“我很好奇，人們在與模型互動時，如果頻繁説‘請’和‘謝謝’，這會讓OpenAI額外多花多少電費？”

面對網友的調侃，奧特曼開玩笑似的回應：“哪怕因此多花了數千萬美元的電費，那錢也算花得值，畢竟你永遠無法預料，一句小小的‘請’或‘謝謝’，可能在人與AI的關係中留下怎樣的痕跡。”

比如面對GPT-5的發佈，雖然OpenAI一面信心滿滿，點燃行業的熱情，但卻始終拒絕披露訓練與運行所消耗的電力規模。於是，掌聲與懷疑並行：人們一邊驚歎它的能力，一邊質問這座“黑匣子”究竟吞噬了多少能源？

專家的擔憂並非杞人憂天。隨着模型規模以幾何級數膨脹，能耗也在指數式攀升。環保組織和政策制定者提醒我們，這場技術競賽或許並不像宣傳片裏那樣純粹無害，它在照亮未來的同時，也點燃了能源與環境的危機感。當全球為智能的奇蹟鼓掌時，也不得不面對一個更現實的追問：誰來為這份昂貴的電力賬單埋單？

01. GPT-5或是目前能耗最高的AI大模型之一

2020年，GPT-3訓練耗電約300兆瓦時，引發環保擔憂。2023年，GPT-4雖無官方數據，但學術估算其能耗為GPT-3的數倍，碳排放可能達數萬噸二氧化碳當量。到了2025年，GPT-5的模型規模顯著擴大，能耗預計將進一步劇增。

業內專家指出，能耗已成為評估大語言模型真實成本的核心指標。羅德島大學（University of Rhode Island）人工智能實驗室的研究顯示，GPT-5生成約1000個tokens的中等長度回答，平均消耗18.35 瓦時（相當於運行微波爐約76.46秒），最高可達40瓦時，遠超其前代產品GPT-4的2.12瓦時，增幅約為8.6倍。

圖：微軟Microsoft Power BI 數據 OpenAI主流大模型的能耗表現

根據微軟Microsoft Power BI（數據分析與可視化產品）的數據顯示（如上圖）：GPT-5和o3-pro正成為能耗怪獸，GPT-4o系列是當前OpenAI產品線中較為節能的代表。o3-pro 的能耗最高，平均 33.07 Wh，遠超其他模型。GPT-5（high） 緊隨其後，平均 19.98 Wh。GPT-5（medium / low） 的能耗分別為 8.70 Wh 和 6.89 Wh，仍明顯高於 GPT-4 系列。

羅德島大學人工智能實驗室的研究方法揭示了估算能耗的複雜性。該團隊通過模型響應時間與硬件平均功率消耗的乘積進行能耗估算，但由於OpenAI未提供部署細節，研究團隊只能假設GPT-5運行於微軟Azure的英偉達DGX H100或H200系統，並綜合考慮非GPU組件（如CPU、內存、存儲、冷卻設備）及Azure的環境乘數（如電力使用效率PUE、水使用效率WUE和碳強度因子CIF）。若OpenAI採用更高效的英偉達 Blackwell硬件，相關估算結果可能存在偏差。

OpenAI首席執行官山姆・奧特曼（Sam Altman）在6月的博客中提到，ChatGPT每次查詢耗電量為0.34瓦時，這與羅德島大學人工智能實驗室對GPT-4o的估算結果吻合，但未明確所指具體模型。“GPT-5或許是目前能耗最高的人工智能模型之一，”麻省理工學院計算機科學與人工智能實驗室研究員埃文・羅伯茨（埃文・羅伯茨）表示，“但公眾卻無從知曉其背後的資源消耗代價。”

相比較而言，谷歌在今年8月發佈報告詳細説明了Gemini每次查詢所消耗的能源。總體而言，一箇中位提示詞（median prompt），也就是在能耗範圍中處於中間位置的提示詞會消耗0.24瓦時的電力，相當於一台標準微波爐運行約一秒鐘的電量。

據業內推測，GPT-4的參數規模是GPT-3（1750億參數）的10倍，而GPT-5的參數規模可能遠超GPT-4。法國人工智能公司Mistral的研究表明，模型規模與能耗存在強相關性：“規模擴大10倍的模型，生成相同tokens所產生的資源影響將提高一個數量級”。

Advertisements

GPT-5採用“專家混合”架構，部分查詢僅激活部分參數，可降低短促查詢的能耗。但其推理模式需要更長的計算時間，可能使能耗增至5至10倍。 加州大學河濱分校教授任邵磊（Shaolei Ren）指出：“基於模型規模判斷，GPT-5的資源消耗可能較GPT-3高出數個數量級”。

劍橋大學可持續計算中心主任露西・霍華德（Lucy Howard）也發出警告：“我們正處於一條危險的發展軌跡上。模型規模越大，能源消耗越高。若不採取有效措施，人工智能或將成為全球能源系統的新負擔。”

人工智能模型在訓練和推理階段的能耗不僅關乎經濟成本，更直接影響生態環境。倫敦能源研究所的報告指出，大規模人工智能模型的訓練需依託GPU集羣進行數週甚至數月的持續運算，由此產生的電力消耗及冷卻需求將導致顯著的碳排放。該報告稱：“在某些情況下，一個人工智能模型的訓練過程可能產生相當於5000輛汽車一年行駛所排放的二氧化碳當量。”

02.GPT-5的能源胃口：日耗電量相當於150萬美國家庭用電需求

為什麼我們需要如此關注大模型的能耗問題？回顧歷史，每一次技術革命都需要獨特的基礎設施支撐：19世紀需要鐵軌，90年代需要光纖，而現在則需要塞滿圖形處理器的機架。高盛的報告指出，一個250兆瓦的“AI工廠”造價約120億美元，包括硬件在內。這個數字是建造成本的4倍，因為GPU佔據了賬單的大頭。這不僅僅是錢的問題，而將是整個產業鏈的重構。

並且，模型訓練的電力黑洞訓練集羣需要數千個GPU同時運轉，還要配備液冷系統。報告預測，2027年的新機架功耗將是2022年雲機架的50倍。即使用盡了過去所有的能效優化技巧，到2030年，全球數據中心的電力需求仍可能攀升160%。這種指數級增長讓人想起摩爾定律，只不過這次增長的不是算力，而是能耗。

比如，在運行階段，GPT-5的能耗壓力同樣顯著。據估算，ChatGPT每日處理請求達25億次，若按每次查詢消耗18瓦時計算，GPT-5的日耗電量可達45吉瓦時（1吉瓦時等於100萬千瓦時），這一數值相當於150萬美國家庭的每日用電需求，或2至3座核反應堆的輸出量，足以滿足一個小型國家的日常供電需求。

OpenAI拒絕披露能耗數據的背後，折射出企業的現實考量。公開能耗數據可能暴露其高昂的運營成本，進而影響投資者信心。目前，OpenAI主要依賴GPT系列產品的訂閲收入和API授權費用，以維持龐大的研發與計算開支。若GPT-5的能耗被證實遠超預期，市場可能對其商業可持續性產生質疑。華爾街分析師卡爾・米勒（Carl Miller）對此指出：“能源賬單正逐漸成為人工智能企業的隱形負擔。若電力成本持續攀升，企業的盈利空間將受到嚴重擠壓。”

此外，GPT-5的運行高度依賴微軟Azure基礎設施，這使得能耗問題不僅是OpenAI面臨的挑戰，更成為整個雲計算行業的共同難題。微軟、谷歌、亞馬遜等雲服務提供商正面臨日益增長的能源壓力。

03.能耗透明度的缺失，撕裂了行業信任

目前，能耗爭議已延伸至更深層次的倫理維度。批評者質疑，在全球仍有數十億人面臨能源短缺的背景下，將大量電力用於訓練聊天機器人是否具有合理性？人工智能的社會價值能否抵消其產生的環境成本？

哈佛大學倫理學教授邁克爾・陳（Michael Chen）表示：“這不僅是技術問題，更是價值選擇問題。若人工智能的發展建立在巨大的資源消耗之上，我們必須思考它服務於誰，又讓誰做出了犧牲。”

目前，全球範圍內針對人工智能能耗的統一監管框架尚未形成。歐盟的《人工智能法案》主要聚焦風險分類與安全治理，未對能耗作出明確約束。美國能源監管機構也未將人工智能納入重點監測範圍。這使得科技企業在能耗披露方面享有高度自主權，多傾向於自主選擇是否披露相關數據。

布魯金斯學會（Brookings Institution）研究員哈維爾・加西亞（Javier Garcia）表示：“透明度的缺失正加劇公眾對人工智能行業的信任危機。公眾有權知曉這些模型消耗了多少資源，而非僅看到其光鮮的功能展示。”

OpenAI拒絕披露GPT-5能耗數據的決定，已將一個技術問題推向社會辯論的前台。這不僅關乎環境與經濟，更觸及科技發展道路上的根本問題：我們願意為智能付出多少代價。在全球氣候和能耗壓力日益加劇的今天，人工智能的未來取決於行業、政策與社會的共同抉擇。GPT-5的能耗之謎，或許正是這一時代抉擇的縮影

騰訊科技