揭秘“一茶匙水”的真相：Sam Altman的AI用水量宣言背后

Sam Altman关于每次ChatGPT查询仅消耗“一茶匙水”的声明，虽然在个体层面听起来微不足道，却掩盖了人工智能大规模部署所带来的巨大累积环境足迹。本文深入剖析了AI数据中心的真实资源消耗，并呼吁对这项快速发展的技术，进行更透明和负责任的生态成本评估。

OpenAI首席执行官萨姆·奥特曼（Sam Altman）近日在一篇关于人工智能将如何改变世界的博文中，抛出了一个引人注目的数据：平均每次ChatGPT查询仅消耗约0.000085加仑的水，或者用他更形象的说法——“大致相当于十五分之一茶匙的水”¹。这一看似微不足道的数字，旨在向公众描绘一幅AI对环境影响甚微的图景。然而，作为专业科技记者，我们深知，任何宏大技术叙事的背后，都隐藏着更复杂的现实。当我们将目光从单个查询的微观消耗，转向全球数十亿次交互的宏观累积，AI的真实环境成本才开始浮现。

微观与宏观：超越“一茶匙”的真相

奥特曼所给出的“十五分之一茶匙”的水量，在直观上确实显得极其微小，容易让人误认为AI的日常运行是“绿色”且无害的。这个数字特指了ChatGPT在处理一次用户请求（即“推理”阶段）时所消耗的水量。水的消耗主要发生在为数据中心服务器降温的过程中。大型语言模型（LLMs）的运行需要巨大的计算能力，这些计算会产生大量热量，而水冷系统是维持服务器正常运行的关键。

然而，将这一微量消耗乘以其在全球范围内的使用频率，情况便截然不同。据估计，ChatGPT每天处理的查询量可达_约十亿次_²。简单计算可知，这意味着仅ChatGPT的日常查询，每天就需要消耗大约 85,000加仑（约32.2万升）的水²。这个数字，相当于一个小型城镇的日均用水量，甚至足以填满好几个奥运会标准泳池。突然之间，“十五分之一茶匙”的轻描淡写，便被庞大的累积效应所取代。

除了水资源，能源消耗也是AI环境足迹的重要组成部分。奥特曼也提及，一次ChatGPT查询大约消耗0.34瓦时（Wh）的电力，足以让一个灯泡点亮几分钟³⁴。同样，在数十亿次的累积下，这将是惊人的总能量需求。

超越查询：AI的完整生命周期环境足迹

当我们讨论AI的环境影响时，仅仅关注日常查询（推理阶段）是远远不够的。实际上，AI模型从诞生到部署的整个生命周期，都伴随着巨大的资源消耗。

首先，模型训练是AI生态系统中资源最密集的环节。开发像ChatGPT这样的大型语言模型，需要在数千甚至数万块高性能GPU上，进行数月甚至数年的密集计算。这个过程涉及的数据量、计算量和随之产生的热量，都远超日常查询。训练过程中所需的电力和冷却水，构成了一个庞大且往往不透明的消耗黑洞。每次模型迭代或新模型的开发，都会叠加新的环境成本。

其次，基础设施建设本身也带有巨大的环境影响。全球范围内不断涌现的超大规模数据中心，需要消耗大量的土地、钢铁、混凝土等建筑材料。这些数据中心选址通常会考虑靠近大型电厂和水源，以确保稳定的电力供应和冷却资源。它们不仅改变了当地的生态环境，也加剧了对区域水资源和电网的压力。

最后，硬件制造的隐性成本不容忽视。AI芯片（如GPU）、服务器及其他计算设备的生产，需要开采稀有矿物，经历复杂的制造过程，其中涉及大量能源消耗和水污染。这些上游的供应链环境成本，往往被终端用户的感知所忽略。

叙事与责任：AI时代的可持续性挑战

奥特曼选择强调单个查询的低水耗，无疑是在尝试管理公众对AI日益增长的资源担忧。随着生成式AI的普及，其对能源和水的需求已成为一个不容忽视的社会问题。这种“化整为零”的叙事策略，固然能暂时缓解疑虑，却无助于构建对AI真实环境成本的全面理解。

从长远来看，AI行业需要更透明、更负责任地披露其环境足迹。这包括公开数据中心的能源来源、冷却方式、水循环利用率以及模型训练阶段的详细能耗。缺乏这些数据，我们便难以对AI的可持续性进行客观评估，也无法促进行业采取更有效的节能减排措施。

未来，随着AI技术渗透到我们生活的方方面面，从自动驾驶到药物研发，从智能城市到工业自动化，其累积的资源需求将呈指数级增长。这不仅是对有限地球资源的严峻挑战，也将是AI技术能否真正实现可持续发展和造福人类的关键所在。我们不能仅仅被“一茶匙水”的微量数字所迷惑，而必须正视AI这股强大技术浪潮背后的真实资源成本，并积极推动其向更加绿色、更负责任的方向发展。

References

• AI环境影响
• ChatGPT用水量
• Sam Altman
• 数据中心
• 可持续AI
• 能源消耗
• 大语言模型
• 技术伦理