巨型吞金兽！OpenAI拒绝披露能耗数据！日耗=150万美国家庭电量？_风闻

在全球对人工智能的狂热追逐中，电力逐渐成为最沉重的隐形成本。每一次新模型发布会，舞台上展示的是推理速度的飞跃、对话长度的突破、多模态的惊艳表现，而舞台背后，却是一个个数据中心昼夜轰鸣的冷却塔与闪烁不息的电表。

几个月前，一位网友在X平台上向OpenAI CEO山姆·奥特曼（Sam Altman）提问：“我很好奇，人们在与模型互动时，如果频繁说‘请’和‘谢谢’，这会让OpenAI额外多花多少电费？”

面对网友的调侃，奥特曼开玩笑似的回应：“哪怕因此多花了数千万美元的电费，那钱也算花得值，毕竟你永远无法预料，一句小小的‘请’或‘谢谢’，可能在人与AI的关系中留下怎样的痕迹。”

比如面对GPT-5的发布，虽然OpenAI一面信心满满，点燃行业的热情，但却始终拒绝披露训练与运行所消耗的电力规模。于是，掌声与怀疑并行：人们一边惊叹它的能力，一边质问这座“黑匣子”究竟吞噬了多少能源？

专家的担忧并非杞人忧天。随着模型规模以几何级数膨胀，能耗也在指数式攀升。环保组织和政策制定者提醒我们，这场技术竞赛或许并不像宣传片里那样纯粹无害，它在照亮未来的同时，也点燃了能源与环境的危机感。当全球为智能的奇迹鼓掌时，也不得不面对一个更现实的追问：谁来为这份昂贵的电力账单埋单？

01. GPT-5或是目前能耗最高的AI大模型之一

2020年，GPT-3训练耗电约300兆瓦时，引发环保担忧。2023年，GPT-4虽无官方数据，但学术估算其能耗为GPT-3的数倍，碳排放可能达数万吨二氧化碳当量。到了2025年，GPT-5的模型规模显著扩大，能耗预计将进一步剧增。

业内专家指出，能耗已成为评估大语言模型真实成本的核心指标。罗德岛大学（University of Rhode Island）人工智能实验室的研究显示，GPT-5生成约1000个tokens的中等长度回答，平均消耗18.35 瓦时（相当于运行微波炉约76.46秒），最高可达40瓦时，远超其前代产品GPT-4的2.12瓦时，增幅约为8.6倍。

图：微软Microsoft Power BI 数据 OpenAI主流大模型的能耗表现

根据微软Microsoft Power BI（数据分析与可视化产品）的数据显示（如上图）：GPT-5和o3-pro正成为能耗怪兽，GPT-4o系列是当前OpenAI产品线中较为节能的代表。o3-pro 的能耗最高，平均 33.07 Wh，远超其他模型。GPT-5（high） 紧随其后，平均 19.98 Wh。GPT-5（medium / low） 的能耗分别为 8.70 Wh 和 6.89 Wh，仍明显高于 GPT-4 系列。

罗德岛大学人工智能实验室的研究方法揭示了估算能耗的复杂性。该团队通过模型响应时间与硬件平均功率消耗的乘积进行能耗估算，但由于OpenAI未提供部署细节，研究团队只能假设GPT-5运行于微软Azure的英伟达DGX H100或H200系统，并综合考虑非GPU组件（如CPU、内存、存储、冷却设备）及Azure的环境乘数（如电力使用效率PUE、水使用效率WUE和碳强度因子CIF）。若OpenAI采用更高效的英伟达 Blackwell硬件，相关估算结果可能存在偏差。

OpenAI首席执行官山姆・奥特曼（Sam Altman）在6月的博客中提到，ChatGPT每次查询耗电量为0.34瓦时，这与罗德岛大学人工智能实验室对GPT-4o的估算结果吻合，但未明确所指具体模型。“GPT-5或许是目前能耗最高的人工智能模型之一，”麻省理工学院计算机科学与人工智能实验室研究员埃文・罗伯茨（埃文・罗伯茨）表示，“但公众却无从知晓其背后的资源消耗代价。”

相比较而言，谷歌在今年8月发布报告详细说明了Gemini每次查询所消耗的能源。总体而言，一个中位提示词（median prompt），也就是在能耗范围中处于中间位置的提示词会消耗0.24瓦时的电力，相当于一台标准微波炉运行约一秒钟的电量。

据业内推测，GPT-4的参数规模是GPT-3（1750亿参数）的10倍，而GPT-5的参数规模可能远超GPT-4。法国人工智能公司Mistral的研究表明，模型规模与能耗存在强相关性：“规模扩大10倍的模型，生成相同tokens所产生的资源影响将提高一个数量级”。

Advertisements

GPT-5采用“专家混合”架构，部分查询仅激活部分参数，可降低短促查询的能耗。但其推理模式需要更长的计算时间，可能使能耗增至5至10倍。 加州大学河滨分校教授任邵磊（Shaolei Ren）指出：“基于模型规模判断，GPT-5的资源消耗可能较GPT-3高出数个数量级”。

剑桥大学可持续计算中心主任露西・霍华德（Lucy Howard）也发出警告：“我们正处于一条危险的发展轨迹上。模型规模越大，能源消耗越高。若不采取有效措施，人工智能或将成为全球能源系统的新负担。”

人工智能模型在训练和推理阶段的能耗不仅关乎经济成本，更直接影响生态环境。伦敦能源研究所的报告指出，大规模人工智能模型的训练需依托GPU集群进行数周甚至数月的持续运算，由此产生的电力消耗及冷却需求将导致显著的碳排放。该报告称：“在某些情况下，一个人工智能模型的训练过程可能产生相当于5000辆汽车一年行驶所排放的二氧化碳当量。”

02.GPT-5的能源胃口：日耗电量相当于150万美国家庭用电需求

为什么我们需要如此关注大模型的能耗问题？回顾历史，每一次技术革命都需要独特的基础设施支撑：19世纪需要铁轨，90年代需要光纤，而现在则需要塞满图形处理器的机架。高盛的报告指出，一个250兆瓦的“AI工厂”造价约120亿美元，包括硬件在内。这个数字是建造成本的4倍，因为GPU占据了账单的大头。这不仅仅是钱的问题，而将是整个产业链的重构。

并且，模型训练的电力黑洞训练集群需要数千个GPU同时运转，还要配备液冷系统。报告预测，2027年的新机架功耗将是2022年云机架的50倍。即使用尽了过去所有的能效优化技巧，到2030年，全球数据中心的电力需求仍可能攀升160%。这种指数级增长让人想起摩尔定律，只不过这次增长的不是算力，而是能耗。

比如，在运行阶段，GPT-5的能耗压力同样显著。据估算，ChatGPT每日处理请求达25亿次，若按每次查询消耗18瓦时计算，GPT-5的日耗电量可达45吉瓦时（1吉瓦时等于100万千瓦时），这一数值相当于150万美国家庭的每日用电需求，或2至3座核反应堆的输出量，足以满足一个小型国家的日常供电需求。

OpenAI拒绝披露能耗数据的背后，折射出企业的现实考量。公开能耗数据可能暴露其高昂的运营成本，进而影响投资者信心。目前，OpenAI主要依赖GPT系列产品的订阅收入和API授权费用，以维持庞大的研发与计算开支。若GPT-5的能耗被证实远超预期，市场可能对其商业可持续性产生质疑。华尔街分析师卡尔・米勒（Carl Miller）对此指出：“能源账单正逐渐成为人工智能企业的隐形负担。若电力成本持续攀升，企业的盈利空间将受到严重挤压。”

此外，GPT-5的运行高度依赖微软Azure基础设施，这使得能耗问题不仅是OpenAI面临的挑战，更成为整个云计算行业的共同难题。微软、谷歌、亚马逊等云服务提供商正面临日益增长的能源压力。

03.能耗透明度的缺失，撕裂了行业信任

目前，能耗争议已延伸至更深层次的伦理维度。批评者质疑，在全球仍有数十亿人面临能源短缺的背景下，将大量电力用于训练聊天机器人是否具有合理性？人工智能的社会价值能否抵消其产生的环境成本？

哈佛大学伦理学教授迈克尔・陈（Michael Chen）表示：“这不仅是技术问题，更是价值选择问题。若人工智能的发展建立在巨大的资源消耗之上，我们必须思考它服务于谁，又让谁做出了牺牲。”

目前，全球范围内针对人工智能能耗的统一监管框架尚未形成。欧盟的《人工智能法案》主要聚焦风险分类与安全治理，未对能耗作出明确约束。美国能源监管机构也未将人工智能纳入重点监测范围。这使得科技企业在能耗披露方面享有高度自主权，多倾向于自主选择是否披露相关数据。

布鲁金斯学会（Brookings Institution）研究员哈维尔・加西亚（Javier Garcia）表示：“透明度的缺失正加剧公众对人工智能行业的信任危机。公众有权知晓这些模型消耗了多少资源，而非仅看到其光鲜的功能展示。”

OpenAI拒绝披露GPT-5能耗数据的决定，已将一个技术问题推向社会辩论的前台。这不仅关乎环境与经济，更触及科技发展道路上的根本问题：我们愿意为智能付出多少代价。在全球气候和能耗压力日益加剧的今天，人工智能的未来取决于行业、政策与社会的共同抉择。GPT-5的能耗之谜，或许正是这一时代抉择的缩影

腾讯科技