"训练一个人类也需要20年生命和无数食物，AI 的能耗效率已经赶上甚至超越了人类。" —— Sam Altman 在印度 AI 峰会上的惊人比喻，让我们重新思考人工智能与环境的关系。
🌍 背景：AI 能耗争议持续升温
随着 ChatGPT、Claude 等大语言模型的普及，人工智能的能耗问题正成为公众关注的焦点。数据中心用电量飙升、水资源消耗巨大的报道屡见不鲜。在这个敏感时刻，OpenAI CEO Sam Altman 在印度举行的一场 AI 峰会上正面回应了这些质疑。
这场由《印度快报》主办的活动吸引了众多科技界人士。Altman 的表态不仅涉及技术细节，更抛出了一个颇具哲学意味的观点：如果要公平比较，AI 可能比人类更节能。
💧 用水争议：Altman 直言"完全虚假"
网络谣言 vs 现实
Altman 首先针对网上流传的一个说法进行了驳斥：
"别用 ChatGPT，每次查询要消耗 17 加仑水"
Altman 表示这种说法"完全错误、完全疯狂、与事实毫无关联"。他承认早期数据中心确实使用蒸发冷却技术，确实存在水资源消耗问题，但现在情况已经改变。
| 时期 | 冷却方式 | 用水情况 |
|---|---|---|
| 早期数据中心 | 蒸发冷却 | 确实存在较高用水量 |
| 现代数据中心 | 新型冷却技术 | 用水量大幅降低 |
| 单次 ChatGPT 查询 | 先进基础设施 | 远低于网络传言 |
⚡ 能源消耗：承认问题但强调视角
Altman 的坦诚回应
与用水问题的强硬态度不同，Altman 对能源消耗问题表现得更为坦诚：
"从总量来看，世界现在正在使用大量 AI，所以担心能源消耗是公平的。"
他认为，这种担忧不应聚焦于单次查询，而应关注整体趋势。Altman 明确表示，世界需要迅速向核能或风能、太阳能转型。
数据中心与电价
Altman 的表态背景不容忽视：
-
📈 数据中心扩张：全球数据中心建设热潮持续 -
💰 电价上涨：多个地区报告数据中心与电价上涨相关 -
🔬 研究困境：科技公司没有法律义务披露能耗数据，科学家只能独立研究 -
🌱 绿色转型：科技巨头纷纷承诺使用可再生能源
🔋 "1.5 次 iPhone 充电"的真相
Bill Gates 的说法
采访中提到了 Bill Gates 的一个说法：单次 ChatGPT 查询相当于 1.5 次 iPhone 充电的电量。
Altman 直接否认了这一数据：
"绝对不可能接近那么多。"
虽然没有给出具体数字，但他的态度表明实际能耗可能远低于公众想象。
🧠 最惊人的比喻：训练人类也很费电
公平比较的标准
Altman 提出了一个令人深思的观点：很多关于 ChatGPT 能耗的讨论是"不公平的"，特别是当它们比较训练 AI 模型的能耗与人类进行一次推理查询的成本时。
训练一个人类的能耗账单
Altman 的原话值得完整引用：
"但训练一个人类也需要大量能源。需要大约 20 年的生命和在此期间吃的所有食物，你才能变聪明。不仅如此，还需要曾经生活过的 1000 亿人的广泛进化，他们学会了不被捕食者吃掉，学会了如何搞懂科学等等，才能造就你。"
| 成本项目 | AI 模型 | 人类 |
|---|---|---|
| 训练时间 | 数月到数年 | 20 年以上 |
| 训练能耗 | 电力（可量化） | 食物+教育+社会资源 |
| 知识传承 | 参数权重 | 文明积累 |
| 边际推理成本 | 极低 | 生物维持成本 |
Altman 的结论
在他看来，公平的比较应该是：
"如果你问 ChatGPT 一个问题，模型训练完成后回答这个问题需要多少能源，与人类相比？从这种衡量方式来看，AI 在能源效率方面可能已经赶上甚至超越了人类。"
🤔 这个比喻站得住脚吗？
支持方观点
Altman 的比喻确实提供了一个新颖的视角：
-
生命周期成本：我们往往只计算 AI 的显性电力消耗，却忽略了人类培养的隐性成本 -
知识复用：一旦训练完成，AI 可以同时服务数十亿用户，边际成本趋近于零 -
规模效应：大模型的一次训练可以惠及全球，人类教育则需要重复投入
质疑方声音
当然，这个比喻也引发了不少争议：
-
范畴差异：人类的价值不仅是信息处理，还包括情感、创造力、伦理判断 -
外部性：AI 发展带来的社会成本（如就业冲击）未计入能耗账单 -
可持续性：人类是碳基生命，能量来自可再生的生物链；AI 依赖的电力目前仍主要来自化石燃料
🚀 科技巨头的能源转型之路
OpenAI 的能源布局
Altman 本人对能源问题显然有深刻思考。据了解：
-
🔋 核能投资：Altman 个人投资了核能初创公司 -
🌞 绿色承诺：OpenAI 承诺增加可再生能源使用比例 -
🏗️ 数据中心：新数据中心选址优先考虑清洁能源充足的地区
行业趋势
| 公司 | 能源举措 |
|---|---|
| Microsoft | 2030 年实现碳负排放 |
| 24/7 无碳能源目标 | |
| Amazon | 2025 年实现 100% 可再生能源 |
| Meta | 数据中心 100% 可再生能源 |
📊 数据中心的未来：挑战与机遇
挑战
-
📈 需求激增：AI 训练需求呈指数级增长 -
🌡️ 散热难题：芯片功耗不断提升 -
🏭 基建滞后：电网和清洁能源建设需要时间 -
💰 成本压力：能源成本占数据中心运营成本的重要部分
机遇
-
🌊 液冷技术：更高效的散热方案 -
☀️ 分布式能源：本地化可再生能源供应 -
🤖 智能调度：AI 优化自身的能源使用 -
🔋 储能技术：配合可再生能源的储能方案
💡 思考
Sam Altman 的这番话，与其说是在为 AI 的能耗辩护，不如说是在提醒我们：技术进步从来不是免费的午餐。
从蒸汽机到电力，从互联网到人工智能，每一次技术革命都伴随着能源消耗的激增。关键在于：
-
我们是否在用更清洁的能源驱动这些技术？ -
这些技术创造的价值是否超过了它们的成本？ -
我们是否在为下一代保留足够的资源和环境？
Altman 的比喻或许不够完美，但它确实打开了一个值得深思的话题：在评价一项新技术时，我们需要更全面的视角和更长的时间尺度。