AI到底有多耗电？"训练一次够一个城市用一年"是真的吗？

"训练一次GPT-4，够一个城市用一整年。"

这句话你在朋友圈、短视频、甚至正经媒体的报道里可能都看到过。配上AI的快速发展，很容易让人产生一种焦虑——我们是不是在用全人类的电，去养一个只会聊天的机器人？

今天我们把这件事掰开揉碎，用真实数据说话。

📖 先定义：AI的耗电分两种

AI的能耗分为"训练"和"推理"两个完全不同的阶段，就像建工厂和工厂开工——不能混为一谈。

• 训练（Training）
  ：用海量数据"教"出一个模型。比如GPT-4的训练，几万张显卡跑好几个月。这是一次性的。
• 推理（Inference）
  ：训练完后，模型回答每一个问题、生成每一张图片的过程。这是持续的，每用一次就耗一次电。

一个精妙的类比：

训练一个AI大模型，就像盖一座大型炼钢厂。你要挖地基、建厂房、装高炉——前期投入巨大，能耗极高，但这是一次性的。

推理，就像炼钢厂投产之后，每炼一炉钢都要烧煤。单次消耗远不如建厂时多，但架不住每天都在烧。

那些吓人的标题，基本都在说"训练"，而且是拿最大的模型算的。 但真正持续的、影响更大的，其实是推理——因为全世界每天有上亿人在用ChatGPT、豆包、文心一言。

📊 先算账：训练GPT-4到底用了多少电？

先说清楚，OpenAI没有公开过GPT-4训练的具体耗电量。但业内人士根据已知信息做过估算。

GPT-4据传用了约25000张A100显卡，训练了90到100天。 每张A100的功率约400瓦。算下来：

25000张 × 0.4千瓦 × 24小时 × 100天 ≈ 2400万度电

2400万度电是什么概念？

• 一个中国家庭一年用电大约2000-3000度
• 2400万度 ≈ 约1万个家庭一年的用电量
• 或者换个说法：相当于一座3-5万人口小城镇的年用电量

跟"一个城市"比，这个数字差了两个数量级。 中国一个中等城市（比如300万人口的合肥），年用电量在200亿度以上。2400万度只是它的千分之一。

那"够一个城市用一年"的说法是哪来的？

这个说法大概率是把几个数字混在一起放大了——把训练和推理混为一谈、把预测数字当现实、或者拿未来更大型号的估算来吓人。

结论很明确：AI耗电确实在快速增长，值得关注。但"训练一次够一个城市用一年"是夸张了至少几百倍。

🔥 真正值得关注的不是训练，是推理

很多人盯着训练那一次性的2400万度电，但真正的大头在后面。

让我们算一笔推理的账：

假设ChatGPT每次回答平均消耗0.003度电（这个估算来自研究机构SemiAnalysis）。如果全球每天有1亿次对话：

1亿 × 0.003度 × 365天 ≈ 1.1亿度/年

一年下来，推理的耗电量是训练的好几倍。而且这个数字还在快速增长——因为用户越来越多、模型越来越复杂。

又一个类比：

训练一个模型，就像买一辆车——一笔大的固定开销，人人都盯着。推理，就像每天加油——每次不多，但一年下来油费可能超过车价。

如果生成一张AI图片呢？

据研究机构估算，生成一张AI图片的耗电量大约在0.002到0.03度之间，取决于模型大小和图片分辨率。取中间值约等于给手机充一次电。

这个数字单看不大。但Midjourney每天生成几百万张图——加起来就不小了。

🌍 跟其他事情比，AI算不算"电老虎"？

数字摆在那了，但我们需要一个参照系。AI耗电到底算不算多？

说AI是"电老虎"——跟你的手机比，是的。跟全社会的用电量比，目前还不是。

但趋势值得关注。AI的用电量增长速度远超大多数行业——如果每两年翻一倍，十年后的账就不一样了。

🔋 那AI公司是怎么应对的？

能耗问题，AI行业自己比谁都清楚。电就是钱，每度电都烧在显卡上。

1. 用更省电的芯片

英伟达从A100到H100到B200，每一代都在降功耗。H100比A100能效提升了约2-3倍——同样的计算量，电费省一半多。

2. 把数据中心建在能源便宜的地方

微软、Google、亚马逊都在把AI训练中心往电力便宜且清洁能源丰富的地区迁——北欧的水电、美国中西部的风电、中东的太阳能。

3. 模型"瘦身"

一个趋势是模型在变"小"但变"强"——比如通过更好的训练方法和架构设计，用更少的参数达到同样的效果。微软的Phi系列就是典型——参数量只有GPT-4的几十分之一，但在某些任务上表现接近。

4. 核能入场

微软重启了三哩岛核电站（对，就是1979年出过事故的那个），专门给AI数据中心供电。Google、亚马逊也在投资小型模块化核反应堆（SMR）。AI公司正在变成能源公司。

💡 客观地说：该焦虑还是不焦虑？

不需要过度焦虑的：

"训练一次够一个城市用一年"是标题党。目前AI的能耗在全球尺度上还不算夸张。你每次跟ChatGPT聊天耗的电，可能比你看一个抖音视频还少。

值得关注的：

AI的用电增速远超大多数行业。如果按现在的速度增长，到2030年AI的用电占比会从目前的不到0.5%上升到2-3%——那时候就不能再说"不算什么"了。

最重要的视角：

AI不只是"消耗"能源——它也在帮人类"节省"能源。AI优化电网调度、设计更高效的芯片、发现新材料加速电池研发、改进天气预报减少航班绕飞……这些"省下来的电"，可能远超AI自己消耗的电。

这不是在为AI开脱。这是一个事实：工具的价值不能只看它花了多少，还要看它省了多少。

💡 一句话总结

AI的能耗被严重标题党化了——训练一次GPT-4的用电量约等于1万个家庭一年，远不是"一个城市"。但推理阶段的持续消耗、以及整个行业的增长速度，确实需要被认真对待。与其恐慌"AI吃掉地球"，不如关注AI公司和能源行业正在做的降耗努力——毕竟电费是它们自己掏的，它们比谁都急。

（下次有人在群里发"AI训练一次够一个城市用一年"，把这篇文章甩过去。数字不可怕，可怕的是不知道数字。我是面包君，下次再聊。）