AI 消耗多少电力？
AI 对电力的快速增长需求正在引发人们对其气候影响的质疑，尤其是在数据中心和大语言模型与 Bitcoin 等同样耗能的技术一起扩张之时。评论者们争论当前估计值（通常低于全球用电的 1–2%）究竟是令人担忧还是可以接受，同时指出精确、透明数据的缺乏，以及通过效率提升、专用硬件和可再生能源减轻危害的潜力。其背后是一种更广泛的张力：究竟应把 AI 看作浪费性的炒作，还是一种会带来从电网优化到医疗应用等益处的变革性“基础研究”，其收益最终是否足以证明其能源成本是合理的。
文章质量与数据透明度
- 一些评论者认为这篇文章研究不足，而且数字上很粗糙（例如，误引了智能手机充电数据，对 Netflix 的比较也可疑）。
- 讨论为何大型 AI 公司不公布详细的能耗数据：
- 一方认为，要跨许多团队汇总 AI 特定的用电情况很费工夫，记者应当承担一部分这项工作。
- 另一方认为，公司是在把气候成本外部化，因此应当期待更详细的披露，而不是把它说成文章里的“装饰品”。
- 也有人觉得文章把公司写成对能源漠不关心，却忽视了如今许多研究者已在论文中跟踪并优化计算用量。
AI 消耗多少电力
- 反复出现的主题是：“我们其实并不真正知道”，但 AI 只是数据中心用电的一部分。
- 引用的范围：
- 数据中心约占全球电力的 1–2%；AI 目前占比很小，但增长很快。
- 有估计认为，按不同定义，AI+ML 可能占全球电力的 1–5%。
- GPT‑3 的训练被描述为相对于家庭用电出奇地少，但更新的、以“正确方式”训练的模型会更耗能得多。
环境外部性与可再生能源
- 有人认为，用电问题主要通过 CO₂ 体现，而超大规模云厂商正在积极建设可再生能源和碳抵消。
- 也有人强调，企业优化是为了利润，而不是为了地球极限，因此应当通过监管和强制透明来约束。
- 讨论 AI 占全球电力的 0.5–1% 到底算“小”还是“巨大”；一些人认为在其他需求并存的情况下，1% 已经非常庞大。
价值 vs. 浪费（AI vs. 加密货币）
- 怀疑者认为当前生成式 AI 很轻浮（垃圾文本、表情包图片），不值得如此巨大的能源预算。
- 支持者则认为它是基础研究和通用工具，已经在帮助：
- 电网优化、物流、农业、医疗诊断、欺诈检测等。
- 一个较长的分支讨论把 AI 与 Bitcoin 作比较：
- 粗略估计 Bitcoin 大约占全球电力的 0.3–0.4%。
- 工作量证明本质上就很耗能；Ethereum 转向权益证明表明，大幅降低能耗是有路径的。
- 批评者说，深度学习到目前为止还没有类似的结构性效率转变。
硬件、扩展与杰文斯悖论
- 讨论了 GPU、TPU 以及可能出现的 ASIC：
- 有人认为专用芯片和算法进步会显著降低每次推理的能耗。
- 也有人回应说，GPU 对当前的数学运算已经接近最优，而任何收益都会被需求增长所淹没（杰文斯悖论）。
- 有人担心，随着 AI 变得更便宜、更强大，使用量可能扩大到吃掉所有可用算力和电网中相当大的一部分，尤其是在 AI 开始自主使用更多 AI 的情况下。
更广泛的系统成本与社会问题
- 提到了：
- 芯片制造所需的能源（例如台积电先进制程晶圆）以及全球供应链作为 AI 的“隐藏”成本。
- 整个技术栈是否实际上都在为自动化/AI 服务。
- 当工作被自动化后，工人的资源消耗会发生什么：他们的消费模式会改变，还是 AI 只是额外负载？