当全球对人工智能（AI）的能耗焦虑日益加剧时，行业领袖的最新表态为这场辩论注入了新的视角。市场消息显示，针对近期网络上流传的“ChatGPT单次查询耗水17加仑”等说法，OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）在近期的一次行业活动中予以了明确驳斥，称其“完全不实，与现实毫无关联”。他同时承认，AI的总体能耗确实值得关注，并呼吁世界必须“快速转向核能、风能和太阳能”。
驳斥“高耗水”传言，澄清技术演进
奥尔特曼指出，关于AI耗水量的担忧很大程度上源于过时的数据中心冷却技术。他解释道：“过去我们在数据中心使用蒸发冷却（Evaporative Cooling）时，水消耗确实是个问题。但现在我们已不再采用这种方式。”他强调，当前基于先进液冷等技术的现代数据中心，其水足迹已大幅降低，将单次查询与大量用水挂钩的说法是误导性的。
这一澄清至关重要，因为数据中心作为数字经济的基石，其能耗和资源使用一直是环保组织和监管机构关注的焦点。随着大语言模型（Large Language Model, LLM）的推理需求激增，公众对AI环境成本的担忧有增无减。
承认总体能耗挑战，指明能源出路
尽管否定了单次查询的夸张能耗，奥尔特曼并未回避AI规模扩张带来的宏观能源挑战。他表示，公平的担忧应指向“总体的能源消耗——而非单次查询，因为世界正在使用如此多的AI”。这一表态与近期多项独立研究结论相呼应，这些研究指出，科技巨头AI业务的扩张可能推高局部电网负荷和电价。
对此，奥尔特曼提出的解决方案直指能源结构转型：“我们需要非常快速地转向核裂变、核聚变、风能和太阳能。”他将AI的能源需求视为推动全球清洁能源发展的催化剂，而非单纯的负担。目前，包括微软、谷歌在内的科技公司已在探索为数据中心配套建设新一代核电站（如小型模块化反应堆）的可能性。
重构能效对比框架：AI vs. 人类
访谈中一个颇具哲学意味的论点是奥尔特曼对能效比较基准的重塑。他认为，许多讨论“不公平”地只对比“训练一个AI模型所需的能量”和“人类进行一次推理查询的成本”。
“但训练一个人类也需要大量能量，”奥尔特曼说，“这需要大约20年的生命以及在此期间你摄入的所有食物。不仅如此，这还涉及百亿年来人类的广泛进化，学习如何不被捕食者吃掉，如何理解科学等等，才造就了你。”
因此，他认为公平的比较应该是：“一旦模型训练完成，回答一个问题，ChatGPT需要多少能量， versus 人类需要多少？很可能，以这种方式衡量，AI在能源效率上已经赶上了。”这一观点试图将AI的“前期训练成本”与人类的“长期进化与教育成本”置于同一框架下，为评估AI的净环境效益提供了新思路。
行业影响与未来展望：透明度与创新并重
这场辩论凸显了AI行业在快速发展中面临的两大核心议题：环境责任与公众沟通。目前，科技公司并无法律义务披露其AI业务的具体能耗与水耗数据，这导致了信息真空，使得夸张传言易于传播。行业分析师指出，建立更透明的报告机制和标准化的能效指标（如“每千次查询能耗”），对于建立公众信任至关重要。
从技术层面看，解决能耗挑战的路径是双重的：
- 硬件与算法创新：继续开发更高效的AI芯片（如专用AI加速器）、优化模型架构（如混合专家模型 Mixture of Experts）和推理技术，从根本上降低单位计算能耗。
- 绿色能源基建：正如奥尔特曼所呼吁的，将AI数据中心与零碳能源（核能、可再生能源）深度绑定，是从源头实现绿色计算的关键。
最终，AI的可持续发展并非一个单纯的技术问题，而是一个涉及能源政策、企业战略和社会认知的系统工程。奥尔特曼的此番言论，与其说是对批评的辩护，不如说是一次将公众讨论引向“如何为智能时代构建绿色能源基础”的尝试。随着AI更深地融入经济肌理，这场关于能耗的对话，将直接决定技术革命的底色是灰暗还是绿色。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...