解密AI能源黑洞：查一次ChatGPT的電力，能烤好幾塊牛排？《華爾街日報》直擊數據中心找答案

我們都聽說過人工智慧（AI）對能源永不滿足的胃口，但這究竟意味著什麼？當你要求AI寫一封郵件、畫一張「動漫風格的美國國父華盛頓」肖像，或是生成一段「貓咪從奧運跳水板上跳水」的搞笑影片時，背後到底消耗了多少電力？為了解開這個謎團，《華爾街日報》的科技記者喬安娜·斯特恩（Joanna Stern）深入探訪被譽為「數據中心谷」的美國維吉尼亞州阿什本（Ashburn），直擊了AI運作的核心。

Nvidia（輝達）的GPU（圖形處理器）數據中心是當今世界最炙手可熱的「AI引擎」，斯特恩形容「當你站在它們面前，你能清晰地聽見並感覺到電力被瘋狂吞噬的聲響」——這就是驅動我們每一次AI指令背後的能源心臟。她以「使用電烤盤烤一塊牛排」的生動比喻，為我們揭示了生成式AI驚人的能源成本。如果用最近社群媒體火紅的一段影片「貓在奧運會上跳水」為例，當你按下「送出」鍵的那一刻，這個充滿想像力的提示詞便化為數據、穿越海底電纜，光速飛向一座巨大的數據中心。

在這裡，它啟動了所謂的「推理」（Inference）過程。這意味著一個預先訓練好的龐大AI模型開始解讀你的請求。緊接著，一排排由Nvidia H100 GPU組成的「超級計算叢集」（SuperPod）開始全速運轉，將你古怪的想法變為更古怪的視覺現實。這個過程的核心，就是將海量的數據和演算法轉化為我們看到的文字、圖像或影片。

斯特恩探訪的數據中心由全球最大的數據中心營運商之一Equinix負責營運。Equinix的高級副總裁克里斯·金（Chris Kimm）解釋，雖然AI模型的「訓練」過程（教會AI學習的階段）可以在任何地方進行，但「推理」過程最好在地理上靠近使用者，以確保最快的反應速度和效率。這也意味著，隨著AI應用普及，這類耗能巨大的數據中心將在全球各地拔地而起。 （相關報導： 遭以色列「史無前例滲透」，伊朗抓內賊爆發「獵巫潮」！德黑蘭展開大清洗：12天處決6人、700名「間諜」被捕 ｜ 更多文章 ）

【AI訓練 vs. AI推理】
AI訓練（Training）: 這是AI學習的過程。就像教一個孩子認識世界，需要給它看數百萬張圖片和文字，讓它學習模式和關聯。這個過程極度耗能，通常使用Nvidia等頂級晶片，耗時數週甚至數月。

AI推理（Inference）: 這是AI「學成」後應用知識的過程。當你向ChatGPT提問或要求Midjourney生成圖片時，AI模型就是在進行推理，根據你的指令生成回應。雖然單次推理的能耗遠低於訓練，但全球數十億用戶每天進行數萬億次推理，其累積的能源消耗同樣非常可觀。

AI能耗解密：生成一支影片，等於烤好幾塊牛排？

那麼，具體到每一次操作，我們到底消耗了多少能源？斯特恩發現，想從科技巨頭口中得到確切數字異常困難。Google、微軟（Microsoft）和Meta等公司大多三緘其口，僅讓她參考公司發布的永續發展報告。不過，OpenAI提供了一些線索。其執行長阿特曼（Sam Altman）曾表示，一次ChatGPT的平均查詢大約消耗0.34瓦時（Wh）的電能。然而，對於生成圖像或影片等更複雜的任務，該公司並未提供詳細數據。

為了填補這個資訊空白，開源AI平台Hugging Face的AI與氣候研究負責人薩莎·盧喬尼（Sasha Luccioni）進行了一系列測試，估算了不同AI任務的能耗。雖然她使用的是開源模型，與商業公司的專有模型不盡相同，但其結果仍極具參考價值。若以「為一支普通智慧型手機充滿電」（約需10瓦時）作為基準來比較：

生成文字： 運行一個輕量級的Meta Llama模型，約消耗0.17瓦時；而運行一個更大型、更複雜的模型，則需1.7瓦時。
生成圖像： 使用一個GPU生成一張1024x1024像素的圖像，同樣消耗約1.7瓦時。
生成影片： 這是最耗能的任務。僅僅生成一段6秒鐘的標準畫質（480p）影片，就需要20至110瓦時不等的電力。

為了讓這些數字更具體，斯特恩進行了一個有趣的實驗：她用一個電烤盤烤了一塊七分熟的薄切牛排，耗時約10分鐘，共用掉220瓦時的電力。
換句話說，烹飪一頓像樣晚餐的電力，僅僅夠你生成兩支高耗能的AI短片。斯特恩回憶起她幾週前使用Google Veo和Runway等工具製作的一部AI短片，當時為了該影片生成了約1000個8秒鐘、720p解析度的片段。根據上述估算，這部短片可能消耗了高達11萬瓦時的電力——這幾乎相當於烤500塊牛排的驚人能耗！

效率提升與需求爆炸的悖論

當然，AI技術也在不斷進步。Nvidia的永續發展負責人喬什·帕克（Josh Parker）強調，公司最新的Blackwell Ultra晶片在能效上取得了重大突破，「同樣的推理工作，我們現在使用的能源僅為一年前的1/30。」然而，這引出了一個悖論：效率的提升，往往伴隨著使用量的爆炸性增長。就像我們雖然可以買到更節能的冷氣，但如果地球持續暖化，我們開冷氣的時間只會越來越長，總能源消耗依然會上升。

數據中心的驚人擴張就是最好的證明。根據美國能源部和勞倫斯伯克利國家實驗室的報告預測，到了2028年，數據中心的電力消耗可能高達全美總用電量的12%。斯特恩在阿什本開車時，就親眼目睹了五座大型數據中心正在同時建設中。更重要的是，這些數據中心不僅消耗電力，還需要大量的水來冷卻那些持續發熱的GPU，這對環境造成了雙重壓力。

回到維吉尼亞州那間轟鳴的數據中心，斯特恩最後發現，她眼前那價值超過900萬美元的Nvidia GPU叢集，並不是在生成什麼「奧運小貓」影片。它們屬於製藥巨頭百時美施貴寶（Bristol Myers Squibb），正在夜以繼日地運算，尋找治療疾病的新方法。這提醒了我們，並非所有AI的能源消耗都是浪費。AI正在加速科學研究、藥物開發和氣候模擬等重要領域的進展。問題的關鍵在於，我們如何在享受AI帶來的便利與樂趣，和其巨大的環境成本之間取得平衡。

當你下一次敲擊AI指令的送出鍵時，或許可以想一想，你送給AI運算的不僅是一連串的文字或符號、更是一場真實世界裡的能源消耗。
（相關報導： 遭以色列「史無前例滲透」，伊朗抓內賊爆發「獵巫潮」！德黑蘭展開大清洗：12天處決6人、700名「間諜」被捕 ｜ 更多文章 ）