文章指出ChatGPT等AI系统运行消耗大量能源，揭示了其查询服务背后隐藏的高能耗成本问题。这一现象引发了对人工智能可持续性发展的思考。

人工智能的能源消耗：ChatGPT查询的隐性成本

2025年10月1日，IEEE Spectrum发布专题报道，揭示了以ChatGPT为代表的人工智能服务背后惊人的能源需求。文章指出，虽然单个AI查询看似微不足道，但全球每天数十亿次的交互正在重塑能源基础设施格局。

核心数据揭示： 1. 能效基准：根据OpenAI首席执行官Sam Altman提供的数据，每个ChatGPT查询约消耗0.34瓦时能量，相当于点亮10瓦LED灯泡1小时的电量。 2. 规模效应：ChatGPT日均处理25亿次查询，年耗电量达310吉瓦时，相当于为2.9万美国家庭供电一年。 3. 行业全景：整个生成式AI行业2025年预计耗电15太瓦时（相当于两座核电站年发电量），到2030年可能激增至347太瓦时（需44座核电站支撑）。

基础设施挑战： • 美国"星门计划"正在筹建单机柜功率达1吉瓦的超大规模数据中心 • 预计需要建设38个此类超级数据中心才能满足2030年的AI能源需求

争议与展望： 有评论认为AI辅助创作实际上可能节省能源（如替代传统设计流程），但学界对超大规模数据中心的投资回报率存疑。值得注意的是，光基AI等新型计算架构可能成为未来能效突破的关键。

（注：原文中大量网站导航、会员推广等非核心内容已省略，保留关键数据图表对应的文字说明）

评论内容总结：

1. AI能耗被低估

   • 评论1、5、11指出，当前计算未包含芯片制造、数据中心建设等环节的能耗和水资源消耗。
     引用："This doesn't include the energy for mining and chip production either."
     引用："the manufacturing of GPUs and datacenters themselves consumes a large amount of energy"

2. 与其他能耗对比

   • 评论6、7、8认为AI能耗虽大，但占全球总能耗比例较小，远低于交通、制造业等领域。
     引用："global energy consumption is about 180,000 TWh... they're not a significant fraction"
     引用："+332TW is like... +1% of US power consumption"

3. 基础设施与区域影响

   • 评论4、7提到数据中心集中建设推高局部电价，需加速清洁能源布局。
     引用："jacking up electricity rates for US States... up significantly at $270.43 per MW/day"
     引用："disproportionately impact regions where they're built"

4. 技术泡沫风险

   • 评论3、8担忧AI投资过热可能导致资源浪费，类比互联网泡沫后的闲置光纤。
     引用："obsolete AI chips closer to tulips than fiber in terms of stranded assets"
     引用："Current gen AI is going to result in the excess datacenter equivalent of dark fiber"

5. 数据可信性质疑

   • 评论13质疑企业公布的能耗数据，认为需综合评估社会成本与收益。
     引用："no clue how much trust to place in data from a blog post by a guy trying to get money"

6. 单位争议

   • 评论14批评能耗单位使用混乱，建议统一用瓦特（Watts）表述。
     引用："Why can't we just use Watts FFS?"

关键分歧点：
- 支持方认为AI能耗可控且价值显著（评论6、8）；
- 反对方强调全生命周期成本被低估（评论1、11），并担忧泡沫风险（评论3）。