2024年刚开年，OpenAI推出的文生视频工具Sora再次风靡全球，成为了OpenAI继ChatGPT之后新的生成式AI标杆。AI重塑世界，也可能会让环境资源付出巨大的代价。

据《纽约客》杂志引援国外研究机构报告，ChatGPT每天要响应大约2亿个请求，在此过程中消耗超过50万度电力，也就是说，ChatGPT每天用电量相当于1.7万个美国家庭的用电量。而随着生成式AI的广泛应用，预计到2027年，整个人工智能行业每年将消耗85至134太瓦时（1太瓦时=10亿千瓦时）的电力。

除了耗电，和ChatGPT或其他生成式AI聊天，也会消耗水资源。加州大学河滨分校研究显示，ChatGPT每与用户交流25-50个问题，就可消耗500毫升的水。而ChatGPT有超过1亿的活跃用户，这背后消耗的水资源无疑是令人震惊的。

训练一个大模型，科技巨头每年都消耗了多少能源？本期钛媒体·钛度图闻带你关注。

AI大模型参数突破百万亿级别，训练一次有多烧钱？

在大模型的训练中，语料信息的规模是很重要的。一般来说，语料规模越大，其蕴含的信息就越丰富，模型所形成的参数越大，具有更好的泛化能力。为了获得智能水平更高的大模型，AI模型的语料规模和参数规模越来越大。

从参数规模上看，大模型先后经历了预训练模型、大规模预训练模型、超大规模预训练模型三个阶段，参数量实现了从亿级到百万亿级的突破。2017年，谷歌首次提出6500万参数的Transformer模型，自此大模型就开始走上了一条快速发展之路。

2018年，谷歌发布基于Transformer的BERT，BERT学习了16GB的语料，形成3.4亿个参数；2019年，OpenAI推出了15亿参数的GPT-2，同年，谷歌推出T5模型，参数达到110亿。从十亿级到百亿级，大模型在一年内实现跃升。2020年，OpenAI推出了1750亿参数的GPT-3；2021年，谷歌推出Switch Transformer架构，其参数量扩展到了1.6万亿；同年，北京智源人工智能研究院也推出参数量在万亿级别的模型“悟道”。2022年，清华大学、阿里达摩院等机构的研究人员提出的“八卦炉”模型，其具有174万亿个参数，可与人脑中的突触数量相媲美。如今，大模型参数量已实现百万亿级的突破。

目前，人工智能公司很少公开谈论大模型的训练成本，但相关研究估计这些模型的训练成本可高达数百亿美元。斯坦福大学发布的《2023年人工智能指数报告》，基于已有大模型披露的硬件和训练时间，对其训练成本进行了估算。

2019年，OpenAI发布的大语言模型GPT-2参数量为15亿，它的训练成本约为5万美元左右；到了2020年，训练1750亿参数量的GPT-3的费用大概是180万美元。GPT-3比GPT-2的参数量扩大了117倍，其训练费用也增加了36倍。大型语言和多模态模型如“吞金兽一般”，变得越来越大，也越来越贵。

生成式AI多耗能：ChatGPT日耗电量超50万度

训练大模型需要大量的能源，比传统的数据中心要消耗更多的电力。OpenAI曾发布报告指出，自2012年以来，AI训练应用的电力需求每3到4个月就会翻一倍。华为AI 首席科学家田奇也曾给出数据，AI算力在过去10年至少增长了40万倍。AI大模型可谓是“耗电巨兽”。

研究显示，训练谷歌于2022年发布的大语言模型PaLM需要消耗3436兆瓦时的电量，约等于11.8万美国普通家庭日耗电量（美国普通家庭日均耗电量约为29千瓦时）；就算训练参数量为3.4亿的BERT模型，也需要消耗1.5兆瓦时的电量，相当于观看1875小时的流媒体。

据了解，AI服务器和芯片是产生能耗最主要的地方。通用型服务器只需要2颗800W服务器电源，而AI服务器则需要4颗1800W高功率电源，AI服务器对于电源的需求大大提升。荷兰一位学者表示，到2027年，新制造的人工智能设备的用电量将与荷兰、瑞典、阿根廷等国的用电量一样。

除了耗电，由于算力设备的冷却需求，AI消耗的水资源数量也惊人。

谷歌环境报告显示，2022年谷歌的用水量达到了56亿加仑水（约212亿升水），相当于8500个奥运会规格的游泳池，这些水被用来为该公司的数据中心散热。不仅如此，在微软的美国数据中心训练GPT-3使用的水量相当于填满一个核反应堆的冷却塔所需的水量，大约70万升。而用户在使用生成式AI工具时也需要耗水。研究显示，ChatGPT每与用户交流25-50个问题，就可消耗500毫升的水。研究人员预计，到2027年，全球范围内的AI需求可能会需要消耗掉66亿立方米的水资源，几乎相当于美国华盛顿州全年的取水量。

除了消耗大量的电力和水资源，AI大模型还是碳排放大户。斯坦福大学报告显示，OpenAI的GPT-3模型在训练期间释放了502公吨碳，是目前大模型中有据可查耗能最严重的，它的碳排放量是Gopher模型的1.4倍， 是BLOOM模型的20.1倍，约等于8辆普通汽油乘用车一生的碳排放量，人均91年的碳排放量。

随着科技日新月异，未来AI大模型会层出不穷。不可否认的是，生成式AI的出现给社会生活带来了巨大的助力，但AI给人类带来效率提升的同时也可能引发能源危机。所以，科技巨头们还需从算法和模型优化、硬件优化、训练和计算技巧等方面入手，让AI功耗在一定程度上降低。

数据来源：斯坦福大学《2023年人工智能指数报告》、《AI专题：重新思考对AI能源使用的担忧》、中国政府网等公开资料整理。