AI的隐藏环境成本：每位开发者都应了解的内容

Source: Dev.to

Introduction

我的女儿前几天问我：“爸爸，我每次使用 ChatGPT 是不是在伤害环境？”我没有好的答案，于是花了一周时间查找研究资料。以下是我的发现。

Energy Use per Query

• 单次 ChatGPT 查询大约消耗 0.3 瓦时 的电能，约是普通 Google 搜索的 10 倍。
• 虽然这个数字听起来很小，但每天有 超过十亿次 AI 查询，这会放大整体影响。

Water Consumption

• 每个提示词也需要冷却。一个 100 词的提示在考虑数据中心冷却时大约使用 500 毫升水（约两杯）。
• 大型数据中心每日共计使用 300‑500 万加仑水，相当于 5‑8 个奥林匹克标准泳池，其中约 80 % 的水会蒸发。

Data‑Center Employment

• 美国只有 23,000 个永久性数据中心岗位，仅占 0.01 % 的总就业，但消耗了 超过 4 % 的全国电力。
• 示例：OpenAI 在德克萨斯的 “Stargate” 项目雇用了 1,500 名建筑工人，但只有 100 名永久员工。纳税人平均每个岗位补贴 195 万美元。
• 弗吉尼亚州审计员报告称，该州每投入一美元的税收激励，仅产生 0.48 美元 的经济收益——净亏损。

Reducing Your AI Footprint

Model Selection

• 一个 80 亿参数 的模型比 4050 亿参数 的模型 节能 60 倍。
• 尽可能选择更小的模型（例如，避免在 Haiku 能完成的任务上使用 Claude Opus）。

Prompt Engineering

• 精简冗长的指令和不必要的上下文可以将 token 使用量降低 30‑50 %。
• 一家公司通过优化提示词，将月度 AI 开支从 5,000 美元 降至 1,500 美元。

Caching

• Anthropic 和 OpenAI 都提供 提示缓存，缓存的 token 费用仅为普通 token 的 10 %。
• 在没有使用缓存的情况下重复使用相同的系统提示会浪费高达 90 % 的相关能耗。

Context Windows

• AI 模型在每条新消息时都会重新发送整个对话历史。
• 50 条消息的聊天会让模型在回复第 50 条前重新读取前 49 条消息。
• 在切换话题时开启新对话可以显著降低计算量。

Further Reading & Tools

• Full research post: AI Energy Consumption: How Much Power Does AI Really Use?
• Free tokenizer tool: 我构建了一个工具，能够在调用 API 前显示你发送了多少 token。它支持 GPT‑4、Claude、Gemini 等模型。

Call to Action

你的看法是什么？你在选择模型时会考虑能耗吗，还是这还没有进入你的视野？