OpenAI CEO 阿爾特曼稱 38000 次 ChatGPT 查詢耗水量等於一顆杏仁 引發爭議
OpenAI CEO 山姆·阿爾特曼近日在播客中表示,38000 次 ChatGPT 查詢的耗水量相當於生產一顆加州杏仁,試圖回應外界對 AI 環境影響的批評。但這一類比迅速引發爭議:資料與其早前估算不符,且完全迴避了碳排放問題。網友質疑,AI 基礎設施的能源消耗和訓練成本遠超杏仁種植,而每日數十億次查詢的累積影響才是真正的環境代價。

一顆杏仁引發的AI環境成本大論戰
OpenAI CEO山姆·阿爾特曼(Sam Altman)最近因為一個奇葩比喻翻車了——他在播客裡說:"3.8萬次ChatGPT查詢的耗水量,差不多就是種一顆加州杏仁"。這波操作直接讓網友炸鍋,資料靠譜嗎?碳排放算了嗎?AI這玩意兒到底有多費資源?
阿爾特曼的"杏仁演算法"翻車現場
在Alex Heath的播客上,阿爾特曼想給ChatGPT的耗水量洗白。他吐槽網傳"用一次ChatGPT等於開6小時淋浴"太誇張,然後搬出了杏仁當參照物:"那些一次吃12顆杏仁的人,也沒覺得自己在犯罪吧?"
但資料直接打臉!加州杏仁委員會實錘:種一顆杏仁要1加侖水(約3.8升)。而老薩自己之前說過,ChatGPT單次查詢耗水0.3毫升。按這演算法,1加侖水應該對應12600次查詢,根本不是他說的38000次——差出三倍去!
老薩在節目裡承認"沒帶計算器",這波操作直接把可信度拉胯。業內人士都懂,AI耗水計算本來就有不同演算法:是隻算資料中心冷卻用水,還是連發電耗水一起算?但不管怎麼算,資料對不上就是硬傷啊!
資料中心用水:過氣老梗還是真問題?
阿爾特曼還想給資料中心用水洗地,說蒸發冷卻都是"上古技術"了,現在大型資料中心的用水量"跟寫字樓上廁所沖水差不多"。他把網上討論直接蓋章成"網路老梗",覺得根本不值一駁。
但懂行的立刻開懟:問題根本不只在冷卻水!推特網友@AI_Truth直接點破:"給資料中心供電的發電廠耗的水才是大頭好嗎?"這波屬於真相了——AI的環境成本得算總賬,電力供應鏈上的水耗才是隱藏BOSS,但科技巨頭們從來不愛提這茬。
碳排放:被杏仁帶偏的重點
最狠的質疑還是碳排放。網友@GreenGPT直接開噴:"碳排放呢?種杏仁又不用新建燃氣輪機!誰不知道大模型訓練比推理費電幾百倍?"
這就是"杏仁比喻"最雞賊的地方——只聊水耗,不講碳排!訓練一個大語言模型的碳排放,抵得上幾百趟跨大西洋航班。跟種杏仁那點碳足跡比?簡直降維打擊。
有網友算了一筆狠賬:"種一顆杏仁要12升水。ChatGPT一天處理25億次查詢,相當於每天6500萬顆杏仁,也就是8億升水——夠2到4億人喝一天。而這還只是ChatGPT一家!"
規模效應:一次不貴,天天血虧
阿爾特曼這招挺妙——把AI耗能拆成單次查詢,看起來毛毛雨啦~但AI玩的就是規模效應!誰用ChatGPT只問一次?每天幾十億次請求砸下來,再小的數字乘上去都是天文數字。
印度網友@ThinkDeep的評論扎心了:"水和糧食是拿來活命的,不是養AI的。"這話直接捅破窗戶紙——當科技開始和生存搶資源,到底該優先保哪個?
給中國AI圈的三個提醒
這場杏仁鬧劇給國內AI玩家敲了警鐘:
- 算總賬:別光盯著推理耗能,訓練、供電、硬體製造全鏈條都得算
- 別學老薩:資料打架最敗路人緣,咱們披露環境資料得經得起扒皮
- 綠電是王道:全球都在盯AI碳足跡,用風電光伏的雲端計算中心才是版本答案。阿里雲、騰訊雲在西部搞的風光電站,這波在大氣層!
用杏仁打比方,本質就是科技公司想糊弄事。AI的環境賬本,可比一顆堅果複雜多了去了。
常見問題
阿爾特曼說的 38000 次查詢等於一顆杏仁,資料可信嗎?
存在明顯矛盾。按他此前估算的單次查詢 0.3 毫升耗水量,1 加侖水(約 3.8 升,生產一顆杏仁所需)對應約 12600 次查詢,而非 38000 次。差異可能源於統計口徑不同(如是否包含電力生產環節的間接耗水),但阿爾特曼未提供詳細計算依據,可信度存疑。
AI 耗水主要在哪個環節?資料中心冷卻還是發電?
兩者都有,但發電環節往往被忽視。現代資料中心可能不再大量使用蒸發冷卻,但為其供電的火電廠、天然氣電廠仍需大量冷卻水。業內普遍認為,間接耗水(電力生產鏈)可能大於直接耗水(資料中心本身),但科技公司通常只披露後者。
為什麼碳排放比耗水更受關注?
因為 AI 訓練和推理的主要環境成本是電力消耗,而電力往往來自化石能源,產生大量碳排放。大模型訓練階段的能耗可能是推理階段的數百倍,且碳排放具有全球氣候影響。相比之下,耗水主要是區域性問題(如加州乾旱),但碳排放關乎全球氣候目標,因此更受政策和公眾關注。
中國 AI 企業如何應對環境成本質疑?
建議三方面行動:一是披露全生命週期環境資料(包括訓練、推理、硬體製造),提升透明度;二是優先使用可再生能源資料中心,如西部風光電算力基地;三是最佳化模型效率,降低單位算力的能耗(如通過模型蒸餾、稀疏化等技術)。隨著歐盟 AI 法案等監管趨嚴,綠色算力可能成為出海合規的必要條件。
本文基於 GNews:Times of India 報道, 由 AiDuo123 AI 編輯翻譯改寫。原文連結: https://timesofindia.indiatimes.com/etimes/trending/chatgpt-vs-almond-sam-altman-says-chatgpt-uses-as-much-water-as-an-almond-the-internet-isnt-buying-it/articleshow/133823779.cms
相关 AI 工具
文中提到或相关的 AI 工具 — 点进去看适合谁、怎么用、值不值得折腾
Midjourney
精选AI 绘图
頂級 AI 影像生成工具,以畫面質感、藝術風格、構圖理解著稱。V7 模型在寫實和創意兩個方向均領先。需 Discord 或網頁版使用。
Cursor
精选AI 开发工具
AI-first 程式碼編輯器,基於 VS Code 構建,深度整合 Claude / GPT-4o 等模型。Composer 多檔案編輯、Tab 自動補全、Agent 模式三大殺手鐧。
Claude
精选大模型应用
Anthropic 推出的 AI 助手,以長上下文(200K tokens)、對複雜任務的細膩理解、Artifacts 視覺化輸出聞名。Claude Sonnet 4.5 / Opus 4.7 在程式設計、寫作、推理多項基準上領先。
相关推荐
同类资讯 — 由发布时间排序

ControlAI 執行董事:超級智慧不是武器而是對手,應立法禁止開發
AI 安全非營利組織 ControlAI 美國執行董事 Connor Leahy 在 TechCrunch 播客中提出激進觀點:應通過立法完全禁止企業開發超級智慧(superintelligence),而非僅依賴對齊與遏制技術。他認為當 AI 能自主改進 AI 時將觸發失控迴圈,並透露美英兩國已有相關立法推進,包括 Sanders-Casar 提出的"禁止超級智慧法案"。

五角大樓要求 OpenAI 提供"低拒絕率"軍用 AI 引發爭議
據 The Intercept 報道,美國國防部曾要求 OpenAI 提供一個"極少拒絕執行"軍事指令的定製版 AI 系統。OpenAI 否認簽署過包含此類措辭的合同。這一事件再次引發關於 AI 安全護欄與軍事應用邊界的討論,對中國 AI 從業者理解大模型倫理約束具有參考意義。

Meta 推出 Muse AI 智慧體,隱私信任成最大挑戰
Meta 在達成 180 億美元和解協議後不到兩週,推出個人 AI 智慧體 Muse,可連線郵件、日曆、支付等服務代使用者執行任務。產品採用獨立虛擬機器架構保護隱私,但 Meta 多次違反隱私承諾的歷史記錄,令消費者信任成為產品成敗關鍵。

Anthropic 推出 Claude Fable 5.1 與 Mythos 5.1:定價策略與模型差異詳解
Anthropic 釋出 Claude 5.1 系列兩款模型:面向普通使用者的 Fable 5.1 和限定科研人員使用的 Mythos 5.1。兩者共享同一模型架構但安全防護等級不同,Fable 5.1 已向 Pro 和 Max 訂閱使用者開放,而 Mythos 5.1 僅通過可信訪問計劃提供給科學家和網路安全研究人員。新版本在降低快取 Token 成本 75% 的同時,引入企業級隱私保護系統。