|
從“節能燈”到“電老虎”：當ChatGPT能耗暴增20倍，AI神話開始漏風
作者 | AI產業觀察員 一、一個被忽視的轉折
2022 年 11 月，OpenAI 用 GPT-3.5 點燃了全球大模型狂歡。人們驚嘆于它寫詩、寫代碼、寫周報，卻很少有人追問：這盞“節能燈”到底耗多少電？近日，一位深耕 AI 基礎設施的博主拋出數據：最新版 ChatGPT 的單位任務能耗，已是最初版本的 20 倍左右。如果把 2023 年全球 ChatGPT 調用量換算成家庭用電量，相當于一個 300 萬人口的中等城市全年無休地開空調。 這并非危言聳聽。斯坦福大學 2024 年 5 月發布的《AI 指數報告》指出，1750 億參數的 GPT-3 訓練耗電 1287 兆瓦時，而 GPT-4 訓練耗電已飆升至 約 5 萬兆瓦時；推理側，單次回答的能耗也隨著多輪檢索、插件調用、長上下文而水漲船高。 二、能耗飆升的三大推手 - 參數軍備競賽
“大”似乎成了唯一方向。從 1 億到 1750 億，再到萬億稀疏模型，每翻一倍參數，訓練能耗大約呈平方級增長。 - 推理鏈路越來越長
今天的 ChatGPT 不只是“一次性答題”，它會調用代碼解釋器、聯網檢索、多輪對話記憶，甚至調用 DALL·E 畫圖。每一次工具調用，都是一次額外推理。 - 幻覺修復“補丁”
為了減少一本正經地胡說八道，模型被要求“先生成再檢索、再重排序、再過濾”。這些補丁效果顯著，卻也讓能耗成倍疊加。
三、幻覺：AI 的“高血壓”，能耗成了“降壓藥”
“幻覺”是指模型輸出看似合理卻與事實不符的內容。它像高血壓一樣難根治，只能靠終身服藥——也就是靠更復雜的驗證、檢索、對齊流程來降壓。于是，一個悖論出現了：我們越努力讓 AI 說真話，它就吃得越多、越胖、越耗電。 四、方向偏差：我們是否在“用更大的漏斗接更多的水”？
博主尖銳指出，行業陷入了“用更多算力掩蓋算法缺陷”的循環：
· 幻覺多？再訓一個更大的。
· 答案不準？再外掛 10 個工具。
· 能耗高？再建一座核電站。 這種模式短期內讓體驗曲線繼續上揚，卻掩蓋了底層創新乏力的真相。正如一位芯片高管私下吐槽：“我們每年都在等下一個制程節點，卻沒人敢質疑，是不是非得把模型做得這么大。” 五、破局的三條可能路徑 - 模型瘦身與稀疏化
MIT 近期公布的“Sparse Fine-Tuning”方法，在 MMLU 基準上僅用 3% 參數就達到原模型 96% 精度。如果稀疏化成為主流，推理能耗或可降低一個數量級。 - 端云協同推理
把高頻簡單問題放在手機端的小模型解決，僅把長尾復雜問題上傳到云端大模型。高通實驗顯示，這種混合方案可將平均能耗降 62%。 - 讓“評價函數”從“更像人”轉向“更節能”
OpenAI 內部流出的“reward hacking”文檔提到，下一階段 RLHF（人類反饋強化學習）將引入“能耗項”作為懲罰因子。換句話說，如果兩個回答質量接近，系統會優先推薦更省電的那個。
六、尾聲：AI 的“碳足跡”不應只是公關稿里的注腳
當硅谷巨頭們忙著為 100GW 數據中心選址時，越來越多國家開始給 AI 算力套上“碳預算”。歐盟《AI 公約》草案已明確要求，2026 年起所有公開提供服務的生成式 AI 必須披露“單次任務平均能耗”。 也許用不了多久，用戶在對話框里除了看到“已聯網”“已畫圖”，還會看到“本次回答耗電 0.002 度，相當于 10 秒電吹風”。那一刻，我們才算真正開始理解 AI 的代價。 當能耗和幻覺同時成為焦點，AI 行業第一次被迫面對“效率與體驗”“規模與真理”之間的古老權衡。下一個 killer app，也許不是更大的模型，而是能把 20 倍能耗重新打回 2 倍的系統性創新。
|
