一次AI问答，相当于点亮一盏灯半小时？GPT-5能耗引担忧

一项来自罗德岛大学AI实验室的研究估算显示，OpenAI推出的GPT-5模型在能耗方面可能远超前代——其单次查询的电力消耗可能是GPT-4的8.6倍以上。

这一数据尚未得到OpenAI官方确认。由于该公司未公开GPT-5的实际运行参数和硬件部署细节，目前所有关于能耗的结论均基于第三方研究团队的推测。尽管如此，这些估算仍为评估大型语言模型（LLM）的能源影响提供了重要参考。

一次响应最高耗电40瓦时？

根据《卫报》报道，罗德岛大学的研究团队估算，生成一个中等长度（约1000个token）的GPT-5响应，最高可能消耗40瓦时（Wh） 的电力，平均约为18.35瓦时。

作为对比：

• GPT-4的同等任务能耗约为2.12瓦时
• Deepseek R1为20.90瓦时
• OpenAI o3为25.35瓦时

这意味着，在当前测试模型中，GPT-5的单位请求能耗仅次于o3，显著高于其他主流模型。

如果将这一数字扩展到实际使用规模——以ChatGPT每日处理约25亿次请求计算，全部由GPT-5支撑，则每天总能耗可能高达45吉瓦时（GWh）。

这是一个相当惊人的数值。作为参照，一座典型的现代核电站每小时发电量在1至1.6吉瓦之间。也就是说，若按此估算，支持GPT-5运行的数据中心所需电力，相当于需要两到三个核反应堆持续满负荷运转，足以供应一个小型国家的日常用电。

估算方法：基于响应时间与硬件假设

研究团队并未直接测量GPT-5的能耗，而是采用间接推算方式，结合两个关键变量：

1. 响应时间：模型完成一次推理所需的时间；
2. 硬件功耗：运行该模型所依赖的计算系统的平均功率。

由于OpenAI未披露GPT-5的具体部署架构，研究人员假设其运行在微软Azure云平台上的Nvidia DGX H100或H200系统上。这类系统是当前AI训练与推理的主流基础设施。

通过将实测的响应时间乘以设备的额定功率，并纳入数据中心整体效率因素（如PUE、WUE、CIF等），团队得出了最终的能耗估算值。

其中：

• PUE（电源使用效率） 反映数据中心除IT设备外的额外能耗（如冷却、供电损耗）
• CIF（碳强度因子） 用于估算电力来源的碳排放水平

值得注意的是，这一估算存在明显局限。如果OpenAI实际采用了更新的Nvidia Blackwell架构（性能最高可达H100的四倍），那么单位任务的能耗和时间都将大幅下降，现有估算结果将不再适用。

混合专家架构的影响

GPT-5据信采用了“混合专家”（Mixture of Experts, MoE）设计，即并非所有模型参数在每次请求中都被激活。这种机制在处理简单或短查询时可以有效降低资源消耗。

然而，对于复杂或长文本生成任务，系统需要调用更多专家模块，导致推理路径变长、计算密度上升。据研究人员Shaolei Ren指出，在某些情况下，相同输出的能耗可能因此增加5到10倍，甚至突破40瓦时/次。

这也意味着，用户请求的类型对整体能耗有显著影响——越是复杂的交互，背后的能源代价越高。

估算虽不精确，趋势不容忽视

必须强调的是，这项研究的结果属于估算性质，且高度依赖于未被验证的硬件与部署假设。OpenAI尚未回应相关数据的准确性问题，因此我们无法确认GPT-5的真实能效表现。

但一个清晰的趋势正在浮现：随着模型规模扩大、推理复杂度提升，AI系统的能源需求正在快速攀升。

在美国，已有多个地区报告因AI数据中心建设激增而导致电网压力加大、电价上涨。部分科技公司甚至开始与能源供应商合作，探索专用供电方案，包括重启退役电厂或投资可再生能源项目。

无论GPT-5的实际能耗是否真的达到估算水平，其背后反映的问题值得重视：当AI能力不断增强的同时，我们是否也为它的“能源账单”做好了准备？（来源）