Google揭示Gemini的真实环境成本：一次AI提示到底消耗多少资源？

发布于: 2025-08-25 • 更新于: 2025-08-25 • 2 分钟阅读

随着 AI 技术席卷全球，其背后的能源消耗与环境影响成为热议焦点。现在，Google 首次公开了旗下 AI 模型 Gemini 的详细数据，揭示了单次提示所需的能源、水资源与碳排放量。令人惊讶的是，这些数字远低于先前的研究估计，这究竟是为什么？本文将深入解析 Google 提出的全新“全面性评估框架”，并探讨这对 AI 产业的未来意味着什么。

AI的环境帐单，比你我想的更复杂

人工智能（AI）的崛起无疑是革命性的，但这股浪潮背后，隐藏着巨大的能源需求。从训练大型语言模型（LLM）到处理全球数十亿用户的日常提问，每一个环节都在消耗电力和水资源，并产生相应的碳排放。坦白说，我们都对 AI 的环境成本感到好奇，甚至有些担忧。

就在大家议论纷纷之际，Google 发表了一篇名为《Measuring the environmental impact of delivering AI at Google Scale》的重磅研究报告，首次详细揭露了其 AI 助理 Gemini 单次文字提示的环境足迹。

结果可能会让你大吃一惊：

能源消耗： 0.24 瓦时 (Wh)
碳排放量： 0.03 克二氧化碳当量 (gCO₂e)
水资源消耗： 0.26 毫升 (mL)

这些数字不仅具体，而且比许多先前的公开估计要低得多。这引出了一个核心问题：是 AI 的效率超乎预期，还是我们过去的测量方法有问题？

等等，这个数字比想像中低很多？

如果你对 AI 的环境议题稍有涉猎，看到 Google 的数据可能会感到困惑。过去的研究和报导描绘的景象似乎更加严峻。

例如，一些研究估计，单次 AI 查询可能消耗高达 3 瓦时的能量；Mistral AI 的报告则显示，其模型一次典型互动会产生约 1.14 克的碳排放和 45 毫升的水消耗。

相较之下，Google 的数据显得格外“环保”。这其中的差异，关键在于“测量边界”的不同。许多外部研究往往基于公开的硬体规格和一系列假设进行估算，或是在理想化的基准测试环境中进行测量。然而，这种方法可能忽略了真实世界中大规模部署的复杂性。

Google 指出，一个更准确的评估，必须涵盖整个服务堆叠的每个环节。

Google 的“全面测量法”到底是什么？

为了解决这个问题，Google 提出了一套更全面的测量方法，旨在反映 AI 服务在真实生产环境中的完整样貌。这个框架不仅仅是计算运行中的 AI 加速器（如 GPU 或 TPU）功耗，而是涵盖了四大关键部分：

活跃的 AI 加速器能耗： 这是最直观的部分，也就是处理你提示时，晶片实际消耗的电力。
活跃的主机系统能耗： 除了 AI 晶片，运行模型的伺服器还需要 CPU 和 DRAM（记忆体）的支援，这部分的能耗也必须计算在内。
闲置机器的能耗： 为了确保服务的稳定性和低延迟，大型系统会预留一部分闲置的运算资源，以便应对流量高峰或故障转移。这些“待命”中的机器虽然没有处理请求，却仍在消耗电力。
资料中心额外开销： 这包括了冷却系统、电力转换损耗等维持资料中心运行的所有间接能耗，通常用“电力使用效率”（PUE）指标来衡量。

简单来说，Google 的方法就像计算一趟车的总油耗，不仅考虑了引擎行驶时的消耗，还把空调、车灯，甚至是等红灯时的怠速油耗都算了进去。这种“全堆叠”的视角，才真正反映了提供一次 AI 服务的总成本。

Gemini 一次提示的真实环境成本

在这样全面的框架下，Google 得出的数据才更具现实意义。让我们把这些数字转化成更容易理解的概念：

0.24 瓦时 (Wh) 的能源，比你看 9 秒钟的电视所消耗的电力还少。
0.26 毫升 (mL) 的水量，大约相当于 5 滴水。

虽然单次提示的影响微乎其微，但考量到全球每天数十亿次的互动，持续优化仍然至关重要。

不只是测量：Google 如何持续优化 AI 效能？

揭露数据只是第一步，更重要的是如何持续改进。Google 的报告也强调了他们在过去一年中，透过软硬体协同优化，取得了惊人的效率提升。

研究显示，从 2024 年 5 月到 2025 年 5 月，Gemini Apps 单次提示的总碳排放量减少了 44 倍。这项成就来自多方面的努力：

更聪明的模型架构： 采用如专家混合（MoE）等技术，让模型在回应时只启动必要的部分，大幅减少了运算量。
软体效率提升： 透过模型改进和更佳的机器利用率，使单次提示的能耗在一年内降低了 33 倍。
客制化硬体： Google 自家设计的 TPU（张量处理单元）从一开始就以“每瓦效能”为核心目标，确保软硬体之间的高度契合。
超高效率的资料中心： Google 的资料中心平均 PUE 为 1.09，意味着只有 9% 的能源用于额外开销，远优于业界平均水准。
採购洁净能源： 积极採购再生能源，降低了电网的碳排放系数，使得即使消耗同样的电力，产生的碳足迹也更少。

这些努力共同作用，形成了一个良性循环，不仅提升了 AI 的能力，也控制了其对环境的影响。

这对 AI 的未来意味着什么？

Google 的这份报告为整个 AI 产业带来了两个重要的启示。

首先，它证明了建立一个标准化、透明且全面的环境影响评估框架是多么重要。如果没有统一的测量标准，各家公司公布的数据将难以比较，使用者也无法真正了解不同 AI 服务之间的环保差异。

其次，它揭示了透过全方位的技术优化，AI 的效率可以实现指数级的提升。这不仅仅是演算法的进步，更是硬体、软体、资料中心基础设施，甚至是能源採购策略共同协作的结果。

当 AI 越来越深入我们的生活，确保其可持续发展将是所有科技公司必须面对的课题。Google 这次的透明化行动，无疑是迈向这个目标的关键一步。

常见问题解答 (FAQ)

Q1：一个 Gemini 提示到底消耗多少资源？ 根据 Google 的全面性测量方法，一次 Gemini 文字提示的中位数消耗为 0.24 瓦时 (Wh) 的能源、0.26 毫升 (mL) 的水，并产生 0.03 克 (gCO₂e) 的碳排放。

Q2：为什么 Google 公布的数据比其他研究低这么多？ 主要原因在于测量方法的不同。许多外部研究采用的是较窄的测量边界，可能只估算了 AI 加速器的能耗。而 Google 的“全面测量法”涵盖了从 AI 晶片、主机系统、闲置机器到资料中心冷却系统的完整能耗，更能反映真实生产环境中的情况。

Q3：Google 如何降低 AI 的环境冲击？ Google 透过多种方式降低 AI 的环境影响，包括：开发更高效的模型架构（如 MoE）、设计客制化的高效能硬体（TPU）、优化资料中心的能源使用效率（低 PUE），以及大规模採购再生能源来实现电力来源的脱碳。在过去一年中，这些努力使 Gemini 单次提示的总碳排放量减少了 44 倍。