Google揭示Gemini的真實環境成本：一次AI提示到底消耗多少資源？

隨著 AI 技術席捲全球，其背後的能源消耗與環境影響成為熱議焦點。現在，Google 首次公開了旗下 AI 模型 Gemini 的詳細數據，揭示了單次提示所需的能源、水資源與碳排放量。令人驚訝的是，這些數字遠低於先前的研究估計，這究竟是為什麼？本文將深入解析 Google 提出的全新「全面性評估框架」，並探討這對 AI 產業的未來意味著什麼。

AI的環境帳單，比你我想的更複雜

人工智慧（AI）的崛起無疑是革命性的，但這股浪潮背後，隱藏著巨大的能源需求。從訓練大型語言模型（LLM）到處理全球數十億用戶的日常提問，每一個環節都在消耗電力和水資源，並產生相應的碳排放。坦白說，我們都對 AI 的環境成本感到好奇，甚至有些擔憂。

就在大家議論紛紛之際，Google 發表了一篇名為《Measuring the environmental impact of delivering AI at Google Scale》的重磅研究報告，首次詳細揭露了其 AI 助理 Gemini 單次文字提示的環境足跡。

結果可能會讓你大吃一驚：

• 能源消耗： 0.24 瓦時 (Wh)
• 碳排放量： 0.03 克二氧化碳當量 (gCO₂e)
• 水資源消耗： 0.26 毫升 (mL)

這些數字不僅具體，而且比許多先前的公開估計要低得多。這引出了一個核心問題：是 AI 的效率超乎預期，還是我們過去的測量方法有問題？

等等，這個數字比想像中低很多？

如果你對 AI 的環境議題稍有涉獵，看到 Google 的數據可能會感到困惑。過去的研究和報導描繪的景象似乎更加嚴峻。

例如，一些研究估計，單次 AI 查詢可能消耗高達 3 瓦時的能量；Mistral AI 的報告則顯示，其模型一次典型互動會產生約 1.14 克的碳排放和 45 毫升的水消耗。

相較之下，Google 的數據顯得格外「環保」。這其中的差異，關鍵在於「測量邊界」的不同。許多外部研究往往基於公開的硬體規格和一系列假設進行估算，或是在理想化的基準測試環境中進行測量。然而，這種方法可能忽略了真實世界中大規模部署的複雜性。

Google 指出，一個更準確的評估，必須涵蓋整個服務堆疊的每個環節。

Google 的「全面測量法」到底是什麼？

為了解決這個問題，Google 提出了一套更全面的測量方法，旨在反映 AI 服務在真實生產環境中的完整樣貌。這個框架不僅僅是計算運行中的 AI 加速器（如 GPU 或 TPU）功耗，而是涵蓋了四大關鍵部分：

1. 活躍的 AI 加速器能耗： 這是最直觀的部分，也就是處理你提示時，晶片實際消耗的電力。
2. 活躍的主機系統能耗： 除了 AI 晶片，運行模型的伺服器還需要 CPU 和 DRAM（記憶體）的支援，這部分的能耗也必須計算在內。
3. 閒置機器的能耗： 為了確保服務的穩定性和低延遲，大型系統會預留一部分閒置的運算資源，以便應對流量高峰或故障轉移。這些「待命」中的機器雖然沒有處理請求，卻仍在消耗電力。
4. 資料中心額外開銷： 這包括了冷卻系統、電力轉換損耗等維持資料中心運行的所有間接能耗，通常用「電力使用效率」（PUE）指標來衡量。

簡單來說，Google 的方法就像計算一趟車的總油耗，不僅考慮了引擎行駛時的消耗，還把空調、車燈，甚至是等紅燈時的怠速油耗都算了進去。這種「全堆疊」的視角，才真正反映了提供一次 AI 服務的總成本。

Gemini 一次提示的真實環境成本

在這樣全面的框架下，Google 得出的數據才更具現實意義。讓我們把這些數字轉化成更容易理解的概念：

• 0.24 瓦時 (Wh) 的能源，比你看 9 秒鐘的電視所消耗的電力還少。
• 0.26 毫升 (mL) 的水量，大約相當於 5 滴水。

雖然單次提示的影響微乎其微，但考量到全球每天數十億次的互動，持續優化仍然至關重要。

不只是測量：Google 如何持續優化 AI 效能？

揭露數據只是第一步，更重要的是如何持續改進。Google 的報告也強調了他們在過去一年中，透過軟硬體協同優化，取得了驚人的效率提升。

研究顯示，從 2024 年 5 月到 2025 年 5 月，Gemini Apps 單次提示的總碳排放量減少了 44 倍。這項成就來自多方面的努力：

• 更聰明的模型架構： 採用如專家混合（MoE）等技術，讓模型在回應時只啟動必要的部分，大幅減少了運算量。
• 軟體效率提升： 透過模型改進和更佳的機器利用率，使單次提示的能耗在一年內降低了 33 倍。
• 客製化硬體： Google 自家設計的 TPU（張量處理單元）從一開始就以「每瓦效能」為核心目標，確保軟硬體之間的高度契合。
• 超高效率的資料中心： Google 的資料中心平均 PUE 為 1.09，意味著只有 9% 的能源用於額外開銷，遠優於業界平均水準。
• 採購潔淨能源： 積極採購再生能源，降低了電網的碳排放係數，使得即使消耗同樣的電力，產生的碳足跡也更少。

這些努力共同作用，形成了一個良性循環，不僅提升了 AI 的能力，也控制了其對環境的影響。

這對 AI 的未來意味著什麼？

Google 的這份報告為整個 AI 產業帶來了兩個重要的啟示。

首先，它證明了建立一個標準化、透明且全面的環境影響評估框架是多麼重要。如果沒有統一的測量標準，各家公司公布的數據將難以比較，使用者也無法真正了解不同 AI 服務之間的環保差異。

其次，它揭示了透過全方位的技術優化，AI 的效率可以實現指數級的提升。這不僅僅是演算法的進步，更是硬體、軟體、資料中心基礎設施，甚至是能源採購策略共同協作的結果。

當 AI 越來越深入我們的生活，確保其可持續發展將是所有科技公司必須面對的課題。Google 這次的透明化行動，無疑是邁向這個目標的關鍵一步。

常見問題解答 (FAQ)

Q1：一個 Gemini 提示到底消耗多少資源？ 根據 Google 的全面性測量方法，一次 Gemini 文字提示的中位數消耗為 0.24 瓦時 (Wh) 的能源、0.26 毫升 (mL) 的水，並產生 0.03 克 (gCO₂e) 的碳排放。

Q2：為什麼 Google 公布的數據比其他研究低這麼多？ 主要原因在於測量方法的不同。許多外部研究採用的是較窄的測量邊界，可能只估算了 AI 加速器的能耗。而 Google 的「全面測量法」涵蓋了從 AI 晶片、主機系統、閒置機器到資料中心冷卻系統的完整能耗，更能反映真實生產環境中的情況。

Q3：Google 如何降低 AI 的環境衝擊？ Google 透過多種方式降低 AI 的環境影響，包括：開發更高效的模型架構（如 MoE）、設計客製化的高效能硬體（TPU）、優化資料中心的能源使用效率（低 PUE），以及大規模採購再生能源來實現電力來源的脫碳。在過去一年中，這些努力使 Gemini 單次提示的總碳排放量減少了 44 倍。