主要观点总结
本文主要讨论了与AI互动时频繁使用礼貌用语如“谢谢”的背后意义，以及AI模型在推理阶段的能耗问题。文章还探讨了AI可持续发展中的核心议题，包括AI模型训练与推理的能耗、AI对水资源的影响，以及如何优化推理效率等。
关键观点总结
关键观点1: AI互动中的礼貌用语
人们在与AI交互时频繁使用「谢谢」等礼貌用语，这已经成为一种独特的社交礼仪。虽然AI无法理解人类的情感，但使用礼貌用语可以使AI的回答更加全面和人性化。
关键观点2: AI模型的能耗问题
AI模型的推理阶段能耗巨大，已经引起了人们的关注。为了提高AI的可持续性，需要优化推理效率、降低单次调用成本，并提升系统整体能效。
关键观点3: AI对社会的影响
AI的发展对人类社会产生了深远的影响。人们开始将AI当作一种情感树洞，甚至催生出「AI心理咨询师」等角色。然而，AI的训练数据不可避免地带有偏见和暗示，需要谨慎对待。
正文
据外媒 The Information 曝出，面对大模型的「烧钱游戏」，主打开源的 Meta 也在为其 Llama 系列模型的训练寻找资金支持，向微软、亚马逊等云厂商「借电、借云、借钱」。
IEA 数据显示，截至 2024 年，全球数据中心耗电量约为 415 太瓦时（TWh），占全球总电力消费量的 1.5%。到 2030 年，这一数字将翻倍达到 1050 TWh，2035 年甚至可能突破 1300 TWh，超过日本全国当前的用电总量。
但 AI 的「胃口」并不止于电力，它还大量消耗水资源。
高性能服务器产生的热量极高，必须依靠冷却系统稳定运行。
这一过程要么直接消耗水（如冷却塔蒸发散热、液冷系统降温），要么通过发电过程间接用水（如火电、核电站冷却系统）。
卡罗拉多大学与德克萨斯大学的研究人员曾在一篇《让 AI 更节水》的预印论文中，发布了训练 AI 的用水估算结果。
结果发现，训练 GPT-3 所需的清水量相当于填满一个核反应堆的冷却塔所需的水量（一些大型核反应堆可能需要几千万到上亿加仑的水）。
ChatGPT （在 GPT-3 推出之后）每与用户交流 25-50 个问题，就得「喝掉」一瓶 500 毫升的水来降降温。
而这些水资源往往都是可被用作「饮用水」的淡水。
对于广泛部署的 AI 模型而言，在其整个生命周期内，推理阶段的总能耗已经超过了训练阶段。
而一旦部署，大模型便要日复一日地响应来自全球数以亿计的请求。长远来看，推理阶段的总能耗可能是训练阶段的数倍。
所以，我们看到 Altman 早早地投资诸如 Helion 等能源企业，原因在于他认为核聚变是解决 AI 算力需求的终极方案，其能量密度是太阳能的 200 倍，且无碳排放，可支撑超大规模数据中心的电力需求。
因此，优化推理效率、降低单次调用成本、提升系统整体能效，成为 AI 可持续发展不可回避的核心议题。
当你对 ChatGPT 说「谢谢」，它能感受到你的善意？答案显然是否定的。
大模型的本质，不过是一个冷静无情的概率计算器。它并不懂你的善意，也不会感激你的礼貌。
它的本质，其实是在亿万个词语中，计算出哪一个最有可能成为「下一个词」。
