关于 AI 能耗的好消息，并不是问题已经消失，而是讨论终于有了更清晰的数据。

Our World in Data 7 月 20 日发布了关于数据中心和 AI 用电的分析，使用了 IEA、Epoch AI、Google 等公开估计。结论介于两个极端之间：一次简单聊天请求通常不是气候灾难，但大规模 AI data centers 仍可能给本地电网、电价、水资源和清洁能源计划带来真实压力。

现代数据中心连接电网和清洁能源，并配有测量仪表盘

OWID 写道，2025 年全球数据中心用电约 485 TWh，占全球发电量约 1.5%。其中 AI-focused data centers 约 155 TWh，约占全球用电 0.5%。IEA base case 预计，到 2030 年数据中心用电可能达到 945 TWh，约 3%，增长主要来自 AI 设施。

不要只盯着一个 prompt

简单文本请求的估计大多在零点几 Wh。Google 给出的 Gemini Apps median text prompt 是 0.24 Wh；Sam Altman 提到平均 ChatGPT query 约 0.34 Wh；Epoch AI 独立估计典型请求约 0.3 Wh。对普通用户来说，这比日常用电小得多。

但长上下文和 agentic tasks 不是同一回事。OWID 引用的估计显示，7,500 词输入约 2.5 Wh，75,000 词输入约 40 Wh，带 reasoning 的 agentic request 约 50 Wh。重点不是为每个短问题内疚，而是判断长时间自动任务是否真的有价值。

真正的压力在本地

全球占比可以不高，本地负担却很重。OWID 指出，美国数据中心约占用电 5%，AI-focused 可能约 2%；爱尔兰数据中心用电超过 20%。这涉及电网扩容、水、费率和电力来源。

用户可以有意识地使用 AI，避免无意义的长循环。企业应向供应商询问运行区域、carbon intensity、水指标、负载调度和 clean power。监管者要关注谁为 grid upgrades 付费，以及本地社区是否承担了不成比例的成本。

这是一条不天真的好消息：更好的数据不会自动解决问题，但能把道德恐慌变成可管理的基础设施议题。