AI 智能体比聊天提示耗电得多
The Decoder··作者 Matthias Bastian
关键信息
Hausfather 记录了 1,138 次提示，这些提示触发了超过 14,000 次模型调用，处理了约 32 亿个 token，其中 96% 是缓存读取。需要注意的是，这些结果基于当前使用模式，而且由于外界并不知道前沿模型每个 token 的真实能耗，因此这些数值仍然是估算。
资讯摘要
The Decoder 报道了气候科学家 Zeke Hausfather 的一项新分析，这项分析把 AI 智能体的能耗与 Google 和 OpenAI 公布的低单次提示能耗做了对比。Google 说，Gemini 的中位数文本提示只耗电 0.24 瓦时，OpenAI CEO Sam Altman 则估计 ChatGPT 的平均查询约为 0.34 瓦时。Hausfather 认为，这些数字遗漏了真实智能体工作负载中的大量消耗，尤其是推理模型、多模态输入、代码生成、多智能体系统，以及反复处理上下文的成本。过去八周里，他使用 Anthropic 的编程智能体 Claude Code，并详细记录了自己的使用情况。结果显示，1,138 次提示触发了 14,000 多次模型调用，总共处理了约 32 亿个 token。
其中文本输入本身并不是主要部分，96% 的 token 都是缓存读取，因为智能体在每一步都会重新读取不断增长的上下文。通过三种独立估算方法，他把这段时间的数据中心用电量估计为约 170 千瓦时，误差范围大约在 70 到 330 千瓦时之间。按每次提示计算，这相当于约 150 瓦时，大约是普通聊天提示的 600 倍。Hausfather 还估算，在他最繁忙的一天里，多个并行智能体做地理数据分析时大约消耗了 11 千瓦时电力；如果按全年放大，这种高强度使用产生的排放大致相当于一台电动干衣机的运行。文章强调，按“每次提示”来比较 AI 能耗会误导人，而随着智能体 AI 规模化，数据中心脱碳可能是减少排放最关键的手段。
资讯正文
AI 智能体使用的能量大约是简单聊天提示的 600 倍
要点
- 气候科学家 Zeke Hausfather 在一项新分析中展示，AI 智能体消耗的能量远高于 Google 和 OpenAI 所暗示的那种简单聊天查询数据。
- 在八周内记录他使用编程智能体 Claude Code 的情况后，约 1,100 次输入产生了超过 14,000 次模型调用和 32 亿个 token，耗电约 170 千瓦时，平均每次输入约 150 瓦时。
- 按全年推算，这种高强度使用所产生的 CO₂ 排放，相当于一台电动烘干机运行所释放的排放量。Hausfather 认为，将数据中心转向清洁能源是削减排放最关键的杠杆。
Google 和 OpenAI 一直用每次 AI 查询低能耗的说法安抚用户，但气候科学家 Zeke Hausfather 的 Claude Code 数据讲述了不同的故事。
Google 表示，一条 Gemini 文本提示的中位数仅消耗 0.24 瓦时（Wh），比看电视 9 秒钟还少。OpenAI 首席执行官 Sam Altman 估算，ChatGPT 的平均查询为 0.34 瓦时，大致相当于 2009 年一次 Google 搜索。
这两个数据点都发布于去年。即便如此，当时就已经很清楚，这些数字并不能反映真实的 AI 使用情况。它们没有考虑推理模型——单次聊天查询会生成多得多的 token——也没有考虑跨各种格式的多模态处理、多智能体系统、代码生成、在数十亿次使用中的规模扩展，以及许多其他因素。尤其是 Google 的“研究”严重低估了真实能耗。
气候科学家 Zeke Hausfather 现在在 The Climate Brink 的一篇分析中计算了这种差距究竟有多大。仍然存在一个主要盲点：AI 实验室之外没有人知道最先进模型每个 token 的真实能耗。请注意，Hausfather 的数字是合理估算，但仍然只是估算。
这些数字也基于当前的使用模式。AI 实验室已经在努力扩展可自主运行数天、数周，甚至数月完成任务的智能体系统。这可能会推动能耗呈指数级增长。
八周内 32 亿个 token
Hausfather 详细记录了自己在八周内的使用情况。Claude Code 会存储每次会话的完整本地日志，包括 API 为每次模型调用报告的精确 token 数量。
他的 1,138 次手动输入触发了超过 14,000 次模型调用，平均每次输入 12 次。每次输入平均处理 290 万个 token。相比之下，不包含推理或网络搜索的典型聊天往返大约只处理 1,000 个 token。
总计而言，他的 Claude Code 处理了 32 亿个 token。其中 96% 是缓存读取，因为在这 14,000 多个步骤中的每一步，智能体都会重新读取其全部已累积的上下文。Hausfather 实际在屏幕上看到的文本，也就是模型输出，只占全部已处理 token 的 0.4%。
他对总能耗的最佳估计是，在八周内消耗了约 170 kWh 的数据中心电力，误差范围为 70 到 330 kWh。Hausfather 直接测量的只有他 Claude Code 日志中的 token 数量，而换算成电力值依赖于三种采用不同假设的独立方法。
按每次提示词计算，相当于大约 150 Wh，约为中位数聊天提示词的 600 倍。“‘prompt’ 最终并不是 AI 使用的一个单位，就像‘trips’并不是驾驶的测量单位一样；真正重要的是你跑了多远，”Hausfather 写道。
单日 agent 使用的耗电量超过两台冰箱
在他最密集的一天里，当几个并行 agent 正在处理一项大规模地理数据分析时，他估计消耗了 11 kWh。根据 Hausfather 的说法，这超过了美国普通家庭日均用电量的三分之一。
重度使用 agent 一年，相当于一台烘干机的耗电量
按全年折算，Hausfather 基于 agent 的 Claude Code 使用量大约会消耗 1.1 MWh 的数据中心电力（0.4 到 2.2 MWh），约为美国普通家庭年用电量的十分之一。按照美国平均电力结构，这相当于每年约 370 千克二氧化碳当量。
这略高于一台电动烘干机运行一年的排放量（262 千克），也大约相当于旧金山往返纽约的一张经济舱机票的一半（700 千克），不过 Hausfather 指出，机票数字只涵盖直接二氧化碳排放。它大约相当于典型美国燃油车年排放量的 8%，以及美国人平均年度碳足迹的约 2%。“这既是一个相当大的排放来源，同时又只是我总碳足迹中相对温和的一部分，”Hausfather 写道。
清洁电力比少用更重要
Hausfather 并不主张牺牲或内疚。对少数重度用户而言，个人节制“不会改变任何曲线”，他说，并补充道，把简单任务交给更小的模型是有道理的，因为它们每个 token 的能耗比前沿模型低五到七倍。
但他认为，最大的杠杆在于电力本身的碳强度。如果同样的工作负载运行在大体清洁的电力上，碳足迹将下降约 90%。问题在于，美国数据中心计划中的现场发电中，近四分之三依赖天然气。
Hausfather 认为，这正是一个机会。AI 公司带来了巨额资本和罕见的紧迫感。如果这些资金流向清洁能源、电网扩容，以及地热或核能等先进技术，AI 热潮最终可能让电网比它进入时更清洁。
来源与参考
收录于 2026-08-09