ChatGPT 到底用多少水？一名开发者核查 0.32 毫升的说法
ChatGPT 到底用多少水？一名开发者核查 0.32 毫升的说法
自 2025 年 6 月起在网上被反复追问
一次 ChatGPT 查询到底用掉多少水？
一年多来，ChatGPT 的用水量被压缩成一个数字：每次查询约 0.32 毫升，大约相当于一茶匙的十五分之一。我是写软件的，当一个数字承担这么重的分量时，我的第一个问题不是它是否正确，而是它测量了什么。
要点速览
算术没有问题。公开的方法论并不存在。这个数字与只统计数据中心冷却蒸发水量的做法相符，而那是整件事中较小的一半。
在特定假设下合理。无法验证。不是通用常数。
作者：Zubair Hussain，全栈开发者。核对日期：2026 年 9 月 18 日。
数字的出处
出处是一篇个人博客。2025 年 6 月 10 日，萨姆·奥尔特曼在 The Gentle Singularity 中写道：“平均每次查询约用 0.34 瓦时……也用掉约 0.000085 加仑水，大约是一茶匙的十五分之一”[1]。文中没有方法论，没有对“平均查询”的定义，没有硬件信息，也未经同行评议 [2]。
2026 年 9 月 1 日，奥尔特曼称 38,000 次查询相当于一颗加州杏仁的用水量。PolitiFact 于 2026 年 9 月 4 日将该比较评为“基本不实”[3]。
算术本身没问题
同一句话中的两种表述彼此一致。问题不在计算。
GPU 不喝水
GPU 消耗电力并产生热量。水消耗发生在另外三个地方：发电、数据中心冷却，以及包括芯片制造和建设在内的供应链。闭环的芯片直冷不消耗水，因为同一份冷却液会循环回来。
直接用水与间接用水
直接用水（范围一）在冷却塔中蒸发，用 WUE 衡量，单位是升每千瓦时。谷歌报告 2023 和 2024 年为 1.15 升每千瓦时 [4]。间接用水（范围二）发生在发电厂。论文 Making AI Less Thirsty 指出，训练 GPT-3 在现场消耗约 70 万升水，计入电力相关用水后约为 540 万升 [5]。
反推 0.32 毫升
谷歌公开了公式：水 =（总能耗 － 设施开销）x WUE。用其自身数据验算：(0.24 － 0.02) x 1.15 = 0.253 毫升，四舍五入即公布的 0.26 毫升 [4]。将同一公式用于 OpenAI 的两个数字，按 8% 的设施开销计算：
这个数值对现代设施而言是现实的。也就是说，在特定假设下这个数字可能是合理的，前提是它只计入现场冷却用水，而不含发出这 0.34 瓦时电所消耗的水。
为什么不存在一个通用数值
每次查询的用水量是多个变量相乘的结果：模型规模、输入词元、输出词元、推理负载、加速器类型、批处理、利用率、数据中心位置、气候、冷却技术、电力来源、PUE 与 WUE。Epoch AI 估算典型 GPT-4o 查询约 0.3 瓦时，1 万词元输入约 2.5 瓦时，10 万词元约 40 瓦时 [6]。Jegham 等人在 30 个模型的长提示上发现超过 65 倍的差距 [7]。同样的负载在得克萨斯州约 7.6 毫升，在华盛顿州约 47.6 毫升 [5]。
已发布估算的对比
| 来源 | 时间 | 数值 | 计量边界 | 方法论公开 |
|---|---|---|---|---|
| 萨姆·奥尔特曼 [1] | 2025 年 6 月 | 0.32 毫升，0.34 瓦时 | 未说明 | 否 |
| 谷歌 [4] | 2025 年 8 月 | 0.26 毫升，0.24 瓦时（中位数） | 仅现场冷却 | 是，含公式 |
| Li 等人 [5] | 2023 年，2025 年修订 | 500 毫升对应 10 至 50 次回复 | 范围一与范围二 | 是，经同行评议 |
| Epoch AI [6] | 2025 年 2 月 | 0.3 瓦时 | 加速器能耗 | 是 |
| PolitiFact 引用的研究 [3] | 2026 年 9 月 | 0.6 至 17 毫升 | 比冷却更宽 | 是 |
训练与推理是两笔账
训练是一次性成本，会被摊薄到之后的每一次查询上。推理是每次查询的边际成本，0.32 毫升说的是后者。粗略的规模感：按每天 7 亿次查询计算，0.32 毫升合每天约 22.5 万升，一年约 8200 万升。单次查询是舍入误差，一年就是一笔市政水账。
杏仁比较
据 PolitiFact，一颗加州杏仁的总水足迹约为 12 升，其中直接灌溉淡水约 6 升，其余是降雨和用于稀释污染物的水 [3]。
乘法没错，比较不成立。一边用的是完整水足迹，另一边看起来只算冷却水。若两边都用直接用水比较，结果约为每颗杏仁 1,000 至 10,000 次查询 [3]。
用延迟解释计量边界
A 组报告 12 毫秒，因为只测了数据库调用。B 组报告 180 毫秒，因为测的是包含网络、TLS、鉴权和序列化的整条请求。两组都测得没错，数字却无法比较。每次提示的用水量正是同一个问题，而且连共同约定都还没有。
“一瓶水”的旧说法同样过于简化
更早流行的说法方向相反：一次对话喝掉一瓶 500 毫升的水。它同样来自真实研究，原文是 GPT-3 每 10 到 50 次中等长度回复消耗 500 毫升，具体取决于时间和地点 [5]。丢失的是条件：模型是 GPT-3，输入约 800 词，数值是建模而非实测，10 到 50 的区间反映的是不同选址。
开发者应当追问的问题
- 测的是哪个模型？
- 输入和输出各多少词元？
- 什么硬件？
- 哪个数据中心？
- 什么冷却系统？
- 是否计入电力的间接用水？
- 测量周期多长？
- 是平均值、中位数还是估算？
- 第三方能否独立复现？
常见问题
一次 ChatGPT 查询用多少水？
奥尔特曼给出约 0.32 毫升。独立估算在 0.6 至 17 毫升之间。诚实的答案是一个区间。
GPU 会直接用水吗？
不会。GPU 消耗电力并产生热量，水消耗发生在冷却和发电环节。
这个数字包含训练吗？
不包含。它是推理阶段的数字。
为什么各方估算差别这么大？
因为不同的核算边界会得出不同的估算结果。
结论
0.32 毫升不是编造的。单位换算正确，反推出的 WUE 也落在现实区间内，所以在特定假设下它可能是合理的。但它无法验证，也不是通用常数。公开的方法论只有两句话。
真正要紧的问题不是一次查询究竟是 0.32 毫升、五滴还是别的数字，而是方法论、基础设施假设和核算边界是否透明到足以让这个数字被有意义地解读。
参考来源
- Sam Altman，The Gentle Singularity，2025 年 6 月 10 日。
- Data Center Dynamics，2025 年 6 月。
- PolitiFact，2026 年 9 月 4 日。
- Google，Measuring the environmental impact of delivering AI at Google Scale，arXiv:2508.15734。
- Li, Yang, Islam, Ren，Making AI Less Thirsty，arXiv:2304.03271。
- Epoch AI，How much energy does ChatGPT use?，2025 年 2 月 7 日。
- Jegham et al.，How Hungry is AI?，arXiv:2505.09598。