AI Token的物理成本:每生成一个字,到底耗多少电?
AI 生成文本,请理性甄别
你在对话框里敲一句"帮我写篇文章"。
1 分钟后,AI 哗哗吐出 3000 字。
看起来:不费纸、不费墨、不费电。
但真相是——每一个字,都是用真实的电"烧"出来的。
今天掰开揉碎,算笔物理账。
01 AI 眼里的"字",不是字
知识卡:Token AI 不认识汉字,它只认 Token。1 个 Token ≈ 0.5~0.7 个汉字。 类比:AI 读文章像你嚼花生米——一颗一颗来。Token 就是它嘴的大小,汉字得先掰成"花生"它才咽得下去。

你写的每个字,先被切成 Token。
再变成一串数字,塞进 GPU。
GPU 算出一个 Token,就吐出一个 Token,循环往复。
所以"生成一个字",物理上就是"一块芯片连续做了几千次乘加运算"。

而芯片,是插电的。
02 单字成本:小到离谱,乘到吓人
先说量级结论(各家模型效率不同,以下为公开估算的常见区间):
一次几百字的 AI 问答,大约耗电 0.2~0.3 瓦时。
知识卡:一度电有多大? 1 度电 = 1000 瓦时(Wh)。 类比:一度电能把你手机充满 100 次以上,够一台家用空调开 1 个多小时。 所以 0.24 Wh ≈ 一个 LED 小夜灯亮 3 分钟。单次看,便宜得几乎免费。

折算到"一个字":大约 百万分之一度电。
电费不到一厘钱的万分之一。白送都没人心疼。
但 AI 行业的恐怖之处从来不是单价,是乘法。
全球头部 AI 产品每天响应数亿次对话。
按一次 0.24 Wh 算,一天光"回话"就要烧掉几万到几十万度电。

这还只是推理,不包含训练。
03 电的漫长旅行:从电厂到你手机
一个字背后的电,走的路比你想象的远。
① 发电厂发出电——火电、水电、风电、核电;
② 升压变压器把电压抬到几十万伏,挂上高压电网;
③ 跨省"干线运输"后,逐级降压:50 万伏 → 11 万伏 → 1 万伏;
④ 进园区变电站,降到 400 伏左右,接入机房配电柜;
⑤ 再经过 UPS 和电源模块的"净化",最终灌进 GPU。
知识卡:UPS UPS(不间断电源)相当于电网的"充电宝+保险丝":停电瞬间无缝接管,还顺带过滤电压抖动。 类比:快递从工厂到你家,要走干线、分拨中心、小区快递柜——高压电网是干线,变电站是分拨中心,UPS 是最后那一道安检。

每个环节都有损耗,每一步都在耗电。
你感觉 AI "免费",是因为账单寄给了数据中心,不是寄给你。
04 电去哪了?九成变成了热
一张旗舰 AI 芯片(如 H100),满载功率约 700 瓦。
什么概念?一块芯片 ≈ 一台电暖器。
一个机柜塞 8 张,就是一台 5 千瓦的"小太阳"。
一个万卡集群,光芯片就是 7 兆瓦起步。
而且 GPU 干活的本质是让电子在电路里疯狂往返,效率再高,绝大部分电能最终还是变成热。

于是就需要空调、风扇、冷却塔、液冷管——这些散热设备本身也吃电。

知识卡:PUE PUE = 数据中心总耗电 ÷ IT 设备耗电。 PUE 1.5 意味着:GPU 每用 1 度电,散热等辅助系统再用 0.5 度。 类比:你烧一壶水,只有一部分热量进了水,剩下的全在烤厨房。PUE 就是"烤厨房"的比例,越接近 1 越省。 老机房 PUE 1.5+,新一代液冷机房能压到 1.1 左右。

所以真实账单 = 芯片电费 × PUE 倍数。
算一个字的电,得连厨房一起算。
05 真正的大头:训练烧电更凶
推理是"回答问题",训练是"造 AI 本身"。
训练一个 GPT-4 级别的模型,耗电以千万度(GWh)为单位。
相当于几万个家庭一整年的用电量。
而且训练必须持续几十天不能断电,背后是电厂级、7×24 小时的电力供应。

知识卡:GWh 1 GWh = 100 万度电。 类比:一个普通家庭一年用电约 3000~5000 度。1 GWh ≈ 一两百户人家用一年。训练一个大模型动辄几十 GWh,就是"一个小区集体给 AI 陪跑一年"。

06 记住三件事
① 单价约等于零,规模大过天——一个字百万分之一度电,乘上十亿次调用就是县城级用电量;

② 电的旅程比字长——电厂、电网、变电站、UPS、芯片,每个环节都在扣损耗;

③ 智能的本质是电——GPU 九成功耗变成热,AI 越聪明,散热越费电。

AI 不是凭空想出答案的。
每一个字背后,都有真实的煤、水流和风机在转动。
所谓"人工智能",翻译成物理语言,就是——被精确驯服的电。
搜疯聊AI,查看系列漫画文章