（来源在这里：半分析） 每次对话能耗=6Wh 对话次

数总能耗=每次对话能耗×对话次数 基于每个请求 6 瓦时 (Wh) 的能耗，与 ChatGPT 进行 10 次对话的总能耗为 60 Wh。这个数字可以更真实地了解与 ChatGPT 等高级 AI 模型交互所需的能量。​ 2023 年 11 月，ChatGPT 每天有近 2 亿个请求。 这相当于大约 1,200,000 千瓦时/天。 平均而言，一个四人家庭每天用电量约为 10.27 千瓦时 (kWh)（每年 3,750 千瓦时）。1,200,000 kWh 的电量可以为大约 116,800 个此类家庭提供一天的电力，或者为 320 个家庭提供一年的电力。 对于视频人工智能来说，能源消耗将会呈指数级增长。 为了估计使用 Sora 生成 30 秒视频的能耗，我们需要做出一些假设，因为有关 Sora 或类似高级 AI 视频生成系统的能耗的具体数据尚未公开。能源消耗可能取决于各种因素，例如请求的复杂性、所需的计算能力以及底层基础设施的效率。 作为起点，我们可以查看类似的基于人工智能的任务的能耗，并将其用作估计的基础。如果我们以 ChatGPT 上的 AI 请求的平均能耗为参考，每个请求约为 6 瓦时 (Wh)，并假设生成视频的能耗明显更高，因为生成视频的复杂性更高，所需的时间更长。处理中，我们可以尝试做一个粗略的估计。 假设生成 30 秒的视频需要比 ChatGPT 上的文本查询多很多倍的计算能力，我们可以假设能耗是更高的一个因素。



然而，由于没有准确的数据，这一估计纯属推测。 我们来做一个假设计算，假设生成一个 30 秒的视频比 ChatGPT 上的单个请求要消耗 100 倍的能源。 假设使用 Sora 生成 30 秒的视频比 ChatGPT 上的单个请求的能源密集度高约 100 倍，这样的视频将消耗大约 600 瓦时 (Wh) 的能源。 需要强调的是，这个估计是高度推测性的，实际值可能会根据 Sora 的具体实现细节、所使用的硬件 手机号码清单 的效率以及生成的视频的复杂性而有很大差异 以 600 瓦时 (Wh) 计算，如果 ChatGPT 的一半用户，即每天 1 亿用户使用 Sora 的服务，那么 当天的总能耗将约为 60 太瓦时 (TWh)。 理论上，60 太瓦时 (TWh) 可为约 1714 万户家庭提供一年的电力。按每户年平均用电量3,500千瓦时计算。 因此，我们保留 ChatGPT 每天 200,000,000 个用户 = 320 个家庭/年，Sora 估计的能源消耗和每天 100,000,000 个用户 = 1714 万户/年 用水量 另一个关键问题是水的消耗。运行 Sora 等人工智能服务的数据中心使用大量的水。用户数量的快速增加可能会增加用水需求并引发有关环境可持续性的问题。







与 ChatGPT 的对话需要大约 500 毫升的水。 （据美国研究人员称，ChatGPT3 的训练需要 70 万升）2023 年 11 月，ChatGPT 每天有近 2 亿个请求。 正如我们上面计算的那样，Sora每天可能需要大约 60 太瓦时 (TWh) 的能源消耗。现在我们来做一个可能的计算：如果我们计算一次 ChatGPT 对话需要 500 毫升水，而 Sora 需要 100 倍的能量，即每天 100,000,000 个请求需要 50 升/30 秒的视频总用水量 5每天 10 亿升，可满足 1 亿个请求。了解数量：平均家庭每人每天用水量约为 120 升。在这种情况下，50亿升的用水量相当于一个拥有1亿居民的城市约42天的用水量。 能源结论 每天60太瓦时相当于每年约21,900太瓦时的能源消耗，这远远高于大多数工业流程甚至整个国家的能源消耗。相比之下：2023 年全球能源消耗总量约为 27,682 太瓦时（来源：IEA）。如果维持一整年，每天 60 太瓦时的能耗将占全球年度能源消耗的 50% 以上。 这些数字说明了这种能源消耗在实践中是多么不可能，特别是对于像 Sora 这样的单一应用程序。它还表明，在扩展人工智能等新技术以尽量减少对环境的潜在负面影响时，考虑能源效率和可持续能源的重要性。