奥特曼为AI训练能耗辩护:训练人类也需要大量能源
OpenAI CEO 山姆·奥特曼(Sam Altman)在印度AI峰会上回应AI能耗质疑时表示,"训练人类同样需要大量能源",并认为应对比培养人类专家与机器专家的总能耗。这一观点引发争议,批评者指出人脑仅需约20瓦功率运行,且这种类比存在伦理问题。
奥特曼抛出争议类比：人类培养也是"高能耗"
OpenAI CEO 山姆·奥特曼(Sam Altman)最近在印度AI峰会上，针对AI训练的能耗问题，抛出了一个让人直呼"好家伙"的观点。面对《印度快报》(The Indian Express)关于AI模型训练和推理阶段能耗过高的质疑，奥特曼直接来了句："培养人类也要消耗大量能源"，而且AI训练速度比人类成长快得多。
这话一出，背后其实有OpenAI的商业布局在支撑。他们正和甲骨文(Oracle)、英伟达(Nvidia)等大佬们密集签署基础设施协议，为下一代AI模型的训练需求铺路。但AI建设的狂飙突进，也让数据中心的能源消耗、冷却用水量以及硬件制造的资源占用成了行业不得不面对的烫手山芋。
核心逻辑：把机器智能和人类智能画等号
奥特曼的逻辑很简单粗暴：把AI当成人类智能的直接竞争对手。他觉得，应该比较"培养一个人类专家"和"训练一个机器专家"的全生命周期总能耗。在他看来，人类在成长和教育过程中消耗的资源也不少，而且效率远低于机器学习。
他还补充说，人类在能源利用上"效率太低"，而AI的能效表现可能随着技术迭代越来越好。这种说法试图把AI能耗问题从"绝对消耗"转移到"相对效率"上。
批评声浪：人脑功率和伦理问题被忽略了
但这番言论立刻引来了一片吐槽。反对者们指出，奥特曼的类比故意忽略了几个关键事实：
- 人脑运行功率只有20瓦左右，而训练大型语言模型的数据中心能耗动不动就是兆瓦级别，根本不在一个量级；
- 这种"人机能耗对比"有把人类工具化、去人性化的伦理风险，把人的成长简化成了纯能源投入产出计算；
- 人类成长过程中产生的社会关系、文化传承等价值，根本没法用能源成本来衡量。
批评者们认为，这种辩护更像是为资本密集型的AI军备竞赛找借口，而不是真正面对行业的可持续发展挑战。
中国视角：能效焦虑与技术路线选择
对中国AI从业者来说，这场争论很有现实意义。据报道，国内多个省份因为大模型训练需求，已经出现了数据中心电力配额紧张的情况。在"双碳"目标下，行业既要算力扩张，又要面对能效指标的压力。
奥特曼提到的"AI能效可能改善"确实有技术路径——模型蒸馏(Distillation)、稀疏化训练、端侧推理等方向正在降低单位算力成本。但这也要求从业者在追求参数规模的同时，同步投入绿色计算技术研发，而不是光靠话术转移注意力。
值得注意的是，奥特曼的表态里没有具体能耗数据，也没有OpenAI的减排承诺。这种"原则性辩护"在监管日益收紧的环境下，可能很难满足利益相关方的透明度要求。
本文基于 GNews:TechRadar 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://www.techradar.com/pro/quote-of-the-day-by-sam-altman-it-also-takes-a-lot-of-energy-to-train-a-human-a-staunch-defense-of-the-cost-of-ai-training
常见问题
- 奥特曼所说的'训练人类需要大量能源'具体指什么?
- 原文未给出具体量化数据。通常这种说法指人类从出生到成为专业人才的全过程(教育、生活、通勤等)累计消耗的能源总和,但这种类比存在争议,因为人脑运行本身仅需约20瓦功率,与AI训练的数据中心能耗(可达兆瓦级)不在同一量级。
- AI训练的实际能耗有多大?
- 原文未提供OpenAI具体能耗数据。据公开研究,训练GPT-3规模模型可能消耗数百万千瓦时电力,相当于数百个家庭年用电量,且推理阶段的持续运行同样需要大量能源支持数据中心运转和冷却系统。
- 奥特曼提到的'AI能效可能改善'有哪些技术方向?
- 原文未展开技术细节。业内通常通过模型压缩(如知识蒸馏)、稀疏化训练、更高效的芯片架构(如英伟达Blackwell)、端侧部署等方式降低能耗,但这些优化能否抵消模型规模扩张带来的总能耗增长,仍是行业争议焦点。
- 中国AI从业者如何应对能耗监管压力?
- 原文未涉及中国政策。实际上国内'东数西算'工程已在引导算力向可再生能源富集地区转移,企业层面可关注液冷技术、PUE(电源使用效率)优化、采购绿电等合规路径,同时在模型设计阶段就考虑能效指标而非单纯追求参数规模。
相关 AI 工具
文中提到或相关的 AI 工具 — 点进去看适合谁、怎么用、值不值得折腾
Midjourney
精选AI 绘图
顶级 AI 图像生成工具,以画面质感、艺术风格、构图理解著称。V7 模型在写实和创意两个方向均领先。需 Discord 或网页版使用。
Cursor
精选AI 开发工具
AI-first 代码编辑器,基于 VS Code 构建,深度集成 Claude / GPT-4o 等模型。Composer 多文件编辑、Tab 自动补全、Agent 模式三大杀手锏。
Claude
精选大模型应用
Anthropic 推出的 AI 助手,以长上下文(200K tokens)、对复杂任务的细腻理解、Artifacts 可视化输出闻名。Claude Sonnet 4.5 / Opus 4.7 在编程、写作、推理多项基准上领先。
相关推荐
同类资讯 — 由发布时间排序
五角大楼要求 OpenAI 提供"低拒绝率"军用 AI 引发争议
据 The Intercept 报道,美国国防部曾要求 OpenAI 提供一个"极少拒绝执行"军事指令的定制版 AI 系统。OpenAI 否认签署过包含此类措辞的合同。这一事件再次引发关于 AI 安全护栏与军事应用边界的讨论,对中国 AI 从业者理解大模型伦理约束具有参考意义。
Meta 推出 Muse AI 智能体,隐私信任成最大挑战
Meta 在达成 180 亿美元和解协议后不到两周,推出个人 AI 智能体 Muse,可连接邮件、日历、支付等服务代用户执行任务。产品采用独立虚拟机架构保护隐私,但 Meta 多次违反隐私承诺的历史记录,令消费者信任成为产品成败关键。
Anthropic 推出 Claude Fable 5.1 与 Mythos 5.1:定价策略与模型差异详解
Anthropic 发布 Claude 5.1 系列两款模型:面向普通用户的 Fable 5.1 和限定科研人员使用的 Mythos 5.1。两者共享同一模型架构但安全防护等级不同,Fable 5.1 已向 Pro 和 Max 订阅用户开放,而 Mythos 5.1 仅通过可信访问计划提供给科学家和网络安全研究人员。新版本在降低缓存 Token 成本 75% 的同时,引入企业级隐私保护系统。
Anthropic 放弃收购 AI 初创公司 Decart
据彭博社报道,Anthropic 已决定不再推进对 AI 初创公司 Decart AI 的收购。此前报道称该交易估值可能达 60 亿美元,但 Anthropic 在完成尽职调查后最终选择退出。Decart 专注于 AI 基础设施与优化技术,拥有实时视频编辑模型 Lucy 和模拟平台 Oasis。双方仍可能探索其他合作形式。