AI 的隐形耗电危机：六秒视频的能耗竟是三秒的四倍
一项由开源 AI 平台 Hugging Face 提出的研究揭示，文本提示转成视频的能源需求并非简单线性。研究显示，当生成的视频长度翻倍时，所需能源往往会跃升，甚至达到四倍之多。举例而言，六秒钟的 AI 视频的能耗，是三秒钟同类视频的四倍。 这意味着，越追求更长、更复杂的生成，能源成本就越高，环境压力也随之上升。 “最终，我们发现对 AI 能耗的普遍理解充满漏洞。”——MIT Technology Review 的分析指出，这是一个需要重新评估的问题。 尽管存在若干缓解路径，但全球范围内 AI 相关能源消耗已成为重大的环境议题。
In This Article:
为何能耗呈现非线性增长并且存在结构性低效
为何能耗会呈现非线性增长？研究指出，文本到视频的生成依赖大量扩散步骤、高算力和显存，输出长度增加时，计算需求上升的速度远超长度本身的增加。这揭示了当前视频扩散流水线在结构上的低效。 以五秒生成视频为例，其能耗相当于微波炉连续工作超过一小时；相比之下，生成同尺寸的一张 1024×1024 的图片，只需要相当于微波加热五秒的能量。 研究还提出缓解方法：智能缓存、重复使用已有生成结果，以及对训练数据进行剪枝，淘汰低效样本。
行业现状与风险：扩张的代价与透明度缺失
AI 相关能源使用在全球数据中心电力中的份额已约占 20%。 科技巨头在基础设施上投入数十亿美元，然而部分企业并未将气候目标放在首位。谷歌在 2024 年环境影响报告中承认，净零目标进展落后，碳排放同比增长 13%，很大部分原因来自对生成式 AI 的扩张。 此外，谷歌推出的 Veo 3 AI 视频生成器在七周内让用户创作出超过 4000 万个视频，显示了需求的迅速扩张。 但环境影响的真实规模仍未被充分披露，外界对其碳排放贡献的估计可能远高于公开数据。 专家警告，若继续以高强度扩张推动商业模式，硬件和环境成本将进一步上升。
可行的节能路径与现实挑战
研究者提出的缓解策略包括：智能缓存、复用已有生成结果，以及对训练数据进行剪枝以淘汰低效样本。 这些举措可能降低单次生成的能耗，但要扭转长期趋势需要更广泛的设计创新、透明评估与跨行业协作。 此外，政府和行业需要制定更明确的能耗与碳排放目标，并建立强制披露能耗数据的机制。
呼吁与展望：在创新与地球之间寻求平衡
这是一个关于科技进步与地球未来的关键对话。只有公开、可验证的评估与目标，才能让 AI 技术在更高效、透明、负责任的路径上前行。 读者需要认识到，AI 能耗不仅是技术问题，也是政策、企业治理与全球气候目标的交叉议题。 未来需要更高效的设计、更多元的数据披露，以及政府、企业和研究界共同推动的改革。
