微软称保守假设下，典型AI查询耗水量少于1滴水

6月15日，微软发布了一篇博文，引用《Joule》期刊的研究指出，AI在大规模部署下的能耗与用水量，其实远低于外界此前的预估。这个结论，可能会让不少人大吃一惊。

研究的核心观点是：对于大规模推理场景，外界不应只盯着单个模型的训练或推理规模，更应该关注用户典型调用时的“每次查询”指标。换句话说，别光看大模型训练一次用了多少电，得看每次你问它一个问题，它要消耗多少资源。

具体数据是这样的：一次典型的常规AI调用，耗电在0.16到0.60瓦时之间。什么概念？相当于一台40瓦的电脑运行15到60秒，或者一台1000瓦的微波炉工作0.6到2秒。和之前文献、媒体报道的数字相比，新研究的数据低至四分之一甚至二十分之一。

水资源方面，保守估计下，一次典型查询的冷却用水量为0到0.067毫升，中位数大约只有一百分之一茶匙，比一滴水还少。微软还提到，随着零用水数据中心设计的推广，这个数字还有继续下降的空间。

微软同时强调了一个关键规律：规模越大，单位查询的效率通常越高。大系统可以同时处理更多请求，并且在模型、调度、硬件多个层面叠加优化。这就好比大型航空公司，通过统一调度能显著节省燃料——云平台也能把效率改进扩散到每一次推理当中。

从数据上看，在10亿次日查询的场景下，基础耗电约为0.7吉瓦时；如果加入各项效率优化，可以降至约0.3吉瓦时。即便其中有10%的请求属于代码生成、多步推理等长任务，整体能耗仍然可以比基线下降一半以上。这个结果，确实值得行业重新审视AI的“环境账单”。