问题——围绕新一代计算服务的资源消耗，网络上近来出现“每次提问要消耗17加仑水”等说法，引发公众对环境影响的担忧。一些讨论把单次交互的耗能、耗水与日常消费品的用电作类比——深入强化了直观冲击。对此——奥尔特曼《印度快报》举办的活动上表示，“单次提问耗水数十升”的说法“完全不符合事实”，对应的表述与实际运行情况不符。 原因——这类资源消耗争议之所以容易发酵，既与技术迭代带来的认知滞后有关，也与信息不对称有关。一上，数据中心早期部分地区确曾采用蒸发冷却等方式降低机房温度，客观上存在用水需求，且不同气候条件、设备密度和运行策略都会造成差异。奥尔特曼称，其所在企业已不再采用相关方式，但旧信息仍在网络上持续流传，并被直接套用到新的技术场景。另一上，不少国家和地区尚未建立强制性的能源与水资源使用披露制度，外部研究往往依赖估算模型与抽样推断，不同口径容易得出不同结论，也给片面叙事留下空间。 影响——从产业层面看，相关争议折射出算力基础设施快速扩张与公共资源约束之间的张力。一是电力需求增长。奥尔特曼认为，与其纠结单次交互的能耗，更现实的挑战是规模化使用带来的总用电量上升，这将考验电网承载能力与能源供给稳定性。二是社会成本外溢。有研究认为，数据中心可能与局部电价波动存在关联，在用电高峰或供给偏紧地区可能放大市场敏感度。三是公众信任与产业发展。若缺少透明、可核验的数据，谣言与误读容易损害公众对新技术的整体观感，进而影响应用落地与政策讨论的理性空间。 对策——受访人士与业内观察普遍认为，应从“数据透明、技术降耗、能源转型、治理协同”四个维度同步推进。其一，完善披露与核算标准。在合规框架下推动企业定期披露用电、用水、碳排放及冷却方式等关键指标，建立可比口径，减少外界只能“估算猜测”的空间。其二，持续提升能效与冷却技术水平。通过服务器与加速芯片能效提升、模型推理优化、调度策略改进等方式降低单位服务能耗，并在选址上综合评估水资源压力与可再生能源可得性。其三，加快能源结构调整。奥尔特曼在活动中提出，应尽快转向核能、风能、太阳能等低碳电源，以支撑新增用电需求并降低排放强度。其四，强化跨部门协同治理。将数据中心纳入电力规划、城市用水、环保评估与应急管理的统筹体系，在用能高密度区域推动分级管理与峰谷调节机制。 前景——随着对话式智能服务加速进入教育、办公、工业与公共服务等领域，资源消耗问题将长期伴随技术演进。奥尔特曼同时强调，能耗比较更应关注“训练完成后的服务效率”，并提出一种视角：如果将训练后的回答能耗与人类完成同类信息加工的综合消耗对照，新技术的能效未必更差。业内人士认为，此判断能否成立，最终仍取决于两个关键变量：一是全球部署规模的增长速度，二是清洁电力供给与电网改造能否跟上需求。可以预见，随着监管规则逐步完善、企业披露趋于常态、节能技术持续推进，围绕“算力与资源”的讨论有望从情绪化争执转向以数据为基础的评估与系统化治理。
人工智能技术的环境影响，需要基于事实的理性讨论，也需要前瞻性的规划布局；在澄清不实信息的同时，更应着眼于可持续的能源供给体系，推动清洁能源技术的创新与应用。只有在科学认知基础上平衡技术进步与环境保护，才能让人工智能更好服务社会，并在经济发展与生态保护之间取得更稳定的平衡。这不仅是科技企业的责任，也需要政府、学界与公众共同参与。