山姆·奧特曼為 AI 的能源使用辯護，稱訓練人類比訓練 AI 消耗更多能源
OpenAI 執行長山姆·奧特曼在 Indian Express 的一場活動中反駁了針對 AI 能源使用的批評，主張在 20 年裡訓練一個人所消耗的能源遠超訓練一個 AI 模型，同時將關於用水量的說法斥為「完全不實」。
OpenAI 執行長在印度 AI 影響力峰會上回擊環境批評者
OpenAI 執行長薩姆·阿特曼（Sam Altman）本週在新德里舉行的《印度快報》（Indian Express）「Express Adda」活動中，以強硬且詳盡的姿態出現，為人工智慧（Artificial Intelligence，AI）產業的資源消耗進行了有力辯護。面對有關大型語言模型（Large Language Models，LLMs）環境足跡的連番質問，阿特曼試圖重構論述，認為訓練 AI 的能源成本經常被誤解，且論證其效率可能比產生人類智慧所需的生物能量更高。
這場活動是 2026 年印度 AI 影響力峰會（India AI Impact Summit 2026）的一部分，阿特曼在會上與政策制定者、科技領袖和記者進行了交流。他的言論正值 AI 行業的關鍵時刻，該行業正因數據中心的碳足跡以及與冷卻高性能運算集群相關的用水量而面臨日益嚴格的審查。阿特曼並沒有向批評聲浪妥協，而是主動出擊，揭穿了流傳甚廣的統計數據，並駁回了競爭對手 伊隆·馬斯克 (Elon Musk) 提出的替代基礎設施方案，稱其為「荒謬」。
生物基準：AI 訓練 vs. 人類演化
阿特曼在新德里論點的核心圍繞著他所描述的批評者常做的「不公平」比較。他指出，反對者通常拿訓練像 GPT-5 這樣的前沿模型所需的大規模、集中能量，與人類大腦執行單次推理任務所消耗的極低能量進行對比。
「人們談論訓練一個 AI 模型需要多少能量，」阿特曼告訴聽眾。「但訓練一個人也需要很多能量。在你變得聰明之前，需要大約 20 年的生命以及這段時間內你吃的所有食物。」
阿特曼將這一「生物基準」擴展到包括人類演化的累積能源成本，暗示人類智慧是數十億年生物試錯的產物，所有這些都消耗了巨大資源。他認為，以此衡量，一個需要幾十億瓦時電力來訓練、但隨後能立即服務數百萬用戶的模型，實際上可能在「能源效率基礎上已經趕上來了」。
這種比較試圖將討論範疇從即時的電網影響轉向長期的效用運算。然而，這也引發了與會者和網路評論員的立即辯論，例如 Zoho 聯合創始人 Sridhar Vembu 等人反對將技術效用與人類生物存在等同視之。
揭穿「17 加侖」用水迷思
除了電力之外，阿特曼還針對廣泛流傳的 AI 用水統計數據。最近的熱門報告聲稱，對聊天機器人的單次查詢可能會消耗高達 17 加侖的水，或相當於將智慧型手機充滿電多次的能量。
阿特曼斷然拒絕了這些數字。「這完全不是真的，簡直瘋狂，與現實毫無關聯，」他表示，顯然對這些說法的持久性感到沮喪。
他澄清說，雖然較舊的數據中心嚴重依賴蒸發冷卻（這確實會消耗大量水），但該行業已在很大程度上轉向閉迴路液體冷卻和其他能最大限度減少水分流失的高級熱管理系統。「我們過去在數據中心採用蒸發冷卻，但現在我們不那樣做了，」阿特曼解釋道。他堅持認為，現代基礎設施的效率意味著每次查詢的資源成本與環境報告中經常引用的聳人聽聞的數字相比是微不足道的。
太空競賽：駁斥馬斯克的軌道雄心
新德里的對話也凸顯了阿特曼與 SpaceX 執行長伊隆·馬斯克之間日益加深的意識形態和戰略分歧。隨著地球上的土地和電力成為稀缺資源，馬斯克公開倡導並開始投資軌道數據中心——將伺服器機房安置在太空中，以利用持續的太陽能和天然真空冷卻。
當被問及這個概念時，阿特曼直言不諱。「在目前的景觀下將數據中心放在太空是荒謬的，」他說。
阿特曼分析了經濟效益來支撐他的懷疑，引用了相對於地面發電的發射成本「粗略計算」。他指出，即使 Starship 降低了發射成本，每公斤進入軌道的價格仍使沉重的 GPU（繪圖處理器）集群在經濟上不可行。此外，他還指出了維護方面的物流噩夢。
「在太空修復一個損壞的 GPU 有多難？」阿特曼反問道。「遺憾的是，它們現在還是經常損壞。我們還沒到那一步。」他預測軌道數據中心在至少十年內不會具備規模影響力，這加強了 OpenAI 儘管面臨電網挑戰，仍致力於地面基礎設施的承諾。
比較分析：基礎設施哲學
為了理解阿特曼務實的地面方案與前衛的軌道提議之間的差異，我們可以看看兩種模型的比較限制。
表格：地面與軌道 AI 基礎設施可行性
| 指標 | 地面數據中心（OpenAI 策略） | 軌道數據中心（馬斯克/SpaceX 概念） |
|---|---|---|
| 主要電源 | 核能、風能、太陽能電網 | 直接太陽輻射 |
| 冷卻機制 | 液體冷卻 / 空氣交換 | 輻射冷卻（真空） |
| 維護管道 | 即時 / 現場技術人員 | 遠端 / 高風險機器人修復 |
| 延遲 | 低（光纖） | 變動（取決於距離） |
| 資本支出 | 高（建設與電網連接） | 極高（發射與輻射硬化） |
| 擴展時間表 | 即時（當前十年） | 長期（2035 年之後） |
「星門」現實：核能與再生能源解決方案
如果太空不是答案，阿特曼明確表示解決方案在於對地球能源網進行大規模改造。他承認 AI 的總體能源消耗是一個合理的擔憂，這與單次查詢的效率不同。為了滿足像傳聞中的「星門」（Stargate）超級電腦（一項與 Microsoft 合作、耗資 1,000 億美元的計畫）的需求，阿特曼提倡快速加速核能的採用。
「我們需要非常迅速地轉向核能、風能或太陽能，」他敦促道。這種對核能的傾向與阿特曼的個人投資一致；他著名的投資包括核分裂新創公司 Oklo，以及核融合公司 Helion Energy。
OpenAI 執行長對未來的願景涉及一種共生關係，即 AI 的需求驅動現代化能源網所需的資本投資，最終為所有部門帶來更便宜、更豐富的清潔能源。他拒絕為了節省能源而扼殺 AI 進步的想法，將這項技術定位為人類解決氣候危機所需的工具。
印度在 AI 生態系統中的角色
在訪問期間，阿特曼對印度的科技生態系統讚不絕口，稱該國的「建設者能量」是無與倫比的。他在峰會上與總理 納倫德拉·莫迪 (Narendra Modi) 一同出席，凸顯了印度的戰略重要性——它不僅是一個市場，更是一個人才樞紐和可擴展 AI 解決方案的潛在試驗場。
阿特曼指出，印度對數位基礎設施的快速採用使其處於獨特地位，可以跳過舊有系統，可能比許多西方國家更快地將 AI 整合到公共服務中。然而，他也提醒說，這種增長取決於算力的可用性——他將其描述為「未來的貨幣」。
結論：效率悖論
薩姆·阿特曼 (Sam Altman) 在新德里的辯護凸顯了 AI 革命中的一個關鍵悖論。雖然單個模型的效率可能正在提高——從特定的演化視角來看，甚至可能優於生物智慧——但總體需求正在飆升。
透過將基於太空的解決方案斥為過早，並揭穿用水神話，阿特曼正引導產業走向一個非常具體的未來：一個紮根於地球、由核分裂驅動，並由通用人工智慧（Artificial General Intelligence，AGI）巨大的長期效用支撐的未來。隨著算力競賽加劇，該產業兌現這些綠色能源承諾的能力，將可能決定大眾情緒是保持寬容還是轉向敵對。
目前，阿特曼向世界傳遞的信息很明確：智慧的代價很高，但停滯的代價更高。
