问一次 AI 消耗的电量，现在只够把电视开 7 秒钟。 0.24 瓦时。 耗水 0.26 毫升，大约五滴水。 一年前，业…

问一次 AI 消耗的电量，现在只够把电视开 7 秒钟。 0.24 瓦时。 耗水 0.26 毫升，大约五滴水。 一年前，业界测算单次大模型对话要吃掉近 3 瓦时电，是传统网页搜索的十倍。 2025 年 8 月，谷歌副总裁 Amin Vahdat 与图灵奖得主 David Patterson 团队公布了全栈实测数据。 涵盖专用芯片 TPU、服务器主机、空载等待以及整个数据中心的散热能耗。 仅仅一年，Gemini 单次推理能耗降了 33 倍。 碳足迹降了 44 倍。 单次提问甚至比十年前一次传统谷歌搜索的 0.3 瓦时还要省电。 如果单次提问已经省电到看几秒电视的地步，为什么科技巨头还在满世界抢核电站？ 电网为什么没有松一口气？ 因为很多人把「单机效率提高」当成了「总消耗会减少」。 这台让电力需求不降反暴涨的机器，早在 1865 年就被英国经济学家威廉·斯坦利·杰文斯写进了《煤炭问题》。 它叫杰文斯悖论。 瓦特改良蒸汽机的时候，每吨煤产出的动力大幅提升，燃煤效率翻了数倍。 当时英国舆论普遍认为，全国消耗的煤炭总量一定会大幅下降。 结果刚好相反。 蒸汽机变得越省煤、动力成本越低，工厂、轮船和火车就越疯狂地安装蒸汽机。 英国的煤炭消耗量不仅没降，反而暴涨了十倍。 大模型正在发生完全一样的事。 当单次提问消耗 3 瓦时电、每次调用要花几美分时，AI 只能做一问一答的聊天框。 你输入一行，它回答一行。 人类一天问五次，只消耗 15 瓦时。 当单次推理降到 0.24 瓦时、边际成本塌陷到几乎可以忽略不计，整个软件架构被彻底改写。 大模型不再等人类提问。 它变成了自主智能体，变成了推理期计算与长思考链。 你给它一个复杂的软件重构任务，或者让它分析整座工厂的供应链漏洞。 它在后台自问自答、写代码、运行测试、自我纠错、多路验证。 人类只在最后看了一眼结论。 机器在后台把大模型静默调用了上万次。 单次提问省下来的那 97% 能耗，瞬间被放大一万倍的调用量吞没。 还有机房里 24 小时不间断的合成数据生成，数万张芯片在后台左右互搏、生成数万亿词元的数据。 这就是推理时代的算力定律。 效率提升不会让资源消耗见顶。 它只会让算力便宜到渗透进过去从未被自动化的每一个隐秘角落。 单次提问耗电 7 秒电视，是扎实的工程奇迹。 但数据中心不会因此降温。 当每一次思考便宜到接近免费，全人类对电力的真正胃口才刚刚被打开。