谷歌技術(shù)報告披露大模型能耗：響應(yīng)一次相當(dāng)于微波爐叮一秒

時令 2025-08-22 14:31:15 來源：量子位

時令 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

大模型耗電驚人，輿論一浪高過一浪。

現(xiàn)在，谷歌用硬核數(shù)據(jù)強勢還擊。

一次Gemini查詢僅能耗0.24wh，相當(dāng)于微波爐運行1秒，排放0.03 g CO?e，甚至比人放一次屁還少，同時消耗約5滴水。

（文中數(shù)據(jù)均表示中位數(shù)）

谷歌首席科學(xué)家Jeff Dean公開表示：

這個數(shù)值明顯低于公眾普遍預(yù)期的水平。

并且像谷歌這樣的大模型廠商，一直專注研究如何降低AI消耗。

一年間，通過模型優(yōu)化和額外清潔能源的使用，Gemini的能耗降至原來的1/33，碳排放降至1/44，同時提供了更高質(zhì)量的響應(yīng)。

下面讓我們一起看看谷歌是如何衡量和減少AI能源消耗的？

如何衡量AI消耗能源

谷歌首先指出，目前許多關(guān)于AI能源消耗的計算反映的都是理論效率，而非大規(guī)模運行下的實際效率。

若Gemini只考慮TPU和GPU的消耗，一次查詢只需消耗0.10wh，排放0.02 g CO?e，耗水量約0.12ml。

但這種計算方式僅考慮了機器在運行中的能耗，而忽略了一些關(guān)鍵因素。

與此同時，Jeff Dean也表示：

人們都在思考AI是否會消耗大量能源？它是否會通過碳排放來傷害地球？

所以，谷歌針對AI服務(wù)時的實際情況，開發(fā)了一套更為全面的方法來計算能源消耗，包括以下幾個部分：

全系統(tǒng)動態(tài)功率

這不僅包括主AI模型在計算過程中使用的能源和水，還考慮了大規(guī)模運行下實際的芯片利用率，而該利用率往往遠低于理論最大值。

空閑計算機

為確保高可用性和可靠性，生產(chǎn)系統(tǒng)需要一定程度的預(yù)置容量，該容量處于空閑狀態(tài)，但隨時可以處理流量高峰或故障轉(zhuǎn)移。這些閑置芯片消耗的能量必須計入總能源足跡。

CPU和內(nèi)存

AI模型的運行不僅依賴TPU和GPU等機器學(xué)習(xí)加速器，主機的CPU和內(nèi)存同樣在提供服務(wù)和消耗能源方面起著關(guān)鍵作用。

數(shù)據(jù)中心開銷

運行AI的信息技術(shù)設(shè)備所消耗的能源僅占整體能耗的一部分。支撐這些計算的基礎(chǔ)設(shè)施，如冷卻系統(tǒng)、配電系統(tǒng)以及其他數(shù)據(jù)中心開銷同樣會消耗能源。這部分開銷能源通常用電力使用效率（PUE）指標來衡量。

數(shù)據(jù)中心用水量

為了降低能耗及相關(guān)排放，數(shù)據(jù)中心通常會使用水進行冷卻。隨著優(yōu)化AI系統(tǒng)以提高能源效率，其整體用水量也會隨之自然減少。

通過上述更全面的指標，谷歌得出一次Gemini查詢的能耗為0.24wh，排放0.03 g CO?e，同時耗水量約5滴。

如此低的能耗，谷歌究竟是如何實現(xiàn)的？

為什么Gemini消耗這么低

谷歌表示，Gemin顯著的效率提升得益于其在AI開發(fā)中采取的全棧方法，從定制硬件、高效模型，到支撐這些模型運行的強大服務(wù)系統(tǒng)，他們在每一層都融入了效率優(yōu)化。

首先是更高效的模型架構(gòu)，Gemini是谷歌研究人員開發(fā)的Transformer模型框架，相比之前的語言建模架構(gòu)，其效率可提升10倍到100倍。

此外，他們還在模型設(shè)計中融入了像MoE和混合推理等機制，從而進一步減少計算量和數(shù)據(jù)傳輸，提高整體運行效率。

與此同時，Gemini通過精準量化訓(xùn)練（AQT）等方法不斷得到優(yōu)化，使模型在保證回答質(zhì)量的前提下進一步降低了能源消耗。

在優(yōu)化推理和服務(wù)上，谷歌不斷改進AI的交付方式，以提升響應(yīng)速度和整體效率。

比如通過推測解碼技術(shù)，較小的模型可以先進行預(yù)測，再由較大的模型快速驗證，從而用更少的芯片提供更多響應(yīng)。

蒸餾技術(shù)則可以利用大型模型作為教師，生成用于服務(wù)的小型高效模型（如Gemini Flash和Flash-Lite）。

不僅如此，為了減少能耗，谷歌在硬件上還采用定制化。

十多年來，他們一直從零開始設(shè)計TPU，以最大化每瓦的性能。同時，他們還協(xié)同設(shè)計AI模型與TPU，確保軟件充分利用硬件潛力，硬件也能高效運行未來的AI軟件。

值得一提的是，最新一代TPU Ironwood的能效比首款公開TPU高30倍，在推理任務(wù)中遠超通用CPU。

接下來，就是優(yōu)化空閑資源。谷歌的服務(wù)堆棧能夠高效利用CPU，并根據(jù)需求近乎實時地動態(tài)調(diào)度模型，從而最大化減少TPU的空閑時間，而不是采用“設(shè)置一次、永久運行”的方式。

同時，他們的XLA ML編譯器、Pallas內(nèi)核和Pathways系統(tǒng)，使得在JAX等高級系統(tǒng)中表達的模型計算能夠在TPU服務(wù)硬件上高效運行。

再來看谷歌的超高效數(shù)據(jù)中心，其整體平均能源使用效率（PUE）可達1.09，為業(yè)界最高效的數(shù)據(jù)中心之一。

最后在數(shù)據(jù)中心運營方面，谷歌持續(xù)增加清潔能源的使用，以實現(xiàn)全天候無碳運行的目標，同時努力補充辦公室和數(shù)據(jù)中心平均消耗的120%淡水。

此外，他們還優(yōu)化冷卻系統(tǒng)，通過科學(xué)的流域健康評估，平衡能源、水資源和排放之間的局部權(quán)衡，從而指導(dǎo)冷卻方式的選擇，并在水資源緊張地區(qū)限制用水量。

參考鏈接：
[1]https://x.com/JeffDean/status/1958525015722434945
[2]https://cloud.google.com/blog/products/infrastructure/measuring-the-environmental-impact-of-ai-inference/