训练一次大模型要耗多少度电？AI 训练能耗全拆解

2026-10-21 10:07:32 0 次 0条

“训练一次大模型要多少度电？”这是被问得最多、也最容易算错的问题。答案取决于模型规模、算力效率与数据中心 PUE，没有统一数字，但逻辑是清楚的。

一、训练 vs 推理：谁更费电？

训练是一次性、高度集中的算力投入；推理是模型上线后海量、持续的调用。训练像“盖楼”，推理像“天天亮灯”。随着 AI 应用普及，推理的累计能耗正在快速超过训练。

二、训练能耗怎么估？

核心公式：能耗 ≈ 总算力(FLOPs) ÷ 硬件能效。公开研究中，GPT-3 级别训练耗电常被引用为约 1287 MWh（仅供参考，非官方口径）。换句话讲，一次大模型训练已相当于上百个家庭一年的用电量。更大参数的模型，训练能耗可达数倍。

三、推理才是用电大头

每天数十亿次调用，长期累计惊人。Gartner 预测 AI 服务器占数据中心用电将从 2025 年的 21% 升至 2030 年的 44%。这意味着控制推理能耗（更小模型、量化、缓存、就近推理）比纠结单次训练更关键。

四、算算你的 AI 碳足迹

若想估算某次训练或调用对应的碳排放，可用我们的 碳排放计算器，按用电量与电网因子折算。回到总览：AI 时代的能源革命。

相关：GPU 功耗狂飙 · 标签：碳交易

系列阅读

• AI 时代的能源革命：算力、电力与碳中和完全指南
• AI 数据中心为什么疯狂抢核电？微软谷歌亚马逊的 SMR 豪赌
• 液冷 + 储能 + 绿电：数据中心减碳三件套
• GPU 功耗狂飙：从 A100 到 B200，算力背后的电费账单
• 比特币挖矿 vs AI 算力：到底谁更耗电？
• 东数西算与绿电消纳：算力为何向西部搬迁