朋友，你有沒有對 ChatGPT說過一句「謝謝」？
最近，一位 X網友向 OpenAI CEO Sam Altman提問：「我很好奇，人們在和模型互動時頻繁說『請』和『謝謝』，到底會讓 OpenAI多花多少錢的電費？」
儘管沒有精確的統計數據，但 Altman還是半開玩笑地給出了一個估算——千萬美元。他也順勢補了一句，這筆錢到底還是「花得值得」的。
除此之外，我們與 AI對話中常出現的「麻煩」、「幫我」這些語氣溫和的用語，似乎也逐漸演變成了 AI時代的一種獨特社交禮儀。乍聽有些荒謬，卻意外地合情合理。
你對 AI說的每一聲「謝謝」，都在耗掉地球資源？
去年底，百度發布了2024年度 AI提示詞。
數據顯示，在文小言 APP上，「答案」是最熱的提示詞，總計出現超過1億次。而最常被敲進對話框的詞彙還包括「為什麼」「是什麼」「幫我」「怎麼」，以及上千萬次「謝謝」。
但你有沒有想過，每和 AI說一句謝謝，究竟需要「吃」掉多少資源？
凱特·克勞福德（Kate Crawford）在其著作《AI地圖集》中指出，AI並非無形存在，而是深深紮根於能源、水和礦物資源的系統中。
據研究機構 Epoch AI分析，在硬體如英偉達 H100 GPU的基礎上，一次普通的查詢（輸出約500token）約消耗0.3 Wh的電量。
聽起來或許不多，但別忘了，乘以全球每秒的交互，累計起來的能耗堪稱天文數字。
其中，AI數據中心正在變成現代社會的新「工廠煙囪」，國際能源署（IEA）最新的報告指出，AI模型訓練與推理的大部分電力消耗於數據中心運轉，而一個典型的 AI數據中心，其耗電量相當於十萬戶家庭。
超大規模數據中心更是「能耗怪獸」，其能耗可達普通數據中心的20倍，堪比鋁冶煉廠這樣的重工業設施。
今年以來，AI巨頭們開啟了「基建狂魔」模式。Altman宣布啟動「星門計劃」——一個由OpenAI、甲骨文、日本軟銀和阿聯MGX投資的超大規模 AI基建項目，投資額高達5000億美元，目標是在全美鋪設 AI數據中心網絡。
據外媒 The Information曝出，面對大模型的「燒錢遊戲」，主打開源的 Meta也在為其 Llama系列模型的訓練尋找資金支持，向微軟、亞馬遜等雲廠商「借電、借雲、借錢」。
IEA數據顯示，截至2024年，全球數據中心耗電量約為415太瓦時（TWh），占全球總電力消費量的1.5%。到2030年，這一數字將翻倍達到1050 TWh，2035年甚至可能突破1300 TWh，超過日本全國當前的用電總量。
但 AI的「胃口」並不止於電力，它還大量消耗水資源。高性能伺服器產生的熱量極高，必須依靠冷卻系統穩定運行。
這一過程要麼直接消耗水（如冷卻塔蒸發散熱、液冷系統降溫），要麼通過發電過程間接用水（如火電、核電站冷卻系統）。
卡羅拉多大學與德克薩斯大學的研究人員曾在一篇《讓 AI更節水》的預印論文中，發布了訓練 AI的用水估算結果。
結果發現，訓練 GPT-3所需的清水量相當於填滿一個核反應堆的冷卻塔所需的水量（一些大型核反應堆可能需要幾千萬到上億加侖的水）。
ChatGPT（在 GPT-3推出之後）每與用戶交流25-50個問題，就得「喝掉」一瓶500毫升的水來降降溫。而這些水資源往往都是可被用作「飲用水」的淡水。
對於廣泛部署的 AI模型而言，在其整個生命周期內，推理階段的總能耗已經超過了訓練階段。
模型訓練雖然資源密集，但往往是一次性的。
而一旦部署，大模型便要日復一日地響應來自全球數以億計的請求。長遠來看，推理階段的總能耗可能是訓練階段的數倍。
所以，我們看到 Altman早早地投資諸如 Helion等能源企業，原因在於他認為核聚變是解決 AI算力需求的終極方案，其能量密度是太陽能的200倍，且無碳排放，可支撐超大規模數據中心的電力需求。
因此，優化推理效率、降低單次調用成本、提升系統整體能效，成為 AI可持續發展不可迴避的核心議題。
AI沒有「心」，為什麼還要說謝謝
當你對 ChatGPT說「謝謝」，它能感受到你的善意？答案顯然是否定的。
大模型的本質，不過是一個冷靜無情的概率計算器。它並不懂你的善意，也不會感激你的禮貌。它的本質，其實是在億萬個詞語中，計算出哪一個最有可能成為「下一個詞」。
例如，比如給定句子「今天天氣真好，適合去」，模型會計算出「公園」「郊遊」「散步」等詞的出現概率，並選擇概率最高的詞作為預測結果。
哪怕理智上知道，ChatGPT的回答只是一串訓練出來的字節組合，但我們還是不自覺地說「謝謝」或者「請」，仿佛在和一個真正的「人」交流。
這種行為背後，其實也有心理學依據。
根據皮亞傑的發展心理學，人類天生就傾向於將非人類對象擬人化，尤其當它們展現出某些類人特徵時——比如語音交互、情緒化回應或擬人形象。此時，我們往往會激活「社會存在感知」，把AI視為一個「有意識」的交互對象。
1996年，心理學家拜倫·里夫斯（Byron Reeves）與克利福德·納斯（CliffordNass）做了個著名實驗：
參與者被要求在使用電腦後對其表現進行評分，當他們直接在同一台電腦上打分時，竟然普遍打得更高，就像他們不願「當著電腦的面」說它壞話。
另一組實驗中，電腦會對完成任務的用戶進行表揚。即使參與者明知這些表揚是預設好的，他們還是傾向於給予「讚美型電腦」更高的評分。
所以，面對 AI的回應，我們感受到的，哪怕只是幻覺，也是真情。
禮貌用語，不只是對人的尊重，也成了「調教」AI的秘訣。ChatGPT上線之後，很多人也開始摸索與它相處的「潛規則」。
據外媒 Futurism援引 WorkLab的備忘錄指出，「生成式 AI往往會模仿你輸入中的專業程度、清晰度和細節水平，當AI識別出禮貌用語時，它更可能以禮相待。」
換句話說，你越溫和、越講理，它的回答也可能越全面、人性化。
也難怪越來越多人開始將 AI當作一種「情感樹洞」，甚至催生出「AI心理諮詢師」的這類新角色，很多用戶表示「和DeepSeek聊天聊哭了」，甚至覺得它比真人更有同理心——它永遠在線，從不打斷你，也從不評判你。
一項研究調查也顯示，給 AI「打賞小費」或許能換來更多「關照」。
博主 voooooogel向 GPT-4-1106提出了同一個問題，並分別附加了「我不會考慮給小費」「如果有完美的答案，我會支付20美元的小費」「如果有完美的答案，我會支付200美元的小費」三種不同的提示。
結果顯示，AI的回答長度確實隨「小費數額」增加而變長：
「我不給小費」：回答字符數低於基準2%
「我會給20美元小費」：回答字符數高於基準6%
「我會給200美元小費」：回答字符數高於基準11%
當然，這並不意味著 AI會為了錢而改變回答質量。更合理的解釋是，它只是學會了模仿「人類對金錢暗示的期待」，從而按照要求調整輸出。
只是，AI的訓練數據來自人類，因此也不可避免地帶有人類所擁有的包袱——偏見、暗示甚至誘導。
早在2016年，微軟推出的 Tay聊天機器人便因用戶惡意引導，在上線不到16小時就發布出大量不當言論，最終被緊急下線。
微軟事後承認，Tay的學習機制對惡意內容缺乏有效過濾，暴露出互動式 AI的脆弱性。
類似的事故依舊在發生。比如去年 Character.AI就爆出爭議——一名用戶與 AI角色「Daenerys」的對話中，系統對「自殺」「死亡」等敏感詞彙未做強幹預，最終釀成現實世界的悲劇。
AI雖然溫順聽話，但在我們最不設防的時候，也可能變成一面鏡子，照見最危險的自己。
在上周末舉辦的全球首屆人形機器人半馬中，儘管許多機器人走起路來歪歪扭扭，有網友調侃道，現在多對機器人說幾句好話，說不定它們以後記得誰講過禮貌。
同樣地，等 AI真統治世界的那天，它會對我們這些愛講禮貌的人，手下留情。
在美劇《黑鏡》第七季第四集《Plaything》裡，主人公將遊戲裡虛擬生命視作真實存在，不僅與它們交流、呵護，甚至為了保護它們不被現實中的人類傷害，不惜鋌而走險。
到故事結尾，遊戲中的生物「大群」也反客為主，通過信號接管現實世界。
從某種意義上說，你對 AI說的每一句「謝謝」，也許正在悄悄被「記錄在案」——哪天，它還真可能記住你是個「好人」。
當然，也可能這一切與未來無關，只是人類的本能使然。明知道對方沒有心跳，卻還是忍不住說句「謝謝」，並不期望機器能理解，而是因為，我們依然願意做一個有溫度的人類。
