聊天機械人背後的電力需求，正成為企業部署人工智能時愈來愈難忽略的成本。研究人員指出，AI能耗與碳排放並沒有適用所有平台的單一數字：模型規模、工作內容、伺服器效率，以及處理任務的機房使用哪種電力，都會左右結果。
同一任務也可能有明顯差距
簡短文字問答、生成圖片或影片，以及需要反覆執行多個步驟的代理任務，對運算資源的要求相差甚遠。一般而言，更複雜的模型需要更多計算；較小模型雖可能用更長的答案彌補能力差距，在可比較的工作上通常仍較省電。
碳排放管理公司 Watershed 的科學主管 John Bistline 表示，同一項AI任務僅因模型選擇不同，能耗就可能出現最高達30倍的差異。這意味企業評估工具時，除了答案品質與使用費，也需要考慮是否為簡單工作配置了過多運算。
耗電量不等於碳排放量
機房位於何處同樣重要。使用煤炭或天然氣發電的電網，與較多採用風力、水力或低碳核電的地區，即使耗電相同，帶來的排放也可能不同。購買再生能源憑證，亦不代表機房每個時段都直接使用無碳電力。
Google 在2026年環境報告中估算，Gemini Apps文字提示的用電中位數為0.24瓦時。不過，這是企業公布的特定產品指標，不能直接套用到所有模型、圖片生成或多步驟任務；外界仍缺乏足夠細節，難以進行完整比較。
投資者和企業客戶因此要求更細緻的披露。若要算清AI的環境成本，評估範圍還須交代是否包括模型訓練、機房冷卻、晶片製造與設施建設。清楚說明計算邊界，才能讓節能承諾與實際表現得到有意義的比較。
