微軟稱保守假設下，典型 AI 查詢耗水量少於 1 滴水

**微軟最新研究揭密：一次AI查詢耗水不到一滴，能耗比過去估計低20倍**

AI的耗能與用水爭議近年來持續延燒，從ChatGPT問世以來，外界對大型語言模型「吃電又吃水」的擔憂從未間斷。然而，微軟昨日（6月15日）發布的最新研究，可能將徹底翻轉這個認知。

微軟攜手AI for Good Lab、永續部門與Azure團隊，在經同儕審查的能源期刊《Joule》上發表研究論文，首次大規模揭露旗下超大規模資料中心在實際營運中的AI推論（inference）能耗與水耗數據。研究核心發現：AI在大規模部署下的資源消耗，遠低於過去文獻與媒體的普遍估計。

**能耗方面：一次查詢僅0.16至0.60瓦時**

研究指出，一次典型的AI查詢（例如向Copilot等大型語言模型發送文字請求），耗電量落在0.16至0.60瓦時（watt-hours）之間。這是什麼概念？約等於一台40瓦的電腦運作15到60秒，或一台1000瓦的微波爐運作0.6到2秒。更重要的是，這個數字比過去學術文獻與媒體報導的估計值低了4到20倍。微軟解釋，過去的研究多半基於單一模型或未經優化的硬體配置進行測量，未能反映超大規模雲端平台在實際服務環境中，透過請求批次處理（batching）、動態硬體調度與智慧路由等技術所達成的效率。

**用水方面：典型查詢少於一滴水**

水資源消耗是這份研究另一大亮點。在保守假設下，微軟估計一次典型的大型生產模型查詢，冷卻用水量落在0.0至0.067毫升之間，中位數用水量約相當於百分之一茶匙，甚至少於一滴水。微軟強調，隨著該公司持續推廣「零用水資料中心設計」（zero-water datacenter designs），這個數字還有進一步下降的空間。

**規模越大越省：航空公司的比喻**

這份研究提出一個關鍵概念：**規模越大，單位查詢效率越高**。微軟用航空公司來比喻：小型區域航空公司若飛機載客率不高，只是浪費燃料；但大型航空公司每日運行數千航班，可以不斷調整、填滿座位、重新調度飛機，並將節油技術應用到每一次飛行。AI也是同樣的道理——當數十億次查詢由超大規模雲端平台統一服務時，系統可以在模型選擇、任務調度、硬體配置等多個層面同時優化，讓每一次推理都變得更省。研究試算顯示，在每日10億次查詢的規模下，基礎耗電約0.7吉瓦時；納入效率優化後可降至約0.3吉瓦時，即使其中10%屬於程式碼生成或多步推理等長任務，整體能耗仍可比基線下降一半以上。

**與納德拉「一間餐廳」說法相互呼應**

這份《Joule》研究並非微軟近期唯一一次對AI資源消耗議題的正面回應。本月稍早的Microsoft Build 2026大會上，執行長納德拉（Satya Nadella）就已揭示位於美國威斯康辛州Mount Pleasant的Fairwater AI資料中心園區，採用全新的封閉式液體冷卻架構，全年用水量約只相當於一間社區餐廳。該系統的關鍵在於冷卻迴路只需在建置時注水一次，之後便透過封閉循環系統反覆使用，超過90%的散熱由液冷負責，其餘則利用外部空氣冷卻，只有在極端高溫下才額外用水。微軟表示，未來所有新建的AI專用資料中心都將採用相同設計。

**研究背景：為何微軟此刻出手？**

這份研究的發布時機絕非偶然。近年來，AI資料中心的資源消耗已從技術圈討論升溫為公共政策議題。有研究預測，AI的全球用水量到2027年可能達到42至66億立方公尺，超過丹麥或英國半數的年度總取水量。微軟自身的用水量在2021至2022年間也增加了約34%，與AI基礎設施的大量建置同步。在美國，資料中心的大量用水用電已引發社區反彈，部分地區甚至出現抗議聲浪。歐盟與美國監管機構也正著手草擬永續揭露相關法規。在此背景下，微軟選擇以同儕審查研究的形式主動公布數據，既是技術報告，也是一場策略性的公關與監管布局。

**可能影響與讀者可關注的後續**

這份研究對AI產業的永續論述可能產生深遠影響。首先，它將爭論焦點從「訓練模型很耗能」轉移到「日常推論的累積成本」，更貼近實際使用情境。其次，微軟提供的數據可能成為其他雲端業者（如Google、Amazon）的比較基準，迫使競爭對手也提出更透明的資源消耗數據。然而，研究也留下了幾個值得追蹤的懸念：第一，目前節水設計僅限於新建資料中心，微軟全球超過500座既有資料中心是否以及如何改裝，尚未有明確方案；第二，有報導指出微軟內部預測其用水需求到2030年可能翻倍；第三，效率提升帶來的成本下降，是否反而會刺激更多AI應用誕生，導致總體資源消耗不減反增（即所謂「反彈效應」）。讀者可持續關注微軟後續的永續報告，以及競爭對手的回應策略。