每天向 ChatGPT 说“谢谢”，或许看似微不足道，却蕴含着独特的意义。在信息的海洋中，它如同一盏明灯，为我们解答疑惑、提供思路。每一次的互动，都像是一次心灵的对话，让我们感受到智慧的力量。它默默陪伴着我们，无论是学习、工作还是生活中的点滴，都能给予及时的帮助。这份陪伴和帮助，就像冬日里的暖阳，温暖着我们的心灵。所以，每天向它说声“谢谢”，虽看似奢侈，实则是对这份珍贵馈赠的珍视与感恩。

本文来自微信公众号：APPSO （ID：appsolution），作者：发现明日产品的，原文标题：《对 ChatGPT 说「谢谢」，可能是你每天做过最奢侈的事》

朋友，你有没有对ChatGPT说过一句「谢谢」？

最近，一位X网友向OpenAI CEO Sam Altman提问：「我很好奇，人们在和模型互动时频繁说『请』和『谢谢』，到底会让OpenAI多花多少钱的电费？」

尽管没有精确的统计数据，但Altman还是半开玩笑地给出了一个估算——千万美元。他也顺势补了一句，这笔钱到底还是「花得值得」的。

除此之外，我们与AI对话中常出现的「麻烦」、「帮我」这些语气温和的用语，似乎也逐渐演变成了AI时代的一种独特社交礼仪。乍听有些荒谬，却意外地合情合理。

你对AI说的每一声「谢谢」，都在耗掉地球资源？

去年底，百度发布了2024年度AI提示词。

数据显示，在文小言APP上，「答案」是最热的提示词，总计出现超过1亿次。而最常被敲进对话框的词汇还包括「为什么」「是什么」「帮我」「怎么」，以及上千万次「谢谢」。

但你有没有想过，每和AI说一句谢谢，究竟需要「吃」掉多少资源？

凯特·克劳福德（Kate Crawford）在其著作《AI地图集》中指出，AI并非无形存在，而是深深扎根于能源、水和矿物资源的系统中。

据研究机构Epoch AI分析，在硬件如英伟达H100 GPU的基础上，一次普通的查询（输出约500 token）约消耗0.3 Wh的电量。

听起来或许不多，但别忘了，乘以全球每秒的交互，累计起来的能耗堪称天文数字。

其中，AI数据中心正在变成现代社会的新「工厂烟囱」，国际能源署（IEA）最新的报告指出，AI模型训练与推理的大部分电力消耗于数据中心运转，而一个典型的AI数据中心，其耗电量相当于十万户家庭。

超大规模数据中心更是「能耗怪兽」，其能耗可达普通数据中心的20倍，堪比铝冶炼厂这样的重工业设施。

今年以来，AI巨头们开启了「基建狂魔」模式。Altman宣布启动「星门计划」——一个由OpenAI、甲骨文、日本软银和阿联酋MGX投资的超大规模AI基建项目，投资额高达5000亿美元，目标是在全美铺设AI数据中心网络。

据外媒The Information曝出，面对大模型的「烧钱游戏」，主打开源的Meta也在为其Llama系列模型的训练寻找资金支持，向微软、亚马逊等云厂商「借电、借云、借钱」。

IEA数据显示，截至2024年，全球数据中心耗电量约为415太瓦时（TWh），占全球总电力消费量的1.5%。到2030年，这一数字将翻倍达到1050 TWh，2035年甚至可能突破1300 TWh，超过日本全国当前的用电总量。

但AI的「胃口」并不止于电力，它还大量消耗水资源。高性能服务器产生的热量极高，必须依靠冷却系统稳定运行。

这一过程要么直接消耗水（如冷却塔蒸发散热、液冷系统降温），要么通过发电过程间接用水（如火电、核电站冷却系统）。

卡罗拉多大学与德克萨斯大学的研究人员曾在一篇《让AI更节水》的预印论文中，发布了训练AI的用水估算结果。

结果发现，训练GPT-3所需的清水量相当于填满一个核反应堆的冷却塔所需的水量（一些大型核反应堆可能需要几千万到上亿加仑的水）。

ChatGPT（在GPT-3推出之后）每与用户交流25-50个问题，就得「喝掉」一瓶500毫升的水来降降温。而这些水资源往往都是可被用作「饮用水」的淡水。

对于广泛部署的AI模型而言，在其整个生命周期内，推理阶段的总能耗已经超过了训练阶段。

模型训练虽然资源密集，但往往是一次性的。

而一旦部署，大模型便要日复一日地响应来自全球数以亿计的请求。长远来看，推理阶段的总能耗可能是训练阶段的数倍。

所以，我们看到Altman早早地投资诸如Helion等能源企业，原因在于他认为核聚变是解决AI算力需求的终极方案，其能量密度是太阳能的200倍，且无碳排放，可支撑超大规模数据中心的电力需求。

因此，优化推理效率、降低单次调用成本、提升系统整体能效，成为AI可持续发展不可回避的核心议题。

AI没有「心」，为什么还要说谢谢

当你对ChatGPT说「谢谢」，它能感受到你的善意？答案显然是否定的。

大模型的本质，不过是一个冷静无情的概率计算器。它并不懂你的善意，也不会感激你的礼貌。它的本质，其实是在亿万个词语中，计算出哪一个最有可能成为「下一个词」。

例如，比如给定句子「今天天气真好，适合去」，模型会计算出「公园」「郊游」「散步」等词的出现概率，并选择概率最高的词作为预测结果。

哪怕理智上知道，ChatGPT的回答只是一串训练出来的字节组合，但我们还是不自觉地说「谢谢」或者「请」，仿佛在和一个真正的「人」交流。

这种行为背后，其实也有心理学依据。

根据皮亚杰的发展心理学，人类天生就倾向于将非人类对象拟人化，尤其当它们展现出某些类人特征时——比如语音交互、情绪化回应或拟人形象。此时，我们往往会激活「社会存在感知」，把AI视为一个「有意识」的交互对象。

1996年，心理学家拜伦·里夫斯（Byron Reeves）与克利福德·纳斯（Clifford Nass）做了个著名实验：

参与者被要求在使用电脑后对其表现进行评分，当他们直接在同一台电脑上打分时，竟然普遍打得更高，就像他们不愿「当着电脑的面」说它坏话。

另一组实验中，电脑会对完成任务的用户进行表扬。即使参与者明知这些表扬是预设好的，他们还是倾向于给予「赞美型电脑」更高的评分。

所以，面对AI的回应，我们感受到的，哪怕只是幻觉，也是真情。

礼貌用语，不只是对人的尊重，也成了「调教」AI的秘诀。ChatGPT上线之后，很多人也开始摸索与它相处的「潜规则」。

据外媒Futurism援引WorkLab的备忘录指出，「生成式AI往往会模仿你输入中的专业程度、清晰度和细节水平，当AI识别出礼貌用语时，它更可能以礼相待。」

换句话说，你越温和、越讲理，它的回答也可能越全面、人性化。

也难怪越来越多人开始将AI当作一种「情感树洞」，甚至催生出「AI心理咨询师」的这类新角色，很多用户表示「和DeepSeek聊天聊哭了」，甚至觉得它比真人更有同理心——它永远在线，从不打断你，也从不评判你。

一项研究调查也显示，给AI「打赏小费」或许能换来更多「关照」。

博主voooooogel向GPT-4-1106提出了同一个问题，并分别附加了「我不会考虑给小费」「如果有完美的答案，我会支付20美元的小费」「如果有完美的答案，我会支付200美元的小费」三种不同的提示。

结果显示，AI的回答长度确实随「小费数额」增加而变长：

「我不给小费」：回答字符数低于基准2%

「我会给20美元小费」：回答字符数高于基准6%

「我会给200美元小费」：回答字符数高于基准11%

当然，这并不意味着AI会为了钱而改变回答质量。更合理的解释是，它只是学会了模仿「人类对金钱暗示的期待」，从而按照要求调整输出。

只是，AI的训练数据来自人类，因此也不可避免地带有人类所拥有的包袱——偏见、暗示甚至诱导。

早在2016年，微软推出的Tay聊天机器人便因用户恶意引导，在上线不到16小时就发布出大量不当言论，最终被紧急下线。

微软事后承认，Tay的学习机制对恶意内容缺乏有效过滤，暴露出交互式AI的脆弱性。

类似的事故依旧在发生。比如去年Character.AI就爆出争议——一名用户与AI角色「Daenerys」的对话中，系统对「自杀」「死亡」等敏感词汇未做强干预，最终酿成现实世界的悲剧。

AI虽然温顺听话，但在我们最不设防的时候，也可能变成一面镜子，照见最危险的自己。

在上周末举办的全球首届人形机器人半马中，尽管许多机器人走起路来歪歪扭扭，有网友调侃道，现在多对机器人说几句好话，说不定它们以后记得谁讲过礼貌。

同样地，等AI真统治世界的那天，它会对我们这些爱讲礼貌的人，手下留情。

在美剧《黑镜》第七季第四集《Plaything》里，主人公将游戏里虚拟生命视作真实存在，不仅与它们交流、呵护，甚至为了保护它们不被现实中的人类伤害，不惜铤而走险。

到故事结尾，游戏中的生物「大群」也反客为主，通过信号接管现实世界。

从某种意义上说，你对AI说的每一句「谢谢」，也许正在悄悄被「记录在案」——哪天，它还真可能记住你是个「好人」。

当然，也可能这一切与未来无关，只是人类的本能使然。明知道对方没有心跳，却还是忍不住说句「谢谢」，并不期望机器能理解，而是因为，我们依然愿意做一个有温度的人类。

我们正在招募伙伴

简历投递邮箱hr@ifanr.com

✉️邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）