【科技纵览】2026年2月15日，“不要对AI说谢谢”话题再度登上热搜。起因是部分观点指出，用户对AI表达“谢谢”看似无害，实则被系统视为一次新指令，需生成回应，单次交互消耗约0.0003度电及44毫升冷却水。若以ChatGPT当前1.23亿日活跃用户为基数，每人每日说一句“谢谢”，全年耗电量将达1346万度，相当于7000户家庭的年用电总量。
这一数据引发公众对AI资源消耗的广泛关注。然而，多位业内人士指出，此类担忧更多反映的是产业初期的“资源焦虑”。实际上，主流国产大模型如DeepSeek、文心一言、通义千问等，已针对高频礼貌用语部署本地化响应机制——当识别到“谢谢”时，系统直接调用预设模板，无需激活核心大模型进行推理，能耗几乎可忽略不计。
从技术演进角度看，AI能耗的核心矛盾并不在用户端的简短交互，而在于训练与高负载推理阶段。例如，生成一段5秒高保真视频所耗算力，远超数万次“谢谢”交互。因此，将节能压力转嫁给用户，既不合理也非治本之策。真正有效的路径包括：一是通过算法压缩与推理优化降低单位任务能耗，Kimi、DeepSeek等模型已在实践中验证可行性；二是提升国产AI芯片能效比，但受限于先进制程封锁，短期内难以突破。
放眼全球，能源供给结构亦成制约因素。美国虽拥有先进GPU，但电网老化严重，且两党在能源政策上分歧显著——民主党倾向风光发电，特朗普则主张发展核电，政策反复使AI数据中心供电稳定性堪忧。相较之下，中国在风电与光伏制造端具备成本优势，电力供应相对充足，短板在于芯片能效。
值得深思的是，与其纠结是否说“谢谢”，不如优化人机交互效率。清晰、结构化的指令（如“总结三点核心”）可显著减少来回问答轮次，从而实质性降低能耗。更进一步，这种高效沟通逻辑亦可反哺人际交往——若人们在现实交流中也能如对AI般明确表达需求，或将减少误解与冲突，其社会价值远超省下的几度电。
归根结底，技术应服务于人性，而非倒逼人类削足适履。一句脱口而出的“谢谢”，承载的是文明习惯与情感温度，其意义无法用千瓦时衡量。未来AI的发展方向，应是通过技术创新消化成本，让机器高效如机器，让人温暖如人。
