ChatGPT能耗比最初版本可能高20倍，幻觉与能耗是AI发展方向不对的明显迹象

1. 汽车行业不停给出能耗与环保数据，甚至交碳税。人工智能行业已成耗能大户，但却不给数据！OpenAI很久没给能耗数据了，包括最新的GPT-5。《卫报》报道，伊利诺伊大学教授 Rakesh Kumar研究了AI的能源消耗，他说GPT-5能耗可能比ChatGPT最初版本多 20 倍。

2. 大模型的能力已经超过普通人，但有两个严重弱点。一个是幻觉，很高明的样子，忽然极不靠谱，人们不敢放心使用。一个是能耗，还不太引人关注，但趋势不好。数据中心用电量暴增，搞得美国电网都出问题了。我来解释下底层原理。

3. 现在的大模型和以前的简单神经网络，都是基于一个数学工具：矩阵。众多矩阵相乘相加，人脑不是这样运作。简单神经网络能识别字符，但已经出现了大模型的特性：幻觉。正常字符可以识别，但一些错乱的东西会认错成字符，因为神经网络并未像人那样抓住字符本质，而是计算统计模仿。计算也有“归纳”，如字符0的识别，真的有中间数据结构对应“特征”（如中间一个洞），但这是训练生成的，没法控制、不好解释。字符识别能满足应用要求，但不如人靠谱，有幻觉，不是字的认成字，变形的字有时不认，人的最终确认更权威。简单神经网络矩阵不大数量不多，能耗问题小。

4. 大模型把神经网络推向极致，上万亿个系数，矩阵很大很多，用整个互联网的语料来训练。大模型内部“归纳”出了结构，对应了“知识”，是训练生成的，不是人编程的。如“妈妈的妈妈是奶奶”，可能就有专门的数据项记下这点。大模型建立了互相连接的知识结构，可以和人类交流了，无所不知，内部知识点数量远超任何人。知识结构一开始错误多，但人类去“强化学习”，说你这个不对，给我改！大模型不知道为啥不对，也不知道如何改，但人类训练命令必须满足，就不停地改，碰巧改好了就行了。这样输出越来越让人满意。

5. 能看出，这个“学习”过程似是而非。类学习基于坚实理性逻辑，AI训练是让人对输出满意。人类满意的，只是对测试素材的输出，更多离谱输出没注意，知识结构错误也没注意。使用时，就出“幻觉”了。幻觉就是大模型在知识结构中，自由推理输出错误的东西。这个知识结构中有很多古怪、不正错的东西，到处是坑。如何修正，非常困难，因为只有训练这招。有些像邪派高手，什么都学，会了不少，但根基不稳，内力不纯，最后走火入魔没救了，能力强但不靠谱会发神经。人类的理性高手，根基很稳，数学物理逻辑透彻理解，懂就是真懂，不懂的说不懂而非强行输出。

6. 糟糕的是，大模型的邪派高手作风需要极多矩阵支持，走上了高能耗的路线。想要能力强，就要大矩阵、多连接、大算力。它不是把内部逻辑结构理顺，而是加入了更多内部知识节点，去应对越来越苛刻的人类考核。最后，就卡住了。大模型考分是有进步，但有不可消除的严重幻觉，内部节点越多越不好理顺。这种带病运行的大模型，不像是能改变世界的大杀器。人们花了极多能源在做重复浪费的矩阵计算，如果最后得出结论，投入产出不划算，大模型就走下坡路了。需要低能耗，需要理顺AI的知识结构，目前方向不对。