بر اساس تخمینهایی که بر پایه آزمایشهای انجام شده توسط آزمایشگاه هوش مصنوعی دانشگاه رود آیلند صورت گرفته و گاردین گزارش داده است، مدل هوش مصنوعی GPT-5 شرکت OpenAI به طور قابل توجهی توانمندتر از نسخههای قبلی است، اما به طور چشمگیری — حدود 8.6 برابر — پرمصرفتر از نسخه قبلی GPT-4 است. با این حال، OpenAI به طور رسمی مصرف انرژی جدیدترین مدل خود را فاش نمیکند، که این خود بخشی از نگرانیها در مورد ردپای انرژی کلی آن را افزایش میدهد. با این اوصاف، یافتههای منتشر شده تنها یک تخمین هستند — و این تخمین به بسیاری از تخمینها متکی است.
آزمایشگاه هوش مصنوعی دانشگاه رود آیلند تخمین میزند که GPT-5 به طور متوسط کمی بیش از 18 واتساعت (Wh) در هر درخواست مصرف میکند، بنابراین اگر تمام 2.5 میلیارد درخواست روزانه گزارش شده ChatGPT از طریق این مدل پردازش شود، مصرف انرژی میتواند به 45 گیگاواتساعت (GWh) برسد.
مصرف روزانه 45 گیگاواتساعت بسیار زیاد است. یک نیروگاه هستهای مدرن معمولی بین 1 تا 1.6 گیگاوات برق در هر راکتور در ساعت تولید میکند، بنابراین مراکز دادهای که GPT-5 شرکت OpenAI را با مصرف 18 واتساعت در هر درخواست اجرا میکنند، میتوانند به معادل برق دو تا سه راکتور نیروگاه هستهای نیاز داشته باشند، مقداری که میتواند برای تامین برق یک کشور کوچک کافی باشد.
این دانشگاه گزارش خود را بر اساس تخمینهایش مبنی بر اینکه تولید یک پاسخ متوسط 1000 توکنی GPT-5 میتواند تا 40 واتساعت (Wh) برق مصرف کند، با میانگین کمی بیش از 18.35 واتساعت، که از 2.12 واتساعت برای GPT-4 بیشتر است، بنا نهاده است. این میزان بالاتر از تمام مدلهای آزمایش شده دیگر بود، به جز o3 شرکت OpenAI (25.35 واتساعت) و R1 شرکت Deepseek (20.90 واتساعت).
اما مهم است که اشاره کنیم روش آزمایش این آزمایشگاه ایدهآل نیست.
تیم مصرف برق GPT-5 را با ترکیب دو عامل کلیدی اندازهگیری کرد: مدت زمانی که مدل برای پاسخ به یک درخواست معین نیاز داشت، و تخمین متوسط مصرف برق سختافزاری که آن را اجرا میکند.
از آنجایی که OpenAI جزئیات دقیق استقرار را فاش نکرده است، محققان مجبور بودند تنظیمات سختافزاری را حدس بزنند. آنها معتقدند که جدیدترین مدل هوش مصنوعی OpenAI احتمالاً بر روی سیستمهای Nvidia DGX H100 یا DGX H200 که در مایکروسافت آژور میزبانی میشوند، مستقر شده است. با ضرب زمان پاسخ برای یک درخواست در مصرف برق تخمینی سختافزار، آنها به ارقام واتساعت برای خروجیهای مختلف رسیدند، مانند معیار 1000 توکنی که برای مقایسه استفاده کردند.
تخمین سختافزار همچنین شامل اجزای غیر GPU (مانند CPU، حافظه، ذخیرهسازی، خنککننده) و اعمال ضرایب محیطی خاص آژور مانند کارایی مصرف برق (PUE)، کارایی مصرف آب (WUE) و ضریب شدت کربن (CIF) بود. البته، اگر آژور و OpenAI از سختافزار Blackwell انویدیا (که تا چهار برابر سریعتر است) استفاده کنند، آنگاه این تخمین نادرست است.
GPT-5 از طراحی “ترکیب متخصصان” (mixture-of-experts) استفاده میکند، بنابراین همه پارامترها برای هر درخواست فعال نیستند، که مصرف برق را برای برخی درخواستهای کوتاه (یا ساده) کاهش میدهد. اما دارای حالت استدلال با زمان پردازش طولانیتر است که میتواند مصرف برق را برای همان پاسخ (یعنی فراتر از 40 واتساعت در هر درخواست) پنج تا ده برابر افزایش دهد — طبق گفته محققانی مانند شائولی رن، که توسط گاردین نقل شده است.
در حالی که تخمینهای آزمایشگاههای هوش مصنوعی رود آیلند میتوانند ایدهای از چگونگی مقایسه کل مصرف برق GPT-5 با مدلهای نسل قبلی به ما بدهند، اعداد مطلق ممکن است دقیق نباشند. اما آنچه میدانیم این است که مراکز داده هوش مصنوعی در حال حاضر منجر به افزایش سرسامآور قبوض برق در ایالات متحده شدهاند، و با ادامه گسترش این فناوری، همه نشانهها حاکی از بدتر شدن بحران انرژی است.
