近期，谷歌首席执行官桑达尔·皮查伊在谷歌云活动中宣布，其AI产品和界面每月处理的代币数量已突破1.3万亿。这一数据不仅刷新了今年6月公布的980万亿代币纪录，更在短短四个月内激增320万亿。然而，如此庞大的数字究竟意味着用户需求爆发，还是AI计算复杂度的直线飙升？
代币激增：计算复杂度的“温度计”
1.3万亿代币看似是用户活跃度的直接证明，但真相却指向AI模型后端的计算升级。分析指出，这一增长主要源于Gemini2.5Flash等新型推理模型的正式上线。这些模型每次请求的内部计算量远超前代——例如，Gemini Flash2.5单次请求的代币消耗比前代多出17倍，导致推理成本飙升150倍。此外，视频、图像、音频等多模态处理任务的加入，进一步推高了总代币量。
对比表格：代币增长背后的驱动因素
| 因素 | 前代模型数据 | 新一代模型数据 | 增长幅度 |
|---|---|---|---|
| 单次请求代币消耗 | 未知 | 17倍于前代 | 1700% |
| 推理任务成本 | 基准值 | 150倍于基准值 | 15000% |
| 多模态功能占比 | 有限 | 全面覆盖 | 指数级增长 |
换句话说，1.3万亿代币更像是谷歌后端计算负载的“体检报告”，而非用户实际使用价值的直接体现。有趣的是，这种计算规模的膨胀，甚至让一些开发者开始重新评估AI模型的效率边界。
环保争议：微小消耗与庞大计算的矛盾
谷歌此前宣称，一个Gemini文本提示仅消耗0.24瓦时电量、0.03克二氧化碳和0.26毫升水，甚至低于9秒电视播放的能耗。但批评者指出，这些数据仅基于轻量级语言模型的最小计算单元，完全忽略了多模态生成、代理搜索等重度场景的真实需求。
例如，文档分析或视频生成任务所需的计算量，远非简单文本提示可比。而1.3万亿代币的总规模，更将这种差距推向极致——谷歌的环保声明与其实际计算需求之间，已形成难以调和的矛盾。这种矛盾不仅引发公众质疑，更让行业开始思考：AI的可持续发展，是否必须以牺牲环境透明度为代价？
调整段落顺序后的逻辑梳理
谷歌的AI代币激增现象，本质上是模型升级至更复杂架构的必然结果。从Gemini Flash2.5的内部计算膨胀，到多模态功能的全面渗透，技术迭代的每一步都在推高后端负载。而环保争议的爆发，则暴露了企业在数据披露与实际影响之间的认知断层。
值得注意的是，尽管谷歌在环保报告中强调了“微小能耗”，但1.3万亿代币的规模已让这种说法显得苍白无力。毕竟，当AI的计算需求以万亿为单位增长时，任何关于“低碳”的承诺都需要更扎实的证据支撑。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区
AITOP100平台官方交流社群二维码：
