关于 ChatGPT 用水量，公共讨论里常被拧成一句话。更稳妥的做法，是把萨姆·奥特曼的两段表述拆开看：一段来自旧博客里的极小水量数字，另一段来自 2026 年 9 月 1 日播客里「大约 3.8 万次对话等于一颗加州杏仁」的类比。PolitiFact 在 2026 年 9 月 4 日将该类比判为 Mostly False。先把结论说在前面：这和 Cursor 套餐无关，也不意味着购买任何开发工具能改变模型侧的用水。本文只整理已公开材料，不编造 Cursor、Grok、Claude 的用水量。下面按时间线把证据摊开，方便读者对照原文来源链接。
之所以要拆开，是因为两句话回答的问题并不相同。博客试图给出「平均一次查询」的能量与水消耗量级，播客则把水消耗映射成「多少次对话约等于一颗杏仁」的日常意象。前者是均值口径，后者是类比口径。把类比当成实测，或把未附方法的均值当成完整水账，都会让争议越吵越偏。国内读者若只转传「一颗杏仁」梗，却不看旧博客数字从哪里来、核查结论怎么算，很容易把传播口号当成测量结果。
旧博客里的 0.000085 加仑
在 The Gentle Singularity 一文中，奥特曼写道：平均一次 ChatGPT 查询约 0.34 瓦时，大约是烤箱一秒多一点，或高效灯泡几分钟；水大约是 0.000085 加仑，大约十五分之一茶匙。这些比喻的作用，是把抽象单位换成读者能感觉到的日常尺度，但比喻不能替代方法说明。
The Verge 在 2025 年 6 月 10 日指出，该数字没有给出方法，OpenAI 当时也没有解释，见 The Verge 报道。PolitiFact 后来写到，0.000085 加仑约等于 0.32 毫升，而这是他们找到的唯一出处。OpenAI 不公布总用水量，也没有回复。也就是说，公众手里长期只有一个未附方法的均值，却缺少可复核的完整水账。
对读者来说，这句话最稳妥的读法是：它给出了一个极小的单次查询数量级，并配了烤箱、灯泡与茶匙的对照，但公开材料并未同步给出计量边界、冷却水口径、是否含上游供应链，以及其他必要假设。把这句话升格成「官方已充分验证的生命周期用水」，证据链不够。它更像公司负责人对外给出的数量级说法，随后被二次引用，再被拿去和杏仁研究做拼接。The Verge 的提醒与 PolitiFact 后来的换算，其实指向同一缺口：数字可以被复述，方法却没有被公开补齐。OpenAI 不公布总用水量，也没有回复，这一状态在核查文章里仍然成立。
播客里的杏仁类比，以及 Mostly False
2026 年 9 月 1 日的 Sources Podcast 上，奥特曼说：”For every 38,000 ChatGPT queries, that is the same amount of water that is used in the production of a single almond in California.” 中文大意是：每 3.8 万次 ChatGPT 查询，用水量相当于生产一颗加州杏仁。他先说自己可能是错的。这一点很重要，因为发言本身已经带了保留，但传播时保留常常被删掉。PolitiFact 于 2026 年 9 月 4 日判 Mostly False，原文见 PolitiFact 事实核查。
核查逻辑并不神秘。2019 年研究给出一颗加州杏仁约 3.2 加仑，即 12 升，该口径含降雨和水质影响，不只是灌溉。若把 12000 毫升除以 0.32 毫升，结果约等于 37500，接近 38000。这是把博客数字与杏仁研究做算术拼接，不是 OpenAI 的现场测量，也不是对新一轮用水做独立审计。更直接的淡水估算大约是 6 升一颗杏仁。PolitiFact 的结论是：按现有估算，大约 1000 到 10000 次对话才相当于一颗杏仁，不是 38000。
这里有一个容易写错的点：不要把「6 升除以 0.32 毫升」说成 PolitiFact 自己公布的换算结果。PolitiFact 明确给出的，是 Mostly False 判定，以及对「约 1000 到 10000 次对话才相当于一颗杏仁」的结论区间。6 升是更直接的淡水估算参照，用来帮助理解为何 38000 显得偏高，但它不是要把核查结论改写成另一道精确除法题。同样，12000 毫升除以 0.32 毫升得到约 37500，只能说明「若坚持用博客那一个出处，再接到 2019 年杏仁研究，算术上会靠近 38000」。这解释了类比可能怎么拼出来，却不能把拼接结果升级成 OpenAI 的用水测量。
把两套口径并排放，争议会清楚很多。一套是 0.000085 加仑或约 0.32 毫升的单次说法，来源几乎只有那篇博客。另一套是杏仁生产用水，既有约 3.2 加仑含更广影响的研究口径，也有约 6 升更直接淡水估算。PolitiFact 之所以判 Mostly False，关键不在「杏仁能不能当比喻」，而在「现有估算并不支持 38000 次对话这一对照」。
若你读到这里是因为关心 Cursor 个人使用，而不是要拿套餐去「抵消」模型用水，可参考本站独立说明的 Cursor Ultra 一个月，价格为 $150，并提供 1 个月保修与独立激活协助。该协助与 Cursor、Anysphere、Meta、亚马逊、OpenAI 无隶属关系。购买 Ultra 不会改变 ChatGPT 或任何其他模型的用水量，本文也不把两者写成因果关系。
搜索热度与读法提醒
美国 Google Trends 显示，过去一天该话题搜索兴趣大约上升 1000%。这是 Trends 常见的相对兴趣区间说法，不是精确搜索次数，也不应被改写成「有多少人点开了某条新闻」或「有多少次独立查询」。热度上升，往往只会让旧博客数字与新播客类比更容易被揉成一句口号，从而掩盖方法缺失与口径差异。对国内读者来说，看到热搜式标题时，更值得先问：这句话来自博客均值，还是来自播客类比，事实核查又给出了什么区间。
更清楚的读法可以收成四步。第一，博客给出能量约 0.34 瓦时、水约 0.000085 加仑的均值，但缺方法。第二，播客用杏仁做直觉类比，并提出约 38000 次查询的对照，同时自带「可能错了」的保留。第三，事实核查指出，用 0.32 毫升与 12 升做算术会接近 38000，但这不是 OpenAI 的测量。第四，按现有估算，更合理的对照大约在 1000 到 10000 次对话，而不是 38000。OpenAI 仍未公开总用水量，也没有回复。
最后再强调边界。本文不编造 Cursor、Grok、Claude 的用水量，不把开发工具套餐写成节水方案，也不把搜索热度当成科学验证。ChatGPT 用水量争议讨论的是公开表述、事实核查与缺失数据，Cursor Ultra 讨论的是个人套餐、价格与保修。二者可以出现在同一篇文章里方便读者分流，但功能上互不替代。把奥特曼的两句话拆开，争议才会回到证据本身：一个未附方法的单次均值，一个被判 Mostly False 的杏仁类比，以及公开材料里仍然缺失的总用水量。口号可以很短，核算却不能被口号替代。
