简而言之
先测量基线,然后同时设定两类目标:强度目标(每项有用任务的能耗或排放)和针对总量的绝对目标或上限。强度反映效率;绝对数字则显示使用量的增长是否吞噬了节省。随着模型和使用情况的变化,至少每年审查一次。
步骤
- 用书面方法测量或估算您主要 AI 用途的基线。
- 选择一个功能单位,例如每次请求或每份已处理文档的能耗。
- 设定每单位的强度目标,以及针对总量的绝对目标或上限。
- 加入您能直接控制的过程目标,例如由小模型处理的请求所占比例。
- 每年审查进展和方法,如果方法改变,就重新确定基线。
以实测基线为起点,同时设定强度目标和绝对目标。 单看其中一个都可能产生误导:每项任务的数字可能下降而总量却在攀升,总量看起来不错也可能只是因为使用量还没增长。
为什么要两个目标?
每次请求的效率可以提升得非常快。Google 报告称,其 Gemini 文本提示的中位数能耗在一年内下降到原来的 1/33。但更便宜的 AI 往往会被用得更多,Luccioni、Strubell 和 Crawford 将此作为回弹效应或杰文斯效应进行了讨论。强度目标反映前者;绝对目标或上限反映后者。
目标应该是什么样的?
| 类型 | 示例 |
|---|---|
| 强度 | 每份已处理文档的能耗相对基线下降一定比例 |
| 绝对 | AI 用电总量或估算排放总量保持在上限以内 |
| 过程 | 由小模型处理的请求所占比例;提供每次请求数据的供应商所占比例 |
Green Software Foundation 的软件碳强度(Software Carbon Intensity)规范提供了一个现成的强度指标:使用基于位置的电网数据计算的每功能单位排放量。请参阅计算 SCI 分数。
常见错误
- 没有基线。 请参阅设定基线。
- 靠证书达成目标。 购买证书可以改变基于市场的数字,却不改变能耗。至少保留一个以千瓦时计的目标。
- 悄悄改变方法。 如果方法改进了,就重新确定基线。
- 没人能控制的目标。 把结果目标与团队能够付诸行动的过程目标搭配起来。
这些数字背后的方法见如何测量 AI 能耗。
来源
- Software Carbon Intensity specification, Green Software Foundation (2024)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
相关内容
如何设定基线来证明 AI 节能效果?
证明 AI 真正节能:在做任何改动前,用相同配置和负载进行测量,重复运行,按单位工作量报告,并确认质量没有下降。
如何按每项任务而不是按总量追踪 AI 能耗?
选择一个功能单位,例如每份文档或每项成功完成的任务,按这个单位记录能耗和质量,并与总量一起报告。
如何防止 AI 的效率提升被更多的使用抵消?
如何防止 AI 节省下来的能源被不断增长的使用量吞噬:跟踪总量,为使用设定上限或预算,撤掉腾出的算力,并问一问是否真的需要。
如何测量 AI 的能耗和碳排放
实用指南:如何计量或估算 AI 工作的能耗和碳排放,涵盖工具、系统边界、按任务计算的指标以及如实说明不确定性。