# 如何为 AI 能耗和排放设定目标？

> 如何设定有实际意义的 AI 能耗和排放目标：以实测基线为起点，同时设定强度目标和绝对目标，并定期审查。

Source: https://greenai.guide/zh/如何/如何为-ai-能耗和排放设定目标/  
Updated: 2026-11-19

## 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。

## Steps

1. 用书面方法测量或估算您主要 AI 用途的基线。
2. 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。
3. 设定每单位的强度目标，以及针对总量的绝对目标或上限。
4. 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。
5. 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？ {#why-two-targets}

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？ {#what-should-the-targets-look-like}

| 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](/zh/如何/如何计算一项-ai-功能的软件碳强度-sci-得分/)。

## 常见错误 {#common-mistakes}

- **没有基线。** 请参阅[设定基线](/zh/如何/如何设定基线来证明-ai-节能效果/)。
- **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](/zh/良好实践/如何测量-ai-的能耗和碳排放/)。

## 来源

- [Software Carbon Intensity specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
- [Measuring the environmental impact of delivering AI at Google Scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
