简而言之
先问一问:是否已有更简单的工具能可靠地完成这项工作,例如搜索引擎、计算器、地图、词典、模板或电子表格公式。在生成式 AI 能真正节省时间或改善结果的地方使用它,例如起草、解释或改写文字;对于其他工具就能处理好的查询和计算,则不必使用。
步骤
- 用一句话写下您需要得到什么结果。
- 检查搜索、计算器、地图、词典或模板是否已经能给出这个结果。
- 当任务需要起草、解释、总结或改写,并且结果可以核查时,使用 AI。
- 当您需要可信来源已经提供的、准确且可核查的事实或数字时,不要使用 AI。
- 重新审视您经常重复的任务,因为对它们来说,这个选择最为重要。
最省能源的 AI 请求,就是您无需发出的那一个。 生成式 AI 很有用,但对许多日常任务来说,更简单的工具更快、更可靠,也更省电。2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)反复回到同一个观点:人们常常在已有成熟方法的情况下仍然求助于 AI。
有什么快速检验方法?
| 如果您需要…… | 通常更好的选择 | AI 值得使用的情况…… |
|---|---|---|
| 事实、时间、地址或价格 | 搜索或官方网站 | 您需要用通俗的话加以解释 |
| 计算或换算 | 计算器或电子表格 | 数字埋在杂乱的文字里 |
| 路线 | 地图应用 | 基本没有 |
| 一封标准信函 | 保存好的模板 | 每封信都需要真正量身定制 |
| 初稿、摘要或改写 | AI | 通常值得:这正是它擅长的 |
为什么这很重要?
通用 AI 模型处理每个请求都要做大量计算。 Luccioni、Jernite 和 Strubell 发现,在相同任务上,多用途生成式模型的运行成本比专用系统高出几个数量级。而且即使 AI 有帮助,它也不是没有代价的:2025 年一项关于编程任务的研究发现,在所测试的案例中,AI 辅助编程的碳足迹平均约为人工方式的 33 倍。
这并不意味着永远不要使用 AI,而是要在能带来回报的地方使用它。W3C 的《网络可持续性指南》(Web Sustainability Guidelines)也向开发产品的人提出了同样的观点:在实施 AI 之前,先评估是否需要 AI。
常见错误
- 把聊天机器人当作搜索引擎来查简单事实,结果还是得再核实一遍。
- 让 AI 做算术,而计算器能算得一丝不差。
- 出于习惯默认使用 AI,用于每天重复的任务,而一个模板就能解决。
来源
- Web Sustainability Guidelines, W3C (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
相关内容
如何减少我使用 ChatGPT 的能耗?
减少使用 ChatGPT 及类似聊天机器人能耗的实用方法:缩短对话,减少重新生成,选用更轻量的模型,少生成图像。
如何选择更小的 AI 模型?
用真实样例定义“够用”的标准,从小到大测试模型,在第一个达标的模型处停下;小型专用模型可节能高达 90%。
为任务选择合适的模型
如何为 AI 选对规模:何时使用小型或专用模型,何时前沿模型物有所值,模型路由如何运作,以及何时根本不该使用 AI。
效率不等于充足:AI 中的反弹效应
为什么提高 AI 效率并不能保证总能耗下降,什么是反弹效应或杰文斯效应,以及哪些做法有助于让节省真正落地。