# 如何学习绿色 AI？

> 无论您是什么背景，都可以从这里开始学习绿色 AI：简短读物、可试用的免费工具、课程、社区和值得关注的研究。

Source: https://greenai.guide/zh/如何/如何学习绿色-ai/  
Updated: 2026-11-19

## 简而言之

先读一篇关于 AI 能耗去向的简短说明，再用一款免费工具测一测您自己的使用情况，例如代码能耗追踪器或 AI API 调用估算器。然后选择一门适合您水平的课程，并关注您所在领域的社区或研究团队。通过测量真实的东西来学习，比单纯阅读记得更牢。

## Steps

1. 阅读一篇浅显易懂的说明，了解绿色 AI 的含义以及 AI 的能耗去向。
2. 在您已经在做的事情上试用一款免费工具，例如 CodeCarbon 或 EcoLogits。
3. 选修一门适合您角色的课程，从基础认知到技术方法均可。
4. 关注您所在领域的社区、基准测试或研究团队。
5. 把学到的一点应用到自己的工作中，并测量带来的变化。

**读一篇好的说明，然后测量一下您自己的东西。** 绿色 AI 是一个年轻的领域，理解它最快的方法，是看看您已经在做的工作背后的数字。

## 我应该从哪里开始？ {#where-should-i-start}

- **所有人：**[什么是绿色 AI？](/zh/文章/什么是绿色-ai/)和我们的[通俗指南](/zh/指南/绿色-ai-写给每个人的通俗指南/)介绍了能源、水和硬件，以及哪些习惯真正重要。
- **企业和管理者：**[企业指南](/zh/指南/面向企业的绿色-ai/)。
- **开发者和数据科学家：**[选择合适的模型](/zh/良好实践/为任务选择合适的模型/)和[测量 AI 能耗](/zh/良好实践/如何测量-ai-的能耗和碳排放/)。
- **研究人员：**[研究人员指南](/zh/指南/面向研究人员的绿色-ai/)和[高效 AI 的数学](/zh/文章/让-ai-更高效的数学/)。
- **教师：**[学校专栏](/zh/学校/)。

## 我可以试用哪些免费工具？ {#which-free-tools-can-i-try}

- **CodeCarbon**：一个开源 Python 包，可估算在您的硬件上运行的代码所产生的排放。
- **EcoLogits**：估算调用托管生成式 AI 服务所产生的能耗和排放。
- **AI Energy Score**：由 Hugging Face 推出，按常见任务上的能效为开放模型给出一到五星的评级。

## 课程和社区在哪里？ {#where-are-courses-and-communities}

我们的[课程目录](/zh/课程/)列出了从简短的认知讲座到技术培训的各类课程。[研究目录](/zh/研究/)列出了从事高效 AI 研究的团队，[博士项目](/zh/博士职位/)列出了博士学位机会。

## 常见错误 {#common-mistakes}

- **从标题数字入手。** 许多流传的数字已经过时，或者测量方式差异很大。
- **只读不做。** 自己做一次测量，胜过读十篇文章。
- **以为这只是专家的事。** 大部分收益来自日常选择。

遇到不熟悉的术语，请查阅[术语表](/zh/术语表/)。

## 来源

- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [EcoLogits](https://ecologits.ai/), GenAI Impact (2025)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
