# 如何把绿色 AI 纳入大学课程？

> 把绿色 AI 引入大学教学的方法：关于足迹的简短单元、在课程作业中测量能耗、高效方法，以及如实报告。

Source: https://greenai.guide/zh/如何/如何把绿色-ai-纳入大学课程/  
Updated: 2026-11-19

## 简而言之

增加一条简短、实用的教学线索，而不是开设一门全新的课程：讲解 AI 的能耗来自哪里，让学生测量自己代码或模型运行的能耗，并要求他们在报告准确率的同时报告算力和能耗。在技术类课程中，讲授小模型、量化和复用等高效方法；在其他课程中，重点讲授合理使用和如何评判各种说法。

## Steps

1. 增加一节简短的课，讲解 AI 的能源、用水和硬件足迹从何而来。
2. 要求学生用 CodeCarbon 等工具，至少为一次课程作业运行测量能耗。
3. 在技术类作业中，要求在报告准确率的同时报告算力和能耗。
4. 讲授小模型、量化和复用预训练模型等高效方法。
5. 加入一项练习：核查一则已发表的关于 AI 能耗的说法。

**在现有课程中加入一条简短的实践线索，比开设一门新选修课能覆盖更多学生。** 如今几乎所有学生都在使用 AI：英国高等教育政策研究所（Higher Education Policy Institute）2026 年的调查发现，95% 的英国本科生表示自己使用 AI。

## 这条线索可以包括什么？ {#what-could-the-strand-include}

- **足迹基础知识。** 训练与推理的区别，为什么图片和长输入成本更高，以及为什么公开的数据各不相同。
- **动手测量。** 让学生用 CodeCarbon 包裹一次训练或推理运行，并在报告结果时注明硬件、运行时间和地点。
- **像研究人员一样报告。** 要求在准确率旁边报告算力和能耗，包括调参运行；请参阅[在研究中报告能耗](/zh/如何/如何报告我的-ai-研究的能耗/)。
- 面向技术类课程的**高效方法**：更小的专用模型、量化、蒸馏和复用预训练模型。
- 面向所有课程的**评判说法**：谁测量的、按什么单位计算、遗漏了什么。

## 哪些框架有帮助？ {#which-frameworks-help}

联合国教科文组织（UNESCO）的《学生 AI 能力框架》包括环境可持续的 AI。对于研究组和院系，Lannelongue 等人提出的 GREENER 原则为可持续计算科学的治理、估算和教育提供了框架。

## 什么影响最大 {#what-makes-the-biggest-difference}

把能耗纳入考核。一旦评分方案不仅奖励准确率，也奖励每千瓦时的准确率，学生就会开始据此进行设计。

## 常见错误 {#common-mistakes}

- 只当作一次性的伦理讲座，没有实践任务。
- 惩罚使用 AI 的学生，而不是教他们用好 AI。
- 使用过时的单次查询能耗数字。

请阅读[大学中的 AI 素养](/zh/文章/大学中的-ai-素养-包括-ai-的环境足迹/)，并浏览[课程](/zh/课程/)，寻找可以复用的材料。

## 来源

- [Student generative AI survey 2026](https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/), Higher Education Policy Institute (HEPI) (2026)
- [AI competency framework for students](https://unesdoc.unesco.org/ark:/48223/pf0000391105), UNESCO (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [GREENER principles for environmentally sustainable computational science](https://doi.org/10.1038/s43588-023-00461-y), Lannelongue et al., Nature Computational Science (2023)
