# 如何让我们公司的 AI 使用更可持续？

> 让公司 AI 使用更环保的实用起步计划：摸清使用情况，选用合适规模的模型，设定默认值，询问供应商，并按任务测量。

Source: https://greenai.guide/zh/如何/如何让我们公司的-ai-使用更可持续/  
Updated: 2026-11-19

## 简而言之

先摸清公司在哪些地方使用 AI，再把高效的选择设为默认：使用能达到质量要求的最小模型、简短的输出，非必要时关闭 AI 功能。向供应商询问每次请求的能耗以及运行地点，按每项有用任务进行测量，并把这些写进一份有专人负责的简短政策。这些步骤大多在节能的同时，也能降低成本、缩短等待时间。

## Steps

1. 列出正在使用的 AI 工具、功能和自动化流程，以及每项大约多久运行一次。
2. 针对使用量最大的任务，测试更小的模型或非 AI 方法能否达到质量要求。
3. 在公司工具中设定高效的默认值，例如更小的模型、输出上限，以及非必要时关闭功能。
4. 向供应商询问每次请求的能耗、工作负载的运行地点以及报告方式。
5. 跟踪每项有用任务的能耗或 token（词元）数，并每季度复核一次数据。
6. 把这些规则写进一份简短的政策，指定负责人和复核日期。

**把高效的选择设为默认，再测量它是否奏效。** 对大多数公司来说，能耗主要来自每天多次运行模型（推理），而不是训练模型，因此在模型、提示和功能上的日常选择最为重要。

有两项研究结果说明了改进空间有多大。Luccioni、Jernite 和 Strubell 发现，在相同任务上，通用生成式模型的运行成本比专用模型高出几个数量级。联合国教科文组织（UNESCO）和伦敦大学学院（UCL）发现，更小的专用模型最多可将能耗降低 90%，而缩短提示和回复可降低一半以上。

## 我该从哪里开始？ {#where-do-i-start}

1. **摸清 AI 使用情况**：参见[如何摸清组织在哪些地方使用 AI](/zh/如何/如何摸清我们组织在哪些地方使用-ai/)。
2. **为最繁忙的任务选用合适规模的模型**：先试小模型；参见[选择更小的 AI 模型](/zh/如何/如何选择更小的-ai-模型/)。
3. **设定默认值**：关闭没人用的功能；参见[关闭不需要的 AI 功能](/zh/如何/如何在整个组织内关闭不需要的-ai-功能/)。
4. **询问供应商**：参见[在 AI 采购中纳入可持续性](/zh/如何/如何在-ai-采购中纳入可持续性要求/)。
5. **按任务测量**：参见[跟踪每项任务的 AI 能耗](/zh/如何/如何按每项任务而不是按总量追踪-ai-能耗/)。
6. **形成书面规定**：参见[制定绿色 AI 政策](/zh/如何/如何制定绿色-ai-政策/)。

## 什么带来的改变最大 {#what-makes-the-biggest-difference}

在高使用量任务上选对模型，以及关掉那些没人需要却在运行的 AI。员工习惯固然重要，但默认设置无需依赖记忆就能覆盖每个人。

## 常见错误 {#common-mistakes}

- 按每次调用而不是每项成功任务计算成本，导致重试被掩盖。
- 在使用量持续增长的同时，把一份绿色云合同当作全部答案。
- 在测量基准之前就宣称节能。

完整的方法请参阅我们的[企业指南](/zh/指南/面向企业的绿色-ai/)。

## 来源

- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
