# 如何设定基线来证明 AI 节能效果？

> 证明 AI 真正节能：在做任何改动前，用相同配置和负载进行测量，重复运行，按单位工作量报告，并确认质量没有下降。

Source: https://greenai.guide/zh/如何/如何设定基线来证明-ai-节能效果/  
Updated: 2026-11-19

## 简而言之

在做任何改动之前，先测量现有系统，所用的硬件、负载和输入要与之后完全相同，并重复运行以了解正常的波动范围。在报告总量的同时报告每单位有用工作的能耗，并且只有当节省幅度大于噪声、且质量没有下降时，才声称实现了节能。

## Steps

1. 选择一个功能单位，例如每次请求或每份文档的能耗。
2. 在固定的配置和工作负载下多次测量现有系统，包括空闲时的基线。
3. 每次只改一处，并在相同条件下重新测量。
4. 每次运行都在记录能耗的同时记录质量或任务成功率。
5. 只声称大于各次运行间波动的节省，并同时报告总量和单位数字。

**只有在改动前测量过、改动后用同样方法再测量、且差异大于噪声时，节省才算数。** 没有基线，节能声明只是猜测，也可能经不起推敲。

## 怎样才算公平的比较？ {#what-makes-a-fair-comparison}

- **相同的配置：** 硬件、地区、软件版本和设置。
- **相同的负载：** 同样的请求、文档或训练数据，数量也相同。
- **多次运行：** 读数会随温度、后台进程和频率调节而变化。请报告平均值和范围。
- **看能耗，而不只是速度：** GreenCode Constitution 的研究在 llama.cpp 推理引擎上发现，GPU 能耗降低了 4.7%，而速度只提升了 3%。时间和能耗可能讲述不同的故事。
- **质量保持不变：** 更便宜但错得更多的回答不算节省。

## 基线应该用什么单位？ {#which-unit-should-the-baseline-use}

像 Green Software Foundation 的 SCI 规范那样使用功能单位：每次请求、每份文档或每项成功完成的任务。然后同时报告总量，因为随着使用量增长，每项任务的能耗可能下降，而总能耗却在上升。请参阅[按任务追踪 AI 能耗](/zh/如何/如何按每项任务而不是按总量追踪-ai-能耗/)。

## 常见错误 {#common-mistakes}

- **改动前后各只测一次。** 一对读数可能只是噪声。
- **同时改动多处**，结果无法判断是什么起了作用。
- **移动基线**，例如在不同使用量下，把新的小模型和旧的大模型进行比较。
- **把仅因电网变清洁而带来的碳排放下降**算作效率提升。

在公布节能成果之前，请对照[诚实的绿色声明](/zh/良好实践/关于-ai-的诚实环保声明/)进行检查。

## 来源

- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
