# 如何防止 AI 的效率提升被更多的使用抵消？

> 如何防止 AI 节省下来的能源被不断增长的使用量吞噬：跟踪总量，为使用设定上限或预算，撤掉腾出的算力，并问一问是否真的需要。

Source: https://greenai.guide/zh/如何/如何防止-ai-的效率提升被更多的使用抵消/  
Updated: 2026-11-19

## 简而言之

在跟踪每项任务能耗的同时跟踪 AI 的总能耗，让增长一目了然，并事先决定节省下来的部分如何处理：撤掉腾出的算力，保留预算或上限，或者有意识地再投入。把效率与“适度”结合起来，问一问每一项新用途是否值得。如果不这样做，更便宜的 AI 往往只会被用得更多。

## Steps

1. 每次审查时，在报告每项任务能耗的同时报告 AI 的总能耗或总排放。
2. 在开展效率项目之前，决定它腾出的算力或预算将如何处理。
3. 为每个团队或服务设定总算力、token（词元）或花费的预算或上限。
4. 撤掉因效率提升而不再需要的服务器、许可证或预留算力。
5. 在批准每一项新的 AI 用途之前，先问它是否真的需要。

**只有当有人决定如何处理效率腾出的算力时，效率才会变成节省。** 否则，更便宜的 AI 会被用于更多事情、用得更频繁，总量也会不断上升。

## 为什么会这样？ {#why-does-this-happen}

经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）在 1865 年观察到，更高效的蒸汽机导致烧掉的煤更多，而不是更少。Luccioni、Strubell 和 Crawford 认为，同样的回弹机制也适用于 AI：效率提升降低了成本，而这可能推动更多的使用。国际能源署（International Energy Agency）预计，2024 年至 2030 年间，数据中心用电量将增加一倍以上，而 AI 是最重要的推动因素，尽管每次请求都变得更便宜。

## 组织能做些什么？ {#what-can-an-organisation-do}

- **让总量可见。** 如果只看每项任务的数字，看上去总是在稳步进步。
- **做预算。** 像对待其他资源一样，给团队设定算力、token 或花费预算。
- **把节省落袋。** 当一个模型或工作流程变得更高效时，关闭或退还它不再需要的算力。
- **有意识地再投入。** 把节省用在新用途上可能是正确的选择，但要让它成为一个决定，而不是随波逐流。
- **践行适度。** 问一问一项任务是否真的需要 AI，或者是否需要这么大的模型；请参阅[判断您是否需要 AI](/zh/如何/如何判断一项任务是否真的需要用-ai/)。

## 常见错误 {#common-mistakes}

- 把以百分比表示的效率提升宣布为减排。
- 让腾出来的服务器“以防万一”继续运行。
- 因为每一项新 AI 功能都很便宜，就全部批准。

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）把避免回弹效应列为绿色 AI 的主要悬而未决的问题之一。更多内容请阅读[效率不等于适度](/zh/文章/效率不等于充足-ai-中的反弹效应/)。

## 来源

- [The Coal Question](https://oll.libertyfund.org/titles/317), W. Stanley Jevons, Macmillan (1865)
- [From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate](https://arxiv.org/abs/2501.16548), Luccioni, Strubell and Crawford, ACM FAccT (2025)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
