# 慈善机构的绿色 AI

> 面向慈善机构和非营利组织的指南：在 AI 真正有助于使命时才使用，控制成本与能耗，保护受益人数据，并如实对外沟通。

Source: https://greenai.guide/zh/指南/慈善机构的绿色-ai/  
Updated: 2026-11-19

## 简而言之

对慈善机构而言，绿色 AI 意味着只在 AI 明显有助于实现使命时使用它；在小型和免费工具够用时选择它们；并保护您所服务的人群。 一份简短的负责任使用政策、几个向供应商提出的问题，加上如实的对外沟通，就能满足小型组织的大部分需求。

## 要点

- 大多数慈善机构已经在使用 AI：《2026 年慈善机构数字技能报告》（Charity Digital Skills Report 2026）发现，79% 的英国慈善机构经常使用 AI。
- 每次文本请求的能耗很小，但图像生成和冗长的自动化工作流耗能多得多，而且用量会累积。
- 在 AI 能真正节省员工时间或改善服务的地方使用它；模板、搜索或现有工具就能完成的事，就不必用 AI。
- 在没有合法依据、也未核实数据去向之前，切勿将受益人的个人数据输入公共 AI 工具。
- 对大多数小型慈善机构来说，一页涵盖目的、数据、能耗和诚信的 AI 政策就足以起步。

## 为什么慈善机构应该考虑绿色 AI？ {#why-should-a-charity-think-about-green-ai}

因为 AI 已经是大多数慈善机构工作的一部分，而您使用它的方式会影响成本、数据风险，以及您的行动与价值观是否一致。现在就把这些想清楚，比日后再解决问题更省钱。

AI 在这一领域的使用已成常态。《2026 年慈善机构数字技能报告》基于英国慈善机构的 807 份答复，发现 79% 的机构经常使用 AI，高于一年前的 76%。同一报告还发现，35% 的机构不信任 AI 工具，高于此前的 15%；只有 36% 的小型慈善机构制定了 AI 政策。2026 年早些时候发布的中期结果显示，39% 的慈善机构担心 AI 对环境的影响。

这些数据来自英国，但同样的问题适用于世界各地的非营利组织：预算有限、数据敏感，而支持者期待您言行一致。

## 慈善机构使用 AI 实际耗能多少？ {#how-much-energy-does-a-charity-s-ai-use-actually-take}

对于普通的文本任务，每次请求耗能不多。对于图像、视频和大量自动化，耗能则多得多。最关键的是任务类型和运行频率。

- **文本提示词（prompt）。** Google 报告称，向其 Gemini 应用发送的文本提示词，中位数能耗为 0.24 Wh。OpenAI 首席执行官曾表示，ChatGPT 一次查询平均约耗电 0.34 Wh。两者都是企业按自己的方法自行报告的，因此只能作为粗略参考。
- **图像。** 在 Luccioni、Jernite 和 Strubell 的测试中，生成图像平均每 1,000 张约耗电 2.9 kWh，是他们测得的对 1,000 段文本进行分类所需 0.002 kWh 的一千多倍。
- **整体情况。** 国际能源署（International Energy Agency）估计，2024 年数据中心约占全球用电量的 1.5%，而 AI 是增长的主要驱动力。每个组织所占份额很小，但总量并不小。

因此，几位员工用 AI 起草信件，足迹很小。反复重新生成几十张宣传图片，或者让一个自动化系统对每封来信都运行 AI，才是能耗和成本的主要去处。

## 慈善机构什么时候值得使用 AI？ {#when-is-ai-worth-it-for-a-charity}

当 AI 能为使命腾出员工时间、改善某项服务，或者完成您原本负担不起的事情，并且对您所服务人群的风险较低时，就值得使用。如果更简单的工具就能完成，或者出错可能伤害到某人，就不值得。

在采用一项新用途之前，先问四个问题：

1. **好处是什么？** 节省的工时、多覆盖的人群、更好的决策。要具体。
2. **有没有更简单的方法？** 模板、邮件合并、搜索，或者您已付费软件中的现有功能。
3. **可能出什么问题？** 向弱势人群提供错误信息、偏见、数据泄露。谁来检查输出？
4. **成本是多少？** 订阅费、员工检查结果的时间、能耗，以及日后更换的成本。

通常能通过检验的用途：

- 起草和编辑日常文本，例如资助申请、报告和社交媒体帖子，并由人对结果进行编辑；
- 总结冗长的公开文件，例如公众咨询或研究报告；
- 为社区翻译信息，在重要场合由精通该语言的人检查；以及
- 无障碍支持，例如字幕和通俗语言版本。

需要格外谨慎的用途：

- 任何对个别受益人做出或影响决定的事情；
- 就健康、财务、法律或保护（safeguarding）事务提供建议的聊天机器人；以及
- 生成支持者可能误以为真实的人物或地点图像。

## 哪些免费工具和课程可以提供帮助？ {#which-free-tools-and-courses-can-help}

许多慈善机构用免费或低成本的工具，以及现有软件中内置的 AI，就能完成大部分需要做的事。学会用好它们，比购买更多工具更省能源、更省钱。

- **先使用现有软件中的 AI**（办公套件、电子邮件、设计工具），再考虑增加新的订阅。检查其数据设置。
- **在有选择时，为简单任务选用较小的或“轻量版”模型。** 联合国教科文组织（UNESCO）和伦敦大学学院（University College London）发现，在合适的任务上，较小的、针对特定任务的模型可将能耗降低多达 90%，而更短的提示词和回答可将能耗减少一半以上。
- **写简短、清晰的提示词**，并要求简短的回答。通常结果也会更好。
- **避免反复重新生成。** 与其多次点击“重试”，不如改进您的请求。
- **参加一门短期课程。** 我们的[课程目录](/zh/课程/)列出了 AI 入门以及负责任 AI 和绿色 AI 的免费课程。制约小团队的往往是技能而不是工具，因此这些时间花得值。

我们的[高效使用 AI](/zh/良好实践/高效使用-ai-日常习惯/)指南提供了更多日常建议。

## 慈善机构的 AI 政策应涵盖哪些内容？ {#what-should-a-charity-s-ai-policy-cover}

一份好的慈善机构 AI 政策简短、实用，并由一位高层人员负责。它应告诉员工和志愿者可以使用什么、绝不能做什么，以及该向谁询问。

应包括：

- **目的：** 使用 AI 是为了支持使命，而不是为用而用。
- **获批工具：** 一份简短清单，并写明由谁批准新工具。
- **数据规则：** 不得将受益人、捐赠者、员工或志愿者的个人或敏感数据输入公共 AI 工具；说明在受数据协议约束的工具中允许输入什么。
- **人工检查：** 在 AI 输出被发布、发送或据此采取行动之前，由谁审核。
- **能耗与适度：** 优先选择最简单的工具；除非能带来明确价值，否则避免大量的图像和视频生成；关闭不用的 AI 功能。
- **诚信：** 何时告知人们使用了 AI，以及如何公开描述这种使用。
- **复审：** 政策何时重新审视，例如每年一次。

我们的[绿色 AI 政策](/zh/良好实践/如何制定绿色-ai-政策/)指南附有一份可供您改编的模板。

## 我们应该向 AI 供应商问什么？ {#what-should-we-ask-ai-suppliers}

先问数据，再问能耗和成本。即使是小型慈善机构也可以提出这些问题；无法清楚回答的供应商，可能并不是合适的选择。

- **数据：** 我们的数据存储和处理在哪里？是否会用来训练你们的模型？我们能关闭这一功能吗？数据保存多长时间？我们能删除它吗？
- **安全与合规：** 你们遵守哪些数据保护法律，例如英国 GDPR 或欧盟 GDPR（《通用数据保护条例》）？你们愿意签署数据处理协议吗？
- **能耗：** 你们能告诉我们每次请求的能耗吗？或者你们使用哪些数据中心、它们由什么能源供电？
- **模型选择：** 我们能为简单任务使用较小的模型吗？
- **成本与锁定：** 有没有慈善机构折扣？如果我们不再使用，能导出我们的数据吗？

[可持续的 AI 采购](/zh/良好实践/可持续的-ai-采购/)指南提供了更完整的清单。

## 我们应该如何处理受益人数据？ {#how-should-we-handle-beneficiary-data}

把受益人数据视为您所持有的最敏感的信息。除非您已核查过法律、合同和风险，否则不要将其输入通用 AI 工具。您所服务的人群可能处境脆弱，也可能无法提出异议。

- **合法依据。** 确保根据您所在地的数据保护法律，您有以这种方式使用个人数据的合法依据。
- **影响评估。** 在将 AI 用于个人数据之前，进行数据保护影响评估，尤其是任何新的或高风险的用途。
- **最少化。** 尽可能删除姓名和可识别身份的细节；只使用所需的最少数据。
- **由人负责。** AI 不应独自对个人能获得的支持做出决定。
- **征询受影响者的意见。** 了解您所服务的人群如何使用 AI、对 AI 有何看法。与他们交谈，有助于形成更好、更公平的用途。

## 我们如何如实地介绍我们对 AI 的使用？ {#how-do-we-talk-about-our-ai-use-honestly}

公开说明您用 AI 做什么，对其环境足迹则保持低调。支持者信任那些解释自己选择的慈善机构；对听起来好得过头的说法，他们会保持警惕。

- 说明 AI 帮助做什么（“我们用 AI 起草报告初稿，再由员工编辑”）。
- 解释数据如何受到保护。
- 没有数据和方法，就不要称您的 AI 使用是“绿色的”或“碳中和的”。效率提升也可能导致总体使用量增加，即[反弹效应](/zh/术语表/#rebound-effect)。
- 在支持者可能误以为是真实照片的地方，为 AI 生成的图像加上标注。
- 如果您在气候或自然议题上开展倡导活动，要准备好解释某项用途为何值得。

参见[如实的绿色声明](/zh/良好实践/关于-ai-的诚实环保声明/)。

## 慈善机构应该自建 AI 吗？ {#should-a-charity-build-its-own-ai}

很少需要。构建或训练自己的模型成本高昂，耗能也远多于使用现有模型，而慈善机构的大多数需求，现有工具都能满足。如果您有专门的需求，例如整理数千份个案记录，或根据可信的知识库回答常见问题，请先问问：现有的小型模型，或者对您自己文档的简单搜索，是否就够用？

如果您确实要委托开发，请要求开发方使用能达到您质量标准的最小模型，复用已有答案而不是每次都重新生成，并报告系统的使用量和运行成本。还要提前规划：项目资金结束后，由谁来维护它。

## 下一步做什么 {#what-to-do-next}

1. **列出您的慈善机构在用的所有 AI 工具**，包括现有软件中内置的工具，以及员工自行使用的工具。
2. **参照我们的[政策指南](/zh/良好实践/如何制定绿色-ai-政策/)写一页 AI 政策**，并商定由谁负责。
3. **今天就定下一条明确的数据规则：** 不得将受益人、捐赠者或员工的个人数据输入公共 AI 工具。
4. **选一项**AI 能真正节省时间的任务，试用一个月，并如实检查结果。
5. **减少浪费：** 更短的提示词、更少的重新生成，并关闭不用的 AI 功能。
6. **为员工和志愿者报名**[课程目录](/zh/课程/)中的免费课程。
7. **在下次续约时向您的主要 AI 供应商**提出上述数据和能耗问题。

## 常见问题

### 环保慈善机构使用 AI 是错的吗？

本身并不是。问题在于某项用途对使命的帮助是否足以抵消它的代价。轻量、精心选择的文本 AI 使用，足迹很小；大量的图像或视频生成以及全天候运行的自动化，则需要更多考虑。

### 我们能安全地使用免费 AI 工具吗？

对于不涉及个人或敏感数据的任务，例如起草一份通用的通讯稿，通常可以。请查看使用条款：一些免费工具可能会用您输入的内容来训练模型。不要输入受益人、捐赠者或员工的个人数据。

### 我们需要 AI 政策吗？

需要，哪怕很简短。它告诉员工和志愿者哪些工具可以使用、哪些数据绝不能输入，以及何时必须由人来检查输出。

### 我们如何向支持者解释我们对 AI 的使用？

直白地说明您用 AI 做什么、如何保护人们的数据，以及员工会检查 AI 的产出。除非能拿出数据，否则不要声称您的 AI 使用是绿色的或碳中和的。

## 来源

- [Trust issues rise as charities' AI adoption continues (Charity Digital Skills Report 2026)](https://www.civilsociety.co.uk/news/trust-issues-rise-as-charities-ai-adoption-continues.html), Civil Society (2026)
- [AI adoption among charities shows no sign of slowing down (interim findings, Charity Digital Skills Report 2026)](https://www.civilsociety.co.uk/voices/zoe-amar-ai-adoption-among-charities-shows-no-sign-of-slowing-down.html), Civil Society (2026)
- [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)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
