# 面向企业的绿色 AI

> 为企业提供的实用指南：如何从模型选择、供应商、测量、采购和如实宣传等方面，降低 AI 的能耗、成本和碳排放。

Source: https://greenai.guide/zh/指南/面向企业的绿色-ai/  
Updated: 2026-11-19

## 简而言之

对企业来说，绿色 AI 意味着用更少的能源、资金和碳排放，从 AI 获得所需的结果。大部分节省来自少数几个决定：只在能创造价值的地方使用 AI，选用能把工作做好的最小模型，选择公开能耗数据的供应商，并在做出任何宣传之前先进行测量。

## 要点

- 在大多数企业中，最便宜、最快、最绿色的 AI 往往是同一种 AI：更小的模型、更少的 token、更少的返工。
- 国际能源署估计，2024 年数据中心用电约 415 太瓦时（TWh），约占全球总用电量的 1.5%，并预计到 2030 年将达到约 945 太瓦时。
- 完成同一项任务时，专用模型的运行成本可能比通用生成式模型低几个数量级。
- 向供应商询问每次请求的能耗、所用的数据中心及其测量方法，并把答复写入合同。
- 凡是无法用实测数据或来源清楚的数据支持的绿色宣传，一概不要做。

## 企业为什么应该关心绿色 AI？ {#why-should-a-business-care-about-green-ai}

因为让 AI 更绿色的做法，大多也能让它更便宜、更快、更可靠。计算量减少，意味着账单更低、回答更快、等待更少；而那些浪费能源的习惯，例如冗长的提示词、反复尝试和过大的模型，同样会浪费资金和员工时间。

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）得出了类似的看法：买家根据成本、速度和质量做选择，所以绿色 AI 必须与这些优势相伴，而不是与之竞争。这对企业来说是好消息：您很少需要为了减少环境足迹而牺牲效果。

另外还有四个值得关注的理由：

- **规模。** 国际能源署（IEA）估计，2024 年数据中心用电约 415 太瓦时（TWh），约占全球用电量的 1.5%；并预计到 2030 年这一数字将增长一倍以上，达到约 945 太瓦时，而 AI 是最重要的增长驱动因素。您对 AI 的使用也是这部分需求的一部分。
- **报告。** 如果您需要报告能源和排放，AI 现在已经包含在这个数字之中，无论您是否单独计算它。
- **监管。** 相关规定开始要求 AI 和数据中心提供商提供能耗数据（见下文），这让您能够获得更好的供应商信息。
- **信任。** 客户、员工和投资者越来越多地询问您如何使用 AI。清楚、如实的回答会有帮助。

## AI 的能源用在了哪里？ {#where-does-the-energy-in-ai-go}

对一家典型企业来说，大部分 AI 能耗花在**推理**上，也就是运行模型来响应请求，而不是花在训练模型上。您几乎从不自己训练大型模型，但每一条提示、每一个自动化工作流、您软件中的每一项 AI 功能，都在某处的硬件上运行推理。

能源主要用在以下环节：

| 阶段 | 发生了什么 | 由谁控制 |
|---|---|---|
| 训练 | 模型从数据中学习，只进行一次或偶尔进行 | 主要是模型提供商 |
| 微调 | 让现有模型适应您的任务 | 您或您的供应商 |
| 推理 | 模型回答每一个请求 | 共同控制：由您决定用量和所用模型 |
| 数据中心 | 冷却、电力转换、网络 | 托管服务提供商 |
| 硬件 | 制造芯片和服务器（隐含碳） | 提供商，取决于设备的使用年限 |

对企业而言，推理是您最能改变的部分。其能耗取决于：

- **模型的大小和类型。** Luccioni、Jernite 和 Strubell 的一项研究发现，完成同一项任务时，通用生成式模型的运行成本比专用系统高出几个数量级。在他们的测试中，生成图像平均每 1,000 次请求耗电约 2.9 kWh，而文本分类约为 0.002 kWh；
- **token（词元）的数量**（即模型读取和输出的文本片段）。冗长的提示词、粘贴进去的文档和啰嗦的回答都会累积起来；
- 一个工作流**调用模型的次数**。会规划、检查和重试的智能体，完成一项任务可能要调用几十次；以及
- **运行的地点和时间**，因为每千瓦时电力所含的碳取决于当地电网。

就单次请求的量级而言，Google 报告称，向其 Gemini 应用发出的文本提示，能耗中位数为 0.24 Wh，并且这一数字在一年内下降到原来的 1/33。各提供商的测量方法不同，因此请把这类数字视为参考，并参阅[测量 AI 能耗](/zh/良好实践/如何测量-ai-的能耗和碳排放/)，了解细节为何重要。

## 我们如何选择合适的模型？ {#how-do-we-choose-the-right-model}

使用能可靠完成工作的最小模型，并用您自己的工作来验证。对于许多业务任务，例如分拣电子邮件、从发票中提取字段、撰写摘要或翻译，一个小型或专用模型就已足够。

联合国教科文组织（UNESCO）和伦敦大学学院发现，在合适的任务上，使用更小的专用模型可以在不降低性能的情况下把能耗减少多达 90%，而缩短提示和回答可以把能耗减少一半以上。

实用步骤：

1. **列出您的 AI 任务**，以及每项任务的“足够好”标准，例如发票字段的正确率达到 98%。
2. **从小到大试用模型**，用一批真实案例做样本。第一个达到标准的模型就是您的选择。
3. **对请求进行路由。** 把常规请求发给小模型，只把难题发给大模型。这通常称为模型路由。
4. **警惕虚假的节省。** 模型太小而失败，不得不在大模型上重新运行，可能比直接使用大模型更耗能。应衡量一次成功率，而不是每次调用的成本。
5. **重复利用，不要重新生成。** 当同样的答案、模板或代码需要再次使用时，应把它存储起来重复利用，而不是每次都去问模型。ITEA 研究项目 GreenCode 介绍了它如何通过检索、路由到能胜任的最便宜组件以及任务调度，来控制自身的 AI 使用量。

独立评级可以帮助您比较开放模型。由 Hugging Face 及其合作伙伴推出的 AI Energy Score，按常见任务上的能效给模型评一到五星。更多内容见[选择合适的模型](/zh/良好实践/为任务选择合适的模型/)和[编排胜于生成](/zh/文章/编排优先于生成/)。

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

询问数字、方法和地点，并把答复写进合同。许多供应商目前还不能给出完整答复，但提出这些问题能表明需求，也能让您看出谁在认真对待这件事。

可以写进招标和续约中的问题：

- **每次请求的能耗。** 我们将使用的模型，每次典型请求或每 1,000 个 token 的能耗（Wh）是多少？是实测还是估算，方法是什么？
- **系统边界。** 这个数字是否包括闲置容量、冷却和网络，还是只包括芯片？
- **运行地点。** 我们的工作负载托管在哪些数据中心和地区？它们的电能使用效率（PUE，即设施总能耗与计算能耗之比）和用水量是多少？
- **电力。** 有多大比例是逐小时与清洁电力匹配的，而不是靠年度证书覆盖的？
- **模型选项。** 我们能否选择更小的模型，或在模型之间路由请求？在数据必须留在本地的情况下，能否在我们自己的硬件上运行？
- **报告。** 您能否按月向我们提供本账户的能耗和排放数据，并采用我们可用于自身报告的格式？
- **硬件寿命。** 您的服务器服役多长时间？退役后如何处理？
- **变更通知。** 如果您更换了我们服务背后的模型，会通知我们吗？

有两项欧盟法律值得了解，即使您不在欧盟，因为大型供应商普遍会遵循它们：

- **欧盟《人工智能法》**要求通用 AI 模型的提供商记录模型已知或估算的能耗（附件 XI）。
- **《能源效率指令》**要求 IT 电力需求至少为 500 kW 的数据中心运营商，向一个欧洲数据库报告能源绩效，包括能耗和用水量（授权条例 2024/1364）。

我们的[可持续 AI 采购](/zh/良好实践/可持续的-ai-采购/)指南提供了更完整的问题清单，[托管与数据中心](/zh/良好实践/绿色-ai-的托管与数据中心/)解释了这些答复的含义。您可以在[产品目录](/zh/产品/)中寻找供应商，并在[顾问目录](/zh/顾问/)中寻求独立帮助。

## 我们如何测量 AI 的能耗和排放？ {#how-do-we-measure-ai-energy-and-emissions}

能测量的就测量，其余部分公开地估算，并跟踪您能控制的指标。完美的数字很少能拿到，但采用一致的方法，就能看出您是否在进步。

- **您自己的硬件或云主机。** CodeCarbon 等开源工具会根据处理器和内存的耗电量以及当地电网的碳强度来估算排放。
- **第三方 AI 服务。** 记录使用的 token、调用次数和模型。如果供应商提供了每次请求的能耗数字，就用它相乘；如果没有，就使用已发表的估算值，并加以说明。
- **单位。** 能耗用 kWh 报告，排放用 kg CO₂e（二氧化碳当量）报告，并说明您使用了哪个电网排放因子。
- **按成果计算。** 除总量外，还要跟踪每个有用成果的能耗，例如每处理一张发票的能耗。这能显示返工和重试的影响。

参见[如何测量 AI 能耗](/zh/良好实践/如何测量-ai-的能耗和碳排放/)和[为什么测量是瓶颈](/zh/文章/测量是绿色-ai-的瓶颈/)。

## AI 如何纳入 CSRD 和 ESG 报告？ {#how-does-ai-fit-into-csrd-and-esg-reporting}

AI 用电是您能源使用的一部分，因此应纳入您现有的排放报告，而不是单独成报。在大多数报告框架中，如果硬件由您自己运行，它属于外购电力（范围 2）；如果您使用云服务或 AI 服务，它属于外购服务（范围 3）。

在欧盟，《企业可持续发展报告指令》（CSRD）的适用范围在 2026 年被收窄。欧盟理事会于 2026 年 2 月给予最终批准，将其限定为员工超过 1,000 人且年净营业额超过 4.5 亿欧元的企业。如果您低于这一标准，适用范围内的大客户仍可能向您索取数据，您也可以选择自愿报告。在欧盟以外，请查看本国规定以及您所遵循的自愿性框架。

无论您承担何种义务，都应像对待其他重要能源使用一样对待 AI：说明方法、边界和不确定性。

## 我们如何在员工中养成好习惯？ {#how-do-we-build-good-habits-among-staff}

给员工几条简单的规则，并默认提供合适的工具，而不是要求他们每次都去考虑能耗。在许多人每天多次使用 AI 的地方，习惯最为重要。

- **选对工具。** 搜索引擎、模板、电子表格和现有软件往往就够用了。在能真正节省时间或提高质量的地方使用 AI。
- **简明扼要。** 问题要清楚，要求简短的回答；只需一节内容时，不要粘贴整份文档。
- **避免“老虎机”式使用。** 反复重新生成图像或回答代价很高。应改进请求本身。
- 在公司工具中**默认使用更小的模型**，需要时再使用更大的模型。
- **关掉不用的东西。** 软件中默认开启的 AI 功能和闲置的测试机器都会耗电。
- **安排好繁重任务的时间。** 可以等待的批处理工作，例如夜间文档处理，可以在电网更清洁的时候运行。

把这些写进一份简短的政策；我们的[绿色 AI 政策](/zh/良好实践/如何制定绿色-ai-政策/)指南附有模板，[高效使用 AI](/zh/良好实践/高效使用-ai-日常习惯/)提供了更多日常建议。

## 我们如何如实地谈论这件事？ {#how-do-we-talk-about-it-honestly}

只对您测量过的内容做出宣传，说明比较的基准，并写明局限。“可持续 AI”或“碳中和 AI”这类含糊的说法，会招来监管机构和客户的审视。

良好做法：

- 说明**基准**（“与我们之前的模型相比”）和**测量方法**。
- 把**效率**（每项任务能耗更少）与**总用量**（可能仍在上升）分开。更便宜的 AI 往往导致更多的 AI 使用，这被称为[回弹效应](/zh/术语表/#rebound-effect)。
- 不要仅凭碳抵消或年度可再生能源证书就称某项服务是绿色的。
- 请记住，一家提供商自行报告的数字，未必能与另一家的相比。

更多内容见[如实的绿色宣传](/zh/良好实践/关于-ai-的诚实环保声明/)和[效率不等于充足](/zh/文章/效率不等于充足-ai-中的反弹效应/)。

## 下一步做什么 {#what-to-do-next}

1. **梳理您的 AI 使用情况。** 列出正在使用的工具、模型和自动化工作流，以及每项大致的运行频率。
2. **挑选一项高频任务**，测试更小的模型能否达到您的质量标准。
3. **开始跟踪**主要 AI 服务的 **token 和调用次数**；在您自己运行硬件的地方，还要跟踪能耗。
4. **把上面的供应商问题**加入您下一次招标或合同续约中。
5. 借助我们的[政策指南](/zh/良好实践/如何制定绿色-ai-政策/)，**发布一份简短的员工政策**，说明何时以及如何使用 AI。
6. 对照[如实宣传指南](/zh/良好实践/关于-ai-的诚实环保声明/)，**审查**您营销材料和报告中的**宣传内容**。
7. **如有需要，寻求帮助**：可以使用[顾问目录](/zh/顾问/)，并在[产品目录](/zh/产品/)中寻找工具。

## 常见问题

### 绿色 AI 会更贵吗？

通常不会。主要手段，例如使用更小的模型、更短的提示词和更少的重复运行，同样能降低 API 费用、缩短响应时间。额外成本主要是员工用于测量和设置模型间路由的时间。

### 我们必须报告 AI 的能耗吗？

在大多数地方，不需要单独报告。但 AI 用电是您能源使用和排放的一部分，因此会纳入更广泛的报告之中，例如适用范围内企业须遵守的欧盟 CSRD，或自愿性的 ESG 报告。

### 更小的模型总是更绿色吗？

不是。模型太小可能会失败，导致重试，或不得不在更大的模型上再运行一次。请用您的实际任务来测试：最绿色的模型，是能一次做对的最小模型。

### 对于不是我们自己运行的云端 AI 服务，如何测量其能耗？

请供应商提供每次请求的能耗及其测量方法。如果对方不愿透露，可以使用已发表的单次提示能耗估算并清楚注明局限，同时跟踪您能控制的指标，例如 token 数量和调用次数。

## 来源

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [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)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
