文章
AI 的能效标识与基准测试
2026 年 AI 能效评级的现状:AI Energy Score、MLPerf Power、欧盟《人工智能法》的文档要求和数据中心评级,以及标识能说明什么。
文章
为什么绿色 AI 现在很重要
AI 正推动数据中心用电快速增长,给电网带来压力、推高成本。本文汇总 2026 年关于规模、能源、成本和政策的证据。
文章
主权 AI 与可持续性
各国正在资助本国的 AI 模型和算力。本文梳理支持与反对主权 AI 和公共 AI 的理由,以及它对能源和水的影响。
文章
什么是绿色 AI?
用通俗语言定义绿色 AI:“AI 助力绿色”与“更绿色的 AI”、效率与充足,以及 AI 在能源、碳、水和材料方面的足迹。
文章
大学中的 AI 素养,包括 AI 的环境足迹
学生几乎人人都在用 AI,而教职工培训和考核却跟不上。为什么大学的 AI 素养教育应当涵盖 AI 对环境的影响。
文章
效率不等于充足:AI 中的反弹效应
为什么提高 AI 效率并不能保证总能耗下降,什么是反弹效应或杰文斯效应,以及哪些做法有助于让节省真正落地。
文章
智能体 AI 与 token 浪费
为什么 AI 智能体消耗的 token 和能源可能是一次聊天的许多倍,循环如何造成浪费,以及哪些防护措施能让智能体保持合适规模。
文章
测量是绿色 AI 的瓶颈
为什么 AI 能耗数据难以信任、难以比较:企业自报、估算而非实测、边界各不相同,以及好的测量应当是什么样子。
文章
编排优先于生成
为什么复用经过审核的组件、把请求路由到够用的最小模型能减少 AI 能耗,以及目前的证据说明了什么。
文章
让 AI 更高效的数学
剪枝、稀疏性、草图算法、随机矩阵理论和物理信息模型:数学如何削减 AI 所需的计算量、内存和能源。
文章
边缘 AI:更环保,还是只是更不显眼?
端侧和边缘 AI 可以节省网络和数据中心的能耗,却把计算分散到无人测量的数十亿台设备上。我们知道什么,又不知道什么。