# 文章

> 以证据为基础的绿色 AI 文章，从这个术语的含义到能效标签、反弹效应以及高效模型背后的数学。

Source: https://greenai.guide/zh/文章/

围绕绿色 AI 关键问题的解读与论述，每篇都注明来源。

- [AI 的能效标识与基准测试](https://greenai.guide/articles/energy-labels-for-ai/): 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。
- [为什么绿色 AI 现在很重要](https://greenai.guide/articles/why-green-ai-matters-now/): 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。
- [主权 AI 与可持续性](https://greenai.guide/articles/sovereign-ai-and-sustainability/): 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。
- [什么是绿色 AI？](https://greenai.guide/articles/what-is-green-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。
- [大学中的 AI 素养，包括 AI 的环境足迹](https://greenai.guide/articles/ai-literacy-in-universities/): 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。
- [效率不等于充足：AI 中的反弹效应](https://greenai.guide/articles/efficiency-is-not-sufficiency/): 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。
- [智能体 AI 与 token 浪费](https://greenai.guide/articles/agentic-ai-and-token-waste/): 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。
- [测量是绿色 AI 的瓶颈](https://greenai.guide/articles/measurement-is-the-bottleneck/): 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。
- [编排优先于生成](https://greenai.guide/articles/orchestration-over-generation/): 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。
- [让 AI 更高效的数学](https://greenai.guide/articles/maths-for-efficient-ai/): 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。
- [边缘 AI：更环保，还是只是更不显眼？](https://greenai.guide/articles/ai-at-the-edge/): 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。
