简而言之
日常使用 AI 的能耗,大部分取决于让它读写多少内容、重新运行多少次,以及要求哪种类型的输出。清晰简短的提示、减少反复重新生成、克制地生成图像和视频,以及关闭您不用的 AI 功能,都能在不放弃好处的前提下带来实实在在的改变。
要点
- 能耗随 AI 读写内容的长度而上升;联合国教科文组织(UNESCO)和伦敦大学学院(UCL)发现,更短的提示和回复可使能耗降低 50% 以上。
- 长输入代价高昂:Epoch AI 估计,100,000 个 token 的输入会使一次典型查询的能耗从约 0.3 Wh 升至接近 40 Wh。
- 在 2024 年的一项研究中,图像生成是能耗最高的 AI 任务:平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。
- 一遍又一遍地重新生成是隐性成本:先规划好请求,然后在已有结果上修改,而不是从头再来。
- 关闭您不用的 AI 功能,并重复利用好的输出,而不是重新生成。
我使用 AI 时,能源花在了哪里?
最重要的有三点:AI 读写多少文本、您运行它多少次,以及您要求哪种类型的输出。 模型的规模和数据中心也有影响,但那些大多由服务提供商决定;您的习惯则由您自己掌握。
语言模型以 token(词元)为单位处理文本,每个 token 是几个字符组成的片段。您发送的每个 token 和返回的每个 token 都要经过计算。Epoch AI 估计,一次典型的 ChatGPT 查询约耗能 0.3 Wh,但 10,000 个 token 的输入(大约一篇短论文)会使其升至约 2.5 Wh,100,000 个 token 的输入则接近 40 Wh。联合国教科文组织和伦敦大学学院 2025 年的一份报告发现,更短、更简洁的提示和回复可使能耗降低 50% 以上。
这并不意味着单个问题会消耗大量能源,而是说,许多人反复养成的习惯累积起来就很可观。
如何写出浪费更少的提示?
清楚地说明您想要什么,只提供必要的背景,并要求您需要的长度。 规划周全的请求通常一次就能得到可用的答案,这是最大的节省。
- 先想好再输入。 确定目的、读者、格式和长度。
- 背景只给一次,而且只给相关的。 粘贴要紧的那一段,而不是整份报告。
- 要求您需要的长度: “三个要点”“150 字以内”“只给出改正后的句子”。
- 任务各不相同时,一次只问一件事; 相关步骤属于同一件事时,则合并在一起。
- 只需快速回答时,关闭扩展推理或“深度研究”模式。 这些模式会生成多得多的隐藏文本。
- 愿意的话,省去客套话。 2026 年的一项研究测量了“谢谢”等简短礼貌消息的能耗,以说明每一次额外的往来在大规模下都有成本。每条消息节省得不多,但不花任何代价。
如何避免反复重新生成?
在已有答案上修改,而不是从头再来,够好了就停下。 反复重新生成是最大、也最不显眼的浪费来源之一。
在 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)上,与会者描述了有人把图像或视频生成运行了 25 次,仍然没有得到想要的结果。每一次尝试都要付出全部代价。
要打破这种循环:
- 写出更好的要求,而不是尝试更多次。 如果三次都不对,问题出在请求本身。
- 修改,而不是重新生成。 提出具体的修改(“把第二段写短一些”),而不是要一个全新的答案。
- 使用合适的工具。 拼写检查器、模板或搜索引擎可能更快、更轻量。
- 设定停止规则: 例如最多尝试三次,然后重新思考或手动完成。
- 对于无关紧要的工作,接受“够好就行”。
为什么图像和视频的代价更高?
生成图像,尤其是视频,所需的计算量远超大多数文本任务。 请在它们能带来真正价值时再选用。
在 Luccioni、Jernite 和 Strubell 2024 年的研究中,图像生成是所测量任务中能耗最高的,平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。作为参照,作者指出,给一部普通智能手机充一次电需要 0.022 kWh。他们测试的效率最低的图像模型每 1,000 张图像耗能 11.49 kWh。视频生成每个片段要生成许多帧,因此预计代价更高,不过可比的公开数据很少。
有帮助的习惯:
- 先画草图或描述清楚;想法明确后再生成。
- 按您需要的分辨率和长度生成,然后只放大您保留的那一张。
- 重复使用您已经生成的图像,或使用现有照片和图库。
- 不要默认为每份文档或每篇帖子都生成装饰性图片。
团队可以如何利用缓存和重复使用?
保存并重复使用好的输出,让系统重复利用已经处理过的内容。 把同样的东西生成两次纯属浪费。
适用于所有人:
- 建立一个共享库,收录好的提示、模板和已批准的输出(标准回复、摘要、图像)。
- 生成新内容之前先搜索这个库。
适用于把 AI 集成进工具的人:
- 缓存响应, 对相同的请求不再重复调用模型。
- 对固定指令和共享背景使用提示缓存(prompt caching)。 主要服务提供商会对重复的提示前缀复用已处理过的输入;OpenAI 表示,对于长提示,这最多可将首个 token 的响应时间缩短 80%。
- 不要每一轮都重新发送整段对话: 限制历史长度,对较早的轮次做摘要,只检索相关内容。
- 给智能体(agent)设定停止条件和步数上限,以免它们陷入循环。参见智能体 AI 与 token 浪费。
我应该关闭哪些默认功能?
关闭您不用的 AI 功能,并选择让您主动开启而不是被动退出的工具。 AI 越来越多地被加入搜索、电子邮件、办公软件和手机中,往往不管您是否需要都在运行。
Green Web Foundation 建议机构询问供应商,捆绑的 AI 功能能否关闭。在 sandpit 上,与会者主张 AI 生成的搜索摘要及类似功能应默认关闭,让 AI 只在需要的地方运行。
请留意:
- 搜索引擎和浏览器中的 AI 摘要
- 办公和电子邮件工具中自动的 AI 起草、改写或会议摘要
- 手机上的 AI 照片增强和助手
- 工作场所工具中“始终开启”的助手和智能体
如果您为机构管理工具,请把默认设置为关闭,让大家在需要时再开启功能。
检查清单
- [ ] 输入提示之前,我知道自己想要什么
- [ ] 我只粘贴相关部分,而不是整份文档
- [ ] 我会要求所需的长度和格式
- [ ] 我在已有结果上修改而不是重新生成,并设有停止规则
- [ ] 我只在图像和视频能带来价值时才使用它们
- [ ] 我从共享库中重复使用好的输出
- [ ] 我已关闭不用的 AI 功能
- [ ] 换新话题时我会新开一个对话
下一步做什么
- 从检查清单中选一个习惯,试行一周。
- 关闭一个您从不使用的 AI 默认功能,无论是在工作中还是在手机上。
- 为您的团队建立一个共享的提示和输出库。
- 如果您开发 AI 功能,请加入缓存和输出长度限制,并测量能耗。
- 检查您使用的工具规模是否合适;参见选择合适的模型。
- 把公众指南分享给朋友,或把课程创意分享给学校。
常见问题
对 AI 说“请”和“谢谢”会浪费能源吗?
每条消息都会消耗一些能源,2026 年的一项研究测量了简短礼貌用语的能耗,以显示其在大规模下的影响。更大的节省来自避免长输入、长输出和反复重新生成。
生成图像比生成文本更糟吗?
通常是的。在 2024 年的一项研究中,图像生成是所测试任务中能耗最高的,平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。
为了节能,我应该停止使用 AI 吗?
不一定。在有帮助的地方使用它,选择能完成任务的最轻量工具,并避免浪费。这正是绿色 AI 的要义。
一段很长的对话比新开一段更耗能吗?
在许多聊天工具中,每一轮都会重新处理整段对话,因此很长的对话串可能变得代价高昂。换新话题时请新开一个对话,只粘贴必要的内容。
来源
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (arXiv 2311.16863) (2024)
- Small Talk, Big Impact: The Energy Cost of Thanking AI, Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- Prompt Caching 101, OpenAI Cookbook (2024)
- Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
- Green Software Patterns: optimise agent orchestration to reduce model calls, Green Software Foundation (2025)
相关内容
为任务选择合适的模型
如何为 AI 选对规模:何时使用小型或专用模型,何时前沿模型物有所值,模型路由如何运作,以及何时根本不该使用 AI。
绿色 AI:写给每个人的通俗指南
使用 AI 在能源和水方面的真实代价,哪些日常习惯重要、哪些无关紧要,如何判断各种说法,以及如何表达您的意见。
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。
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。