我们正在经历一场触目惊心的算力浪费

没有人会在无聊时反复开关自己家中的电器，但却有无数人会在无聊时反复与AI大模型进行无意义对话，或是反复下达无意义任务。

一个常识是，我们与AI大模型的每一次对话都会消耗一定的算力，业内术语叫“Token”，而与Token的消耗同时发生的是电力的消耗。

有意思的是，人人都知道反复开关电器是对电力资源的浪费，但却很少有人意识到漫无目的地使用AI大模型，同样也是对电力资源的浪费。

AI大模型对电力的消耗究竟有多大，我们不妨以一组直观的数据说明：

1. ChatGPT每天要响应大约2亿次请求，消耗50万度电，相当于1.7万个美国家庭一天的用电量；
2. 当前全球生成式AI大模型的年耗电量达24.97-41.1 TWh，约相当于中国三峡工程年发电量的40%；
3. 每生成10秒1080P视频大约消耗35万Token，耗电1.4度，相当于一台冰箱运行一天，一部手机充电七次；

看完这组数据，相信你已经对AI大模型的耗电量有了初步的认识，并且开始意识到算力的浪费本质上是对地球能源的浪费。

而算力的浪费主要分为两种，一种是模型本身导致的浪费，一种人为因素导致的浪费。

模型本身导致的浪费，主要受限于各大模型的技术水平，在执行命令的过程中会反馈无效的结果，或者说未达预期的结果。最典型的场景就是“抽卡”，抽到无效结果需要重新生成，严格说就是浪费。

比如，我们使用AI大模型生成一段视频，结果画面中有一处细节不满意，再次生成，那么之前生成视频耗费的算力就被浪费掉了。

或者在生成文本的过程中，大模型自身出现“幻觉”，给出了答非所问或者无中生有的答案，这个结果在生成过程中消耗掉的算力也被浪费掉了。

目前由于大模型本身造成的算力浪费比例大约在20%-70%。但考虑到很大程度上是由目前大模型能力水平决定的，这种浪费情有可原。

相比之下，由人为因素造成的算力浪费要更加触目惊心。有统计显示，因为人为原因造成的算力浪费远远超过模型本身的浪费，算力浪费占总消耗的比例甚至达到80%以上。

人为浪费最常见的情景就是漫无目的地“瞎玩”，反复进行无意义对话，比如：“你是谁?”、“在吗？”、“讲个段子”，或者模糊提问：“帮我写点东西”、“做个PPT”。再或者同一个问题反复问，不说清要求，让AI反复修改。

还有一种典型的场景是，很简单的需求，根本不需要问AI却非要使用AI。比如问天气，明明手机桌面就有天气显示，非要打开AI应用问AI。

还有一种算力消耗更大的场景，就是使用AI Agent处理复杂任务，但提出的任务又没有太大实际价值。

最近火爆AI圈的“龙虾”，许多人安装测试，我自己也安装了一个国内版本的“龙虾”，并提出了一个任务“打开我电脑桌面所有图片并轮番播放演示”，它做到了，同时消耗了0.2元的Token成本，有位媒体同仁说：“花了2毛钱就干这个？”

虽然我下达这个任务是为了测试，但这个问题让我突然意识到，我其实是在无意之中造成了一次算力浪费，以及背后的电力资源浪费。

我发现有很多测试者下达的任务更加让人啼笑皆非，比如有人花了很大的精力部署了“龙虾”，结果下达的任务却是：“在桌面新建一个文件夹”、“为我打开XX网站”。

如此种种，明明自己动手能完成而且更加高效的任务，却非要交给Agent，这不是浪费又是什么呢？

这样的浪费现象如今时时刻刻都在上演，而且是全球范围大模型的上演。由此造成的资源浪费，实在让人痛心。

我认为核心的问题是，AI已经足够强大了，但我们人类还有做好准备。绝大多数人根本不知道自己可以使用AI做什么。没有需求，凭空创造需求也要先用一用。这是当前算力浪费的主要原因之一。

AI好比一把锤子，我们拿到手里就开始到处找钉子。东一锤西一锤，最后发现做的全是无用功。

我想，为了避免算力的浪费，在我们每次使用AI之前，都有必要问自己几个问题：

1. 你想清楚自己真正的需求是什么了吗？
2. 这个需求必须通过AI才能解决吗？
3. 如果必须通过AI解决，那么你能够准确描述自己的需求吗？

这些问题并不会占用你很长时间，但却可以有效避免AI算力的浪费。毕竟，浪费也是一种犯罪。