AI耗电黑洞背后：一群人在算"怎么让智能体少坏一点"

训练一个大模型消耗的电力，能让一个小国家用上一年。这不是比喻——这是2024年几家科技巨头数据中心的真实能耗水平。而当所有人都在抢建算力中心、烧煤烧气发电的时候，有个研究者却在做一件看起来有点"不合时宜"的事：她想要一份AI碳排放的透明账单。

Sasha Luccioni，Hugging Face的AI可持续发展研究员，过去四年干了一件事——给开源AI模型做"能耗排行榜"。哪个模型跑起来省电、哪个是电老虎，她列得清清楚楚。现在她更进了一步：拉上Salesforce前可持续发展负责人Boris Gamazaychikov，刚成立了Sustainable AI Group。他们的目标很具体：帮企业搞清楚，"在不得不用的前提下，怎么让AI智能体稍微少坏一点"。

《连线》杂志最近跟她聊了聊。聊完你会发现，企业对AI能耗的焦虑，可能比你想的更深。

【员工在问：逼我们用Copilot，ESG目标怎么办】

Luccioni说，她接触的企业客户里，压力首先来自内部。

"员工在问，董事会也在问，董事们在问——'你们得量化这个。'员工说的是：'你们逼我们用Copilot，这怎么算进我们的ESG目标？'"

这个场景很真实。一家公司买了微软的AI办公套件，全员上线。然后可持续发展部门发现：电表在狂转，碳排放在飙升，但没人能说出具体数字。因为微软不告诉你Copilot单次调用耗多少电，也不告诉你数据中心用的是煤电还是风电。

Luccioni说，对于大多数公司来说，AI已经成了核心业务的一部分。这就意味着，风险必须被理解。"他们必须知道模型跑在哪里。不能继续用那种连数据中心位置、连接入什么电网都不知道的模型。"

供应链排放、运输排放、数据中心运营排放——这些以前属于"供应商黑箱"的信息，现在被员工和投资者追着要。

【不是不用AI，是用得明白】

Luccioni的态度很明确：抵制AI已经不可能了。"我觉得我们已经过了那个阶段。"

她的方案是"精细化选择"。选对的模型，而不是最大的模型。发出信号——能源来源很重要，客户愿意为可再生能源数据中心多付一点钱。找到"信这个的人"，在组织里推动改变。

这听起来像理想主义，但她有数据支撑。她在Hugging Face做的能耗排行榜证明：同样任务，不同模型的能耗可以差几十倍。企业如果知道这个数字，采购决策会完全不同。

【一个被忽视的盲区：AI工具的类型差异】

Luccioni的新公司还有一个具体的研究方向：不同AI工具的能耗特征。

"语音转文字翻译，或者照片生成视频——这些领域的能耗研究目前是被低估的。"她说。

这是个有趣的观察。公众讨论AI能耗时，往往聚焦在大语言模型的训练成本上。但应用层的能耗同样可观，而且形态各异。一个实时语音翻译系统，和一个批量处理视频的生成模型，它们的计算模式、峰值负载、能效曲线可能完全不同。

这些细节没人整理，企业采购时也就无从比较。Luccioni想填补这个空白。

【大公司在隐瞒什么】

采访中Luccioni没有点名，但她的批评指向明确：主要AI公司"故意对公众隐瞒能源和可持续发展信息"。

这不是阴谋论。2024年，Google、Microsoft、Amazon都曾在可持续发展报告中承认，AI扩张导致其碳排放不降反升。但具体到单个产品的能耗、单个数据中心的能源结构，这些数字被归类为商业机密。

Luccioni的能耗排行榜之所以重要，正是因为它绕过了商业黑箱，用开源模型的可测量性建立了一个参照系。虽然闭源巨头的模型不在榜上，但企业至少可以问：我要买的这个服务，比开源替代方案贵多少倍能耗？

【政治逆风中的需求增长】

外部环境并不友好。特朗普政府在推动"不计代价建设AI"，同时 rollback 环境监管。科技巨头们一边承诺减排，一边抢购化石能源驱动的算力中心。

但Luccioni说，来自客户侧的透明度需求"比以往任何时候都高"。

这个判断值得注意。它暗示了一种市场分化：一部分企业选择跟随政策放松，另一部分则在为更严格的披露要求做准备。欧盟的《企业可持续发展报告指令》（CSRD）已经开始生效，美国加州也有类似的披露法案在推进。跨国企业如果不提前建立数据能力，未来可能面临合规风险。

【"稍微少坏一点"背后的务实哲学】

Sustainable AI Group的成立宣言里有一句很实在的话：帮助企业找到"能让智能体稍微少坏一点的杠杆"。

"稍微少坏一点"——这个表述本身就很Luccioni。不承诺拯救世界，不假装技术中立，承认AI的环境代价，然后在约束条件下寻找优化空间。

这种姿态在当下的AI讨论中很少见。媒体更喜欢"AI拯救气候"或"AI毁灭地球"的极端叙事。但Luccioni的工作在中间的灰色地带：AI已经在用了，问题是怎么用得稍微负责一点。

她的方法也有趣：用排行榜创造竞争压力，用透明度倒逼改进，用具体工具的能耗研究填补知识空白。这些都是工程师能理解的逻辑，而不是道德说教。

【留给读者的思考】

如果你所在的公司也在采购AI服务，可以问三个Luccioni式的问题：

第一，这个模型的能耗数据在哪里？如果供应商说"商业机密"，这本身就是一个信号。

第二，它跑在哪个电网？煤电占比多少？有些云服务商现在开始提供"绿色区域"选项，虽然贵一点，但能让可持续发展部门睡个好觉。

第三，有没有更轻量的替代方案？不是所有任务都需要最大最贵的模型。Luccioni的排行榜证明，很多时候70分的模型比95分的模型省电十倍，而业务差距可能只有5%。

这些问题不会阻止AI扩张，但可能让扩张稍微慢一点、稍微透明一点。在"不计代价"成为主流口号的年代，"稍微"本身就是一种立场。

Luccioni说她在找"信这个的人"。他们存在于员工群体里，存在于董事会里，存在于采购决策的某个环节里。她的新公司要做的，就是给这些人提供弹药——数字、工具、和一套能把能耗纳入商业决策的语言。

这不是对抗AI的故事。这是一个关于"在洪流中保持清醒"的故事。而清醒的第一步，往往是承认：我们确实不知道很多本该知道的事。