如果你正在做 AI 应用并且关注能源消耗这个主题值得停下来想一想AI 确实能帮电网调度、天气预报、工业能效优化做很多事情但 AI 本身的算力增长也带来了实打实的电力消耗还被大量用在油气勘探、炼化优化这类直接与化石燃料相关的行业里。所以“AI 对气候到底是有益还是有害”不能只看某一个模型或某一个场景而要把算力侧、应用侧、生命周期侧放在一起算总账。下面我从工程视角拆一下这个争议。不讨论宏大叙事只看运行环境、资源占用、应用场景、监控指标这些能动手验证的部分。1. 这个争议到底在讨论什么AI 的气候影响不是单点数很多人听到“AI 气候效益”时第一反应是 AI 能预测极端天气、优化风力发电、减少交通拥堵。这些能力确实存在也确实有实际落地案例。但另一面同时存在训练和运行大模型需要大量高功率 GPU数据中心要散热电力消耗逐年增加而且不少 AI 项目是被能源公司采购的用于提高勘探效率、优化开采流程。这两个方向放在一起就形成了题目里的那句判断AI 的潜在气候效益可能被“推动化石燃料”这个作用抵消了。1.1 AI 正面价值能优化电网、预测天气、减少工业浪费先看正面。AI 确实能在很多高排放环节里帮上忙常见的有三块。第一是电力系统优化。风力发电和光伏发电都有波动性AI 可以用历史发电数据、天气预报、负荷数据做功率预测帮调度中心更合理地安排火电、水电、储能减少不必要的化石能源备用。这类应用不需要特别大的模型往往是一个时间序列模型配一个推理服务就能产生实际价值。第二是工业能效优化。钢铁、水泥、化工这类流程工业耗能巨大AI 可以基于传感器数据做参数推荐比如调整炉温、燃烧配比、反应时间减少能耗和废品率。这类项目不是新概念传统控制理论也在做但 AI 在非线性、多变量场景里更灵活。第三是建筑和交通调度。办公楼空调、地铁通风、物流路径都可以用强化学习或静态优化来降低能耗。单个场景省电有限规模化之后相当可观。这些方向都有一个共同特点AI 在这里是“减少能源浪费的工具”而且投入产出相对清晰。1.2 负面问题AI 本身在消耗电力也在服务能源高消耗行业但 AI 不可能只做好事。第一层负面是 AI 自己的能耗。一次大规模模型训练需要成百上千张 GPU 连续跑几周耗电量相当于一个中型办公园区。推理阶段更隐蔽一个模型训练完之后要持续服务用户每天成千上万次请求累计耗电往往比训练还高。这个事实很多项目团队一开始不关注等账单出来才开始重视。第二层负面是 AI 被用在化石能源行业。最典型的就是石油天然气上游勘探AI 用于分析地震勘探数据、识别地下构造、预测油藏分布。这类应用能显著提高勘探成功率减少无效钻井从这个角度看它也“节能”了但更直接的效果是帮助发现更多可采储量维持甚至扩大化石能源开采规模。还有炼化厂参数优化、油品供应链调度AI 都在发挥作用。结果就形成一个悖论AI 在一头帮助节省能源在另一头帮助更高效地开采和消耗化石能源。到底哪个力量更大取决于具体项目、电力来源、应用规模而不是某一个宣传口径。1.3 争议焦点是“系统变化”不是“某个模型是否好用”从工程角度看最重要的不是争论“AI 是好的还是坏的”而是建立一个可计算的评估框架。你要先清楚一个 AI 系统在生命周期里消耗了什么、减少了什么、改变了什么。很多项目现在只算“业务价值”比如效率提升了百分之几、成本降低了多少但不算新增算力带来的电力消耗也不算使用 AI 之后对上下游能源结构的影响。这种评估方式在单点项目里没问题放到气候影响这个大命题下就不够用了。真正该做的是把每台 GPU 的功耗、每度电的碳强度、每一条请求的推理开销以及它服务的业务方向全部放在同一个表里看。2. 算力侧训练和推理的能源账怎么算如果你想认真回答“AI 到底消耗了多少能源”不能只凭感觉要把训练阶段和推理阶段分开看。两个阶段的资源特征完全不一样。2.1 训练阶段一次大模型训练消耗什么训练阶段的核心成本是 GPU 集群的持续运行。影响耗电的因素主要有这几个GPU 数量和型号高端训练卡和普通商用卡功耗差距很大单卡功耗可以从几十瓦到几百瓦甚至更高。训练时长训练步数、批量大小、早停条件都会影响总时长。数据中心 PUEPUE 是数据中心总能耗与 IT 设备能耗的比值PUE 越高散热和供电损耗越大。电力来源同样是 1 度电水电、风电、光伏和火电对应的碳排放不一样。我一般会建议项目团队在训练之前先做一个“资源预算”。比如你准备用 8 卡跑 3 天每张卡平均 350W那 IT 侧耗电大概是 8×350×72 小时201.6 度电。再按数据中心的 PUE 1.5 算总耗电约 302.4 度。如果当地电网每度电的碳强度是 0.6kg CO2那就是大约 181kg 二氧化碳。这只是一个粗略估算但能让你对训练成本有个数。注意这里没有算数据加载、存储节点和网络设备的耗电实际数值会更高。这个估算法只适合作为对照真正计量要用硬件功耗监控和电力账单。2.2 推理阶段批量服务和大并发的隐藏成本训练结束后模型进入推理服务阶段。很多人以为推理很轻量单次生成只花几秒但规模化之后不是这样。一个模型如果每小时处理 10 万次请求每次推理平均耗时 200ms那并发压力下需要多少 GPU 或 CPU 取决于部署方式。推理服务往往要常驻运行不管是否有请求节点都在耗电。而且为了保证响应速度团队通常不缩容到零等于 24 小时处于待机状态。待机耗电、自动扩容时启动的新节点、日志采集、监控边车这些都会追加资源消耗。更隐蔽的是多模态模型和长上下文场景。输入一张图片、解释一段长视频、分析长时间语音单次推理的计算量可能比普通文本请求高很多。如果上线前不做压测只按文本请求的规模预估容量很可能需要开好几倍节点才能满足延迟要求能耗曲线直接抬上去。2.3 能耗、碳强度、PUE 和硬件利用率四个关键指标要衡量 AI 系统的气候影响可以先从这四个指标入手。指标说明怎么用能耗度电/kWh某个时间段内训练或推理服务实际消耗的电量按阶段统计训练按任务算推理按服务周期算碳强度所在地区每度电对应的碳排放量gCO2/kWh不同地区差异很大用来换算碳排放如果要对比需固定时间窗口PUE数据中心总能耗除以 IT 设备能耗PUE 越高冷却和供电损耗越大尽量选择 PUE 低的数据中心硬件利用率GPU/CPU 实际使用率、显存占用率、批处理效率利用率过低时单位有效计算耗电量会明显偏高这四个指标不是让你只看某一个而是组合起来看。比如一个集群 GPU 利用率达到 90%说明硬件用得很充分但如果 PUE 是 2.2散热和供电消耗占比太高整体能耗仍然不理想。反过来GPU 利用率 40% 的集群虽然单卡功耗可能不高但单位有效计算成本会翻倍。2.4 最容易忽略的是“闲置资源”我复盘过不少 AI 项目发现真正浪费的地方不是训练本身而是闲置资源。训练任务跑完GPU 节点没有释放推理服务流量低谷期还在按高峰配置跑实验场景开了一堆 Jupyter Notebook人走了进程还挂着。这些闲置资源不会出现在模型指标里但会真实反映在电费和碳排放里。所以做能源核算时要把“节点启动时长”“GPU 空闲占比”“服务缩容策略”都记录进去。否则你会觉得模型跑得很快实际资源消耗比想象中大得多。3. 应用侧AI 在油气和工业里的真实角色算力侧只是一半另一半是 AI 被用来干什么。同样是消耗一度电用在电网调峰和用在油气勘探对能源结构的影响完全不同。要理解“AI 推动化石燃料”这个判断最好从工程场景拆开看。3.1 上游地震解释、油藏模拟和钻探优化油气上游最常见的 AI 场景是地震数据处理。地震数据量大、噪声多传统人工解释需要投入大量地球物理学家。AI 模型可以自动识别断层、盐丘、储层反射特征将解释时间从几周压缩到几天。油藏模拟也是典型场景构建地下流体流动模型需要大量迭代计算AI 代理模型可以加速数值模拟。这些应用的直接价值是提高勘探成功率、降低无效钻井数量。从能源角度看无效钻井少一个意味着钻机燃料、材料、人工都省下来。但同样重要的是更高效、更准确的勘探会提高新储量发现概率导致后续开采活动继续延续。这在商业上是合理的但从气候账来看它会带来新增化石能源产量和后续燃烧排放。我不在这里做商业或政策判断。工程人员要清楚的是AI 在这类项目里的 KPI 往往是“提升勘探成功率”“缩短解释周期”而不是“降低全生命周期碳排放”。所以当你说“AI 能减少能源浪费”时需要明确减少的是钻探浪费还是化石燃料消耗总量。这两个是不同尺度的问题。3.2 中下游炼化、供应链和能效优化油气行业中游是管道运输和储存下游是炼化、销售。AI 在炼化厂里可以做实时参数优化比如根据原油性质、设备状态、市场需求调整催化裂化、加氢等工艺参数提高轻油收率降低能耗。供应链调度也是热点原油采购、运输安排、库存管理都可以做成优化问题减少空驶和仓储能耗。这类项目相对温和因为它优化的是“把油品生产得更高效”。但如果生产规模不变甚至扩大单位能耗下降并不意味着总排放下降。所以评估时要有两个视角一个是“效率提升”一个是“总量变化”。很多 AI 项目只能证明前者后者需要业务数据支持。3.3 工程上的判断标准整体排放变化既然 AI 可以出现在节能场景也可以出现在勘探和生产优化场景那怎么判断单个项目的影响我更推荐的做法是设置一个“排放影响评估基线”部署 AI 之前记录该业务的单位产出能耗、总产出量。部署 AI 之后记录同样的指标并考虑新一轮业务扩张带来的额外产量。如果总产出量不变效率提升带来单位排放下降那好。如果效率提升导致行业整体产量增加那需要额外计算新增产量的全流程排放。很多 AI 项目不采集这些数据导致“效率提升”和“减排”划等号。实际工程里这两个概念经常被混淆。你要做的不是否认 AI 对业务效率的贡献而是把贡献放在更大的系统里重新估值。4. 工程实践AI 系统如何做“气候友好”设计如果你已经决定在自己负责的 AI 项目里加入能耗和气候视角下面这些做法都可以直接落到流程中。4.1 需求评估不该用 AI 的地方别用AI 不是所有问题的默认解。有些场景用规则引擎、线性回归、缓存策略就能解决硬搬大模型只会增加资源开销。我见过不少项目把“用户问题分类”从正则升级成大型语言模型准确率提升有限推理成本上涨十几倍。所以在立项阶段先问三个问题用 AI 是否真的能带来可度量的增益有没有更轻量的传统方法可以达到 80% 的效果模型上线后预期请求量、并发量、QPS 是多少如果答案偏向“现有的简单方法已经够用”就应该选择更简单的方案。这不是排斥 AI而是避免无意义能耗。低能耗 AI 的第一个原则是“尽量不用 AI”。4.2 模型瘦身量化、蒸馏、剪枝如果你的场景确实需要 AI那就要控制模型体积。目前比较成熟的技术包括量化把模型权重从 FP16 压缩到 INT8、INT4推理时显存占用变小速度往往也会提升。蒸馏用大模型生成训练数据训练一个小模型让它模仿大模型的输出。领域简单时小模型效果可以非常接近大模型。剪枝把网络中贡献较低的权重删掉减少计算量。结构化剪枝对硬件更友好。提前退出对简单输入模型在较浅层就能输出不必跑完全部网络层。模型瘦身不是越狠越好。量化会导致精度轻微下降蒸馏需要额外训练成本剪枝需要重新验证。我建议先拿测试集做对比量化后模型 F1、准确率、生成质量是否在可接受范围推理延迟和显存是否明显下降。能通过就上。4.3 部署优化按需扩容、冷热分离、调度部署阶段是能耗优化的重头。要点是让资源使用贴合真实流量曲线。首先是容量规划。不要按峰值流量一直保留全部节点。可以设置自动扩缩容比如 CPU 超过 70% 持续 2 分钟再扩容流量下降后缩容。这样能减少低谷期的空闲浪费。其次是冷热分离。高频使用的模型放 GPU 节点低频使用的模型放到 CPU 节点或者干脆按需加载。很多公司把所有模型都塞在 GPU 集群里低频模型一天只有几十次调用GPU 却一直在线。这种情况用一个轻量 CPU 服务加冷启动缓存更划算。然后是调度。如果有多张 GPU尽量把同批次的推理请求聚合到一个批次减少重复计算。常见的 TensorRT、vLLM、ONNX Runtime 都支持动态批处理。生产环境里提高 GPU 利用率是降低单位能耗最直接的手段。4.4 运行监控给服务加能耗指标你无法改进没有被度量的东西。AI 服务的传统监控指标是 QPS、延迟、错误率、GPU 利用率但很少记录能耗。我建议在监控面板里增加这几项每服务每小时耗电kWhGPU/CPU 平均利用率每千次请求平均耗电当前电力碳强度估算如果有第三方 API 或电网数据按模型版本统计的累计能耗和碳排加这些指标不复杂。GPU 可以用 nvidia-smi 轮询功耗CPU 可以用 RAPL 读取配合 Prometheus 和 Grafana 就能搭一套基础能耗看板。有了看板之后你才能回答“上一个模型版本比这个版本更费电吗”“新上线的量化模型省了多少电”这类具体问题。建议先不要追求精确到毫瓦级别的计量。第一周只需要在原有的可观测性系统里加上“GPU 功耗汇总”和“每请求功耗”两个指标就能发现很多意外。5. 一份可落地的绿色 AI 排查清单理论说得再多最终要落到操作。下面这份清单是我自己在项目里经常使用的顺序适合从单体 Demo 到批量服务排查能源问题时参考。5.1 从最小样例到批量任务的能源差异第一步永远是先跑一个最小样例。如果一条输入都跑不通就不要讨论批量性能和能耗。最小样例要验证的内容包括模型能正常加载输出结构符合预期。单次推理时显存占用、时间消耗在合理范围。输出目录、日志路径、临时文件不会把磁盘写满。跑通之后再进入批量任务。批量任务里要注意输入顺序和数据倾斜。比如一批数据里混入几张超大分辨率图片处理时间可能比其他数据高出 10 倍导致整体队列阻塞。不要一上来就开 30 个并发先用 1 个进程处理 50 条数据记录总耗时、峰值内存和功耗再逐步加并发。5.2 参数取舍批大小、并发数、早停标准能耗优化需要关注一组参数之间的平衡。常见的有训练批大小增大批大小能提高 GPU 利用率但显存不够时反而需要梯度累积增加时长。推理并发数并发过高会导致排队和重试浪费资源并发过低则节点利用不充分。一般通过压测找到“延迟拐点”。训练轮数没有早停的模型训练很浪费。建议设置验证集指标连续 N 个 epoch 不提升就停止。输出长度限制大模型的推理耗时和输出 token 数强相关限制最大输出长度能显著降低耗时和能耗。这些参数没有绝对最优值。我一般会记录“单位有效输出的能耗”而不是只盯着“训练时间”。比如增加批大小让训练时间缩短但如果显存不足导致 OOM 重启反而更耗资源。5.3 常见误区速度、占用和碳排之间的关系容易踩的误区有三个。第一个是“速度快就是能耗低”。不一定。如果提速是通过把模型从 CPU 换到高功耗 GPU 实现的单次耗时下降但单位能耗可能上升。要看整机功耗和响应时间的乘积。第二个是“模型越小一定越环保”。小模型确实推理成本低但如果效果达不到要求需要重复训练、调参、重写提示词整体碳排可能更大。对比时要看达到同样质量水平下的总成本而不是单看参数量。第三个是“本地跑比云端更环保”。本地和云端的能耗取决于硬件效率、资源利用率和电力来源。本地一台满载的旧服务器可能比云端一个高效按需实例更耗电云端如果不缩容同样浪费。核心是看资源利用率而不是部署位置。5.4 排查顺序耗电异常时怎么一步步查如果你的监控发现某个 AI 服务耗电异常升高建议按下面顺序排查看流量这个时间段的 QPS、输入数据量、请求类型是否出现异常。长文本、视频、图片请求数量增加会直接推高计算量。看容量节点数量、GPU 利用率和显存占用是否异常。如果节点没变化但功耗升高多半是单请求变重如果节点自动扩容了要看扩容阈值是否设置过低。看依赖是否有定时任务、数据同步、日志采集在同一时间抢占 CPU/磁盘/网络。看模型版本最近是否发布过新模型权重大小、量化方式、推理框架是否变更。看配置批处理大小、最大输出长度、并发上限、超时时间是否被修改过。这个顺序能覆盖大多数情况。不要上来就怀疑模型本身很多能耗问题其实是流量波动和部署配置引起的。6. 结语AI 不会天然带来气候收益工程化时要算总账把算力侧和应用侧放在一起看会更清楚这个主题的关键AI 的潜在气候效益是存在的但它不是自动发生的AI 在帮助提高能源效率和帮助发现更多化石能源这两个方向上同时发挥作用。对工程团队来说真正能控制的部分不是宏观能源结构而是自己设计、训练、部署的 AI 系统到底消耗了多少资源以及它服务的业务方向能不能带来可持续的收益。6.1 我的实测经验从三个视角拆开看我做过几个 AI 项目的能耗复盘最有价值的改变就是拆开算三笔账。第一笔账是训练账。每次训练任务跑完先看 GPU 累计功耗、训练轮数和早停条件。很多训练任务多跑了十几轮性能提升微乎其微。第二笔账是服务账。推理服务上线后记录每周 QPS、节点数量和 GPU 利用率。遇到流量下降 70% 的周末节点数没变这就是最大浪费。第三笔账是应用账。这个 AI 系统上线后到底改变了什么。如果是优化电网调度那看单位电量节省如果是油气勘探那看它对后续业务产量的影响以及能否在业务目标里加入“降低无效钻探”这类指标。这三笔账不用做得很复杂Excel 或者一个简单的统计脚本就能完成。关键是形成对照让每次工程决策都有能耗依据。6.2 给做 AI 项目的人三条建议如果你正在负责 AI 业务我建议从今天开始做三件事第一给现有模型服务加一个“能耗概览”面板至少记录 GPU 功耗和每千请求耗电。不一定要立刻优化但要能看到趋势。第二在模型选型评估表里新增一列“资源成本”把推理耗时、显存占用、整机功耗和后续扩展成本写进去。不要只看准确率。第三在项目立项时明确一个问题这个 AI 系统是让某项活动的总排放下降还是让单位产出效率更好了如果是后者要意识到它可能被更大的业务增长所掩盖。不要把这个矛盾藏起来把它写进风险清单和业务方一起讨论。6.3 最后一句话AI 的气候影响从来不是一句“AI 会毁灭环境”或“AI 能拯救地球”就能说清的。真正值得做的是在每一个 AI 项目的需求、训练、部署、监控环节里把能耗和业务价值放在同一张表上计算。把这件事做好比单纯等一个“绿色 AI 框架”要可靠得多。