本次查询：Green AI
中文解释：绿色人工智能
常见场景：科研机构 / 云服务商的模型训练优化 / AI芯片厂商的能效设计 / 以及企业ESG报告中AI算力的碳足迹核算
一句话解释
Green AI（绿色人工智能）强调在追求AI模型精度的同时，关注并减少训练和推理过程中的能源消耗与碳排放，让AI技术更环保、更经济。
为什么会被关注
随着大模型参数规模突破千亿量级，一次训练耗电量可达数十万度，碳排放相当于几十辆燃油车全年驾驶。
企业ESG（环境、社会和治理）报告要求量化运营碳足迹，AI算力成为重点核算对象。
芯片和能效瓶颈倒逼研究者在精度和能耗之间寻找平衡，否则算力成本将不可持续。
核心逻辑
Green AI的核心是建立“每单位效能能耗”的度量体系，如每比特推理的焦耳数，而非单纯追求测试基准上的极小精度提升。
具体方法包括：使用稀疏矩阵、知识蒸馏、量化剪枝等模型压缩技术；采用低精度计算（如FP8/BF16）；以及通过数据中心绿色能源和余热回收降低运营碳排。
常见场景
学术机构在论文中标注模型的总训练能耗和碳排数据，推动可重复性研究。
云服务商提供“绿色训练套餐”，引导用户选择低峰期或绿电充裕时段运行任务。
边缘设备（如手机、IoT）采用小模型+硬件加速，既节能又降低延迟。
容易混淆的点
Green AI不等于“低精度模型”，而是要求精度与能耗的帕累托最优，有时适度降低精度反而能大幅节能。
仅使用碳抵消（如购买碳汇）不算真正的Green AI，因为它不改变算力本身的能效。
可重复性（Reproducibility）是Green AI的重要支柱：缺乏能耗记录的论文无法被验证和改进。