能效评估：可持续AI指标

可视化演示

展示最近最久未使用(LRU)页面置换算法的执行过程，逐步演示页面访问时的命中与缺失处理。

可持续AI概述

老王第一辆车只跑了一年就后悔，因为油耗和保养费吞掉了省下的车价。后来他学聪明了，换车时列了一张表：油耗多少、排放多少、使用频率多高、几年后还能卖多少钱。他发现，“好不好开”不再是踩一脚油门说了算，而是要看整辆车的全生命周期表现。

AI 世界正在经历同样的转变。过去衡量一个模型，标准就两条：精度高不高、推理快不快。但训练一个大语言模型可能消耗数十万度电，产生数十吨二氧化碳，这笔“环境账单”不再能被忽视。于是可持续AI指标应运而生，它把评估从单一性能维度扩展为环境、经济、社会三个维度，像一张全面体检单，为AI系统打分。

• 环境维度：模型训练和推理直接消耗电力，进而产生碳排放，碳排强度是核心度量。

• 经济维度：算力成本、能效比决定了 AI 项目的长期财务可持续性。

• 社会维度：模型是否可复用、技术能否沉淀为社会公共资源，影响整个行业的重复投入。

综合三者，可定义一个加权总评分：

$$\displaystyle S_{sustainable} = \alpha \times E_{env} + \beta \times M_{eco} + \gamma \times S_{soc}$$

1. 环境维度得分：衡量碳排强度、能源结构友好度等环境表现，值越小越好，归一化后参与加权。

$$E_{env} = \text{norm}(-\log(\text{CE}))$$

2. 经济维度得分：衡量训练和推理的单位成本效益，能效比越高得分越高。

$$M_{eco} = \text{norm}(\text{EE})$$

3. 社会维度得分：衡量模型可复用性带来的行业级减排效益。

$$S_{soc} = \text{norm}(R_{model})$$

4. 权重系数：企业根据不同战略目标调节三维度的重要性，三者加权和为1。

$$\alpha + \beta + \gamma = 1$$

正如老王最终选了全面均衡的车，AI 团队做技术选型时，也不能只盯着排行榜上的精度数字。可持续AI指标的价值，就是让每一个算力决策都像“买车前的体检”一样，看得见长远的账。

碳排强度

老王第一次年检时，尾气排放超标让他多花了三千块整改费。修车师傅说了一句话让他印象深刻：“车好不好，不只看跑多快，还要看排多少废气。”从此老王买车必看排放数据，同样的路，排得越少，越心安理得。

AI 的“尾气”就是训练和推理过程中消耗电力所间接产生的二氧化碳。碳排强度（Carbon Emission Intensity）把抽象的“环保”变成了一个可计算、可比较的数值：完成单位任务产出所排放的二氧化碳量。一个模型精度再高，如果每提升 1% 精度就要多排几吨碳，项目的“性价比”就需要重新掂量。

核算碳排强度需要四个关键数据：硬件总功率、训练时长、电网排放因子和任务性能：

$$\displaystyle \text{CE} = \frac{P_{total} \times T_{train} \times \text{EF}}{A_{task}}$$

1. 硬件总功率：训练所用全部GPU、CPU、内存等设备的总功耗，单位千瓦（kW）。

$$P_{total} = P_{GPU} \times N_{GPU} + P_{other}$$

2. 训练时长：从开始训练到收敛所花费的总时间，单位小时（h）。

$$T_{train} = T_{end} - T_{start}$$

3. 电网排放因子：每千瓦时电对应的二氧化碳排放量，各国各地区差异很大，单位 kgCO₂/kWh。

$$\text{EF} = \sum_{i} \omega_i \times EF_i$$

4. 任务性能：模型在目标任务上的能力得分，如准确率、BLEU 值等。

$$A_{task} = \text{Accuracy}$$

老王后来换车专挑低排放车型，因为尾气越少，年检越省心。AI 团队也应当把碳排强度纳入模型评估的“年检清单”：同样的任务，选碳排低的方案，不仅对环境更友好，也往往意味着耗电更少、电费更省，一举两得。

能效比

老王买第二辆车时，销售不再只报马力，而是指着仪表盘说：“这车百公里油耗 5 升。”老王一算，加一箱油能跑 800 公里，比第一辆多出近一倍。从“一箱油能跑多远”的角度看车，买车思路完全不同。

对应到 AI 领域，这个“一箱油跑多远”就是能效比（Energy Efficiency）。它衡量的是：消耗单位能量能换来多少模型性能。在精度相近的两个模型中，能效比高的那个意味着花更少的电费达到同样的效果，是经济维度的核心指标。

能效比的计算方式很直观——用模型性能除以总能耗：

$$\displaystyle \text{EE} = \frac{A_{model}}{E_{total}} = \frac{A_{model}}{P_{total} \times T_{train}}$$

1. 模型性能：模型在验证集上的核心指标，作为产出端的度量。

$$A_{model} = \text{Accuracy / F1 / BLEU}$$

2. 总能耗：训练全过程消耗的电能，单位千瓦时（kWh）。

$$E_{total} = P_{total} \times T_{train}$$

3. 能效比计算：性能与能耗的比值，消除训练规模差异后实现跨模型比较。

$$\text{EE} = \frac{A_{model}}{E_{total}}$$

不过能效比提升不是免费的午餐。老王发现，想省油就得接受起步稍慢；AI 也一样，量化、剪枝等能效优化手段通常会牺牲少量精度。聪明做法不是追求单一指标极致，而是像老王选车那样，在动力和油耗之间找到平衡点——精度只掉 0.5%，能耗却省了一半，这买卖划算。

硬件利用率

老王买了车才发现，自己每天通勤来回只有 20 公里，车一周有六天停在车库。一台 30 万的车，真正发挥作用的时间不到 15%。朋友笑他：“你不是买了辆车，是租了个车位。”老王这才意识到，车最大的浪费不是油钱，而是“买了不用”。

AI 训练集群的“买了不用”就是硬件利用率偏低。很多团队购买了大量 GPU，实际跑计算的时间却少得可怜。数据加载太慢，GPU 在空等；多卡同步时，快的等慢的，大家一起发呆。花大价钱买来的算力，利用率可能只有 30%-50%。

硬件利用率定义为计算时间占总时间的比例：

$$\displaystyle U_{hw} = \frac{T_{compute}}{T_{total}} \times 100\%$$

1. 计算时间：GPU 实际执行矩阵运算等有效计算的时间总和。

$$T_{compute} = \sum_{j} t_{kernel\_j}$$

2. 总时间：从任务开始到结束的墙钟时间，包含等待、通信、I/O 等所有环节。

$$T_{total} = T_{compute} + T_{wait} + T_{io}$$

3. 利用率换算：计算时间占比越高，硬件资产越“物尽其用”。

$$U_{hw} = \frac{T_{compute}}{T_{compute} + T_{wait} + T_{io}} \times 100\%$$

提升利用率的手段和“让车多跑起来”的思路一致：拼车（加大批次）、错峰出行（动态调度）、优化路线（数据预取与流水线）。当 GPU 利用率从 40% 提到 80%，相当于同样的硬件免费多干了一倍的活，这是绿色 AI 最立竿见影的省钱手段。

模型可复用性

老王卖第一辆车时，二手车商给的报价让他心碎：车况好但太小众，配件难买，没人愿意接手。第二辆车因为保有量大、改装件多，三年后还能卖出四成价格。老王总结了一条经验：买车的隐形价值，藏在“将来好不好转手”里。

模型的“转手价值”就是可复用性。一个模型训练完成后，是只服务于单一任务，还是能被其他团队、其他场景反复利用？可复用性强的模型，下游任务可以直接微调、零样本使用，避免每次从零开始训练，节省的算力和碳排放非常可观。

可复用性可以用“下游复用率”来量化：

$$\displaystyle R_{model} = \frac{N_{downstream}}{N_{candidate}} \times 100\%$$

1. 下游复用数：模型被成功迁移到下游任务的数量，包括微调和零样本场景。

$$N_{downstream} = N_{finetune} + N_{zero\_shot}$$

2. 候选场景数：模型能力范围内可覆盖的全部潜在应用场景数量。

$$N_{candidate} = \text{任务池规模}$$

3. 复用率计算：实际复用与潜在复用的比例，体现模型的“公共资产”属性。

$$R_{model} = \frac{N_{downstream}}{N_{candidate}} \times 100\%$$

评估可复用性要看三件事：文档是否够用（别人学得会）、接口是否规范（别人接得上）、许可是否宽松（别人敢用）。一个发布即开源、附详细文档的大模型，就像一辆保值神车——整个行业都能受益，重复训练的碳排也随之大幅下降。

综合评估框架

老王最终买了一辆混动车，不是因为某一项天下第一，而是因为它在油耗、排放、使用率、保值率各项得分都名列前茅。他照着汽车评测 APP 的综合评分表逐项打分，才做出这个决定。选 AI 方案，也需要这样一张“综合评分表”。

综合评估框架把碳排强度、能效比、硬件利用率、模型可复用性等指标整合在一起，经过归一化消除量纲差异后，按权重加总得到一个综合评分，为模型选型、云资源采购、算法优化提供决策依据。

$$\displaystyle \text{GAI} = \sum_{i=1}^{N} w_i \times \text{norm}(m_i)$$

1. 原始指标：碳排强度、能效比、硬件利用率、可复用性等各自的原始测量值。

$$m_i \in \{\text{CE}, \text{EE}, U_{hw}, R_{model}, \dots\}$$

2. 归一化：将不同量纲的指标映射到同一区间，使它们可以直接比较和加权。

$$\text{norm}(m_i) = \frac{m_i - m_{min}}{m_{max} - m_{min}}$$

3. 权重分配：根据企业战略对每个指标赋予重要性权重。

$$\sum_{i=1}^{N} w_i = 1, \quad w_i \geq 0$$

4. 综合得分：加权求和后得到单一可排序的可持续性总分。

$$\text{GAI} = \sum_{i=1}^{N} w_i \times \text{norm}(m_i)$$

这套框架落地时，通常伴随 CodeCarbon、MLPerf Power 等开源工具支撑数据采集。从采集硬件功耗，到核算碳排，到生成可视化报告，形成完整闭环。老王靠评分表选到了合心意的车，AI 团队靠综合评分表，才能在性能陷阱与绿色承诺之间做出清醒决策。

AI 应用场景

Python 演示

class TrainingRun:    def __init__(self, name, gpu_count, gpu_power_w, hours, accuracy, carbon_factor=0.581):        self.name = name        self.gpu_count = gpu_count        self.gpu_power_w = gpu_power_w        self.hours = hours        self.accuracy = accuracy        self.carbon_factor = carbon_factor     def metrics(self):        energy_kwh = self.gpu_count * self.gpu_power_w * self.hours / 1000.0        carbon_kg = energy_kwh * self.carbon_factor        eff = self.accuracy / energy_kwh if energy_kwh > 0 else 0.0        return energy_kwh, carbon_kg, eff  def main():    runs = [        TrainingRun("traditional-128gpu", gpu_count=128, gpu_power_w=400, hours=72, accuracy=0.92),        TrainingRun("green-light-32gpu", gpu_count=32, gpu_power_w=300, hours=48, accuracy=0.89),    ]    print("=== Sustainable AI Report ===")    for run in runs:        energy, carbon, eff = run.metrics()        print(f"{run.name}: energy={energy:.0f}kWh carbon={carbon:.0f}kg eff={eff:.5f}")  if __name__ == "__main__":    main()

1. energy_kwh = self.gpu_count * self.gpu_power_w * self.hours / 1000.0计算总能耗：显卡数量 × 单卡功率 × 训练小时数，除以1000把瓦时转为千瓦时。
2. carbon_kg = energy_kwh * self.carbon_factor用电网排放因子把电耗换算成二氧化碳排放量。
3. eff = self.accuracy / energy_kwh if energy_kwh > 0 else 0.0能效比等于精度除以能耗，能耗为零时兜底返回0避免除零错误。
4. TrainingRun("green-light-32gpu", gpu_count=32, gpu_power_w=300, hours=48, accuracy=0.89)绿色方案用更少GPU、更短时间、更低功率，精度仅低0.03，但能耗和碳排大幅下降。
5. for run in runs:统一遍历两个训练配置，输出可持续指标报告，方便横向对比。

常见误区

面试题