沒有人會在無聊時反復開關自己家中的電器，但卻有無數人會在無聊時反復與AI大模型進行無意義對話，或是反復下達無意義任務。

一個常識是，我們與AI大模型的每一次對話都會消耗一定的算力，業內術語叫“Token”，而與Token的消耗同時發生的是電力的消耗。

有意思的是，人人都知道反復開關電器是對電力資源的浪費，但卻很少有人意識到漫無目的地使用AI大模型，同樣也是對電力資源的浪費。

AI大模型對電力的消耗究竟有多大，我們不妨以一組直觀的數據說明：

1. ChatGPT每天要響應大約2億次請求，消耗50萬度電，相當于1.7萬個美國家庭一天的用電量；
2. 當前全球生成式AI大模型的年耗電量達24.97-41.1 TWh，約相當于中國三峽工程年發電量的40%；
3. 每生成10秒1080P視頻大約消耗35萬Token，耗電1.4度，相當于一臺冰箱運行一天，一部手機充電七次；

看完這組數據，相信你已經對AI大模型的耗電量有了初步的認識，并且開始意識到算力的浪費本質上是對地球能源的浪費。

而算力的浪費主要分為兩種，一種是模型本身導致的浪費，一種人為因素導致的浪費。

模型本身導致的浪費，主要受限于各大模型的技術水平，在執行命令的過程中會反饋無效的結果，或者說未達預期的結果。最典型的場景就是“抽卡”，抽到無效結果需要重新生成，嚴格說就是浪費。

比如，我們使用AI大模型生成一段視頻，結果畫面中有一處細節不滿意，再次生成，那么之前生成視頻耗費的算力就被浪費掉了。

或者在生成文本的過程中，大模型自身出現“幻覺”，給出了答非所問或者無中生有的答案，這個結果在生成過程中消耗掉的算力也被浪費掉了。

目前由于大模型本身造成的算力浪費比例大約在20%-70%。但考慮到很大程度上是由目前大模型能力水平決定的，這種浪費情有可原。

相比之下，由人為因素造成的算力浪費要更加觸目驚心。有統計顯示，因為人為原因造成的算力浪費遠遠超過模型本身的浪費，算力浪費占總消耗的比例甚至達到80%以上。

人為浪費最常見的情景就是漫無目的地“瞎玩”，反復進行無意義對話，比如：“你是誰?”、“在嗎？”、“講個段子”，或者模糊提問：“幫我寫點東西”、“做個PPT”。再或者同一個問題反復問，不說清要求，讓AI反復修改。

還有一種典型的場景是，很簡單的需求，根本不需要問AI卻非要使用AI。比如問天氣，明明手機桌面就有天氣顯示，非要打開AI應用問AI。

還有一種算力消耗更大的場景，就是使用AI Agent處理復雜任務，但提出的任務又沒有太大實際價值。

最近火爆AI圈的“龍蝦”，許多人安裝測試，我自己也安裝了一個國內版本的“龍蝦”，并提出了一個任務“打開我電腦桌面所有圖片并輪番播放演示”，它做到了，同時消耗了0.2元的Token成本，有位媒體同仁說：“花了2毛錢就干這個？”

雖然我下達這個任務是為了測試，但這個問題讓我突然意識到，我其實是在無意之中造成了一次算力浪費，以及背后的電力資源浪費。

我發現有很多測試者下達的任務更加讓人啼笑皆非，比如有人花了很大的精力部署了“龍蝦”，結果下達的任務卻是：“在桌面新建一個文件夾”、“為我打開XX網站”。

如此種種，明明自己動手能完成而且更加高效的任務，卻非要交給Agent，這不是浪費又是什么呢？

這樣的浪費現象如今時時刻刻都在上演，而且是全球范圍大模型的上演。由此造成的資源浪費，實在讓人痛心。

我認為核心的問題是，AI已經足夠強大了，但我們人類還有做好準備。絕大多數人根本不知道自己可以使用AI做什么。沒有需求，憑空創造需求也要先用一用。這是當前算力浪費的主要原因之一。

AI好比一把錘子，我們拿到手里就開始到處找釘子。東一錘西一錘，最后發現做的全是無用功。

我想，為了避免算力的浪費，在我們每次使用AI之前，都有必要問自己幾個問題：

1. 你想清楚自己真正的需求是什么了嗎？
2. 這個需求必須通過AI才能解決嗎？
3. 如果必須通過AI解決，那么你能夠準確描述自己的需求嗎？

這些問題并不會占用你很長時間，但卻可以有效避免AI算力的浪費。畢竟，浪費也是一種犯罪。