这一年，我和ChatGPT聊掉的电能充500次手机

本文从ChatGPT推出年度使用报告切入，探讨了AI技术在日常应用中的能源消耗问题。背景方面，随着人工智能的普及，研究者开始关注AI生成内容时的实际能耗及其影响因素。研究目的上，文章基于Hugging Face的AI能源得分排行榜，分析了不同模型类别在相同查询数量下的GPU能耗差异，特别指出输出长度和任务复杂性对能耗的显著影响。结论显示，高复杂度的推理模型能耗远高于简单文本生成模型，例如Exaone-4.0-32B每千次查询耗电18.99千瓦时，而distilgpt2仅耗0.00131千瓦时，强调需结合任务类型、输出长度等全面衡量能耗，并呼吁在绿色能源转型背景下优化AI能效。