斯坦福团队发布 Joules-to-GDP 框架:衡量每焦耳电能产出多少经济价值
HazyResearch · x · 2026-11-05
Stanford Hazy Research 团队(含 Christopher Re、John Hennessy 等)发布 Joules-to-GDP 论文与全套开源资源,回答一个问题:AI 每消耗一单位能源,究竟能产出多少经济价值。
框架定义了两个指标:Net Value per Joule(NVJ,每焦耳净价值)=产出美元价值减去 AI 执行成本;Time Saving per Joule(TSJ,每焦耳节省的专家时间)。团队在 OpenAI GDPval 的 220 个任务、44 个职业(金融、工程、法律等)上做了实测,核心发现:
- 高价值任务 ≠ 高能效任务:CAD 设计每任务净价值比建网站高约 10%,但建网站每焦耳产出的价值反而高约 27%。
- 最强模型不等于最优能源配置:五个受测模型中 GLM 5.2 平均每任务净价值最高($72.27),耗能约等于 4 小时笔记本活跃使用;而 Gemma 4 31B 用 23% 的能耗达到其 56% 的净价值,NVJ 为 2.5 倍、TSJ 为 2.8 倍。
- 同一模型在不同加速器上的 NVJ/TSJ 差异巨大,任务-模型-硬件的组合选择显著影响能源回报。
论文、代码与数据集(含 GDPWorks)均已开源,读者可用自己的任务、模型和硬件复现测算。
所属事件:斯坦福发布 Joules-to-GDP 框架量化 AI 能源经济效率(5 条相关)→
「Infra」频道最新
- 开源 TrnRT 引擎在单台 Trainium2 跑 GLM-5.3-Flash,每分钟 357 万 token — ycombinator · 2026-11-05
- 斯坦福实测:同样耗电下 NVIDIA B200 价值产出是 AMD MI350X 的 4 倍 — rohanpaul_ai · 2026-11-05
- My Local AI 安卓内测开启：手机免费跑本地模型 — TheOyinbooke · 2026-11-05
- 亚马逊 CEO：Graviton 与 Trainium 营收承诺同比增长超 20 倍 — Beth_Kindig · 2026-11-05
- 半导体高管：即便美国放缓建设，海外算力需求足以撑住预测 — inductionheads · 2026-11-05
- ZeroGR：先过滤再评分，生成式推荐解码提速最高 9.9 倍 — _reachsumit · 2026-11-05