Joules-to-GDP 论文：GLM 5.2 每任务净产值 72 美元居首
rohanpaul_ai · x · 2026-11-05
- 论文提出 Joules-to-GDP 框架，用两个指标量化 AI 的能源经济效率：每焦耳净产值（NVJ，产出美元减去执行成本）与每焦耳节省专家时间（TSJ），并在 44 个职业的 220 个 GDPval 任务上实测 5 个模型。
- 价值最高 ≠ 能效最高：CAD 设计类工程任务每任务净产值比建网站类开发高约 10%，但软件开发每焦耳产值反而高约 27%。
- 默认用最强模型可能浪费能源预算：GLM 5.2 平均每任务净产值最高（$72.27），能耗约等于 4 小时笔记本活跃使用；而 Gemma 4 31B 用 23% 的能耗达到其 56% 的净产值，NVJ 和 TSJ 分别是 2.5 倍和 2.8 倍。
- 同一模型在不同加速器上的 NVJ/TSJ 差异也很大，选型时应按「单位能源价值」而非单纯能力来匹配任务。
作者包括 John Hennessy、Christopher Re、Azalia Mirhoseini 等。
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)→
「漫话AGI」频道最新
- 基于 2.88 亿条招聘数据,新论文提出「瓶颈压力」度量 AI 抬升的劳动价值 — robseamans · 2026-11-05
- Jeff Ladish:「Claude 不是一款 AI,而是一个包含所有版本的类目」 — JeffLadish · 2026-11-05
- 民主党议员拟上任首日暂停先进 AI 研发并禁造超级智能 — KyeGomezB · 2026-11-05
- Anthropic RSP 阈值传闻引恐慌：超智能时间线或比 AI 2027 更早 — akbirkhan · 2026-11-05
- 研究者评 OpenAI 对齐失误：属可修复的误泛化而非核心风险 — JacquesThibs · 2026-11-05
- Sam Altman:为保人类存续「熔掉所有 GPU」?答案是干脆的 yes — DavidSKrueger · 2026-11-05