斯坦福新指标 Joules-to-GDP：每焦耳能量能从 AI 榨出多少美元价值
rohanpaul_ai · x · 2026-11-06
斯坦福联合 UC Berkeley、UT Austin 团队提出 Joules-to-GDP（J2G） 框架，衡量 AI 每消耗一焦耳能量产出的净经济价值（Net Value per Joule, NVJ）与节省专家时间（TSJ），在 OpenAI GDPval 的 220 个专业任务、44 个职业上测试了 5 个开源模型。
核心发现：
- 最值钱的任务未必最节能高效：CAD 设计每任务净价值比建网站高约 10%，但每焦耳收益低约 27%。
- 默认用最强模型可能浪费能源：GLM 5.2 每任务净价值最高（约 $72.27，能耗约等于 4 小时笔记本使用），而 Gemma 4 31B 用 23% 的能量达到其 56% 的价值，NVJ 为其 2.5 倍；GPT-OSS 120B 能耗比 GLM 5.2 低 68% 而价格速度相近。
- 堆硬件收益递减：同一模型从 1 张 H100 换到 8 张，任务只快 22%，能耗却达 3.2 倍，净价值几乎不变。
- AI 替代「用 AI 的专家」更难：以人机协作专家产出为基准，GLM 5.2 的 NVJ 下降 70%、TSJ 下降 65%。
作者主张把每焦耳经济回报作为选择任务、改进模型与加速器的目标函数。代码与数据集已开源。
所属事件:斯坦福发布 Joules-to-GDP 框架量化 AI 能源经济回报(10 条相关)→
「Infra」频道最新
- Buoyant 开源 Kinference:vLLM 上的 K8s 推理控制平面 — vllm_project · 2026-11-06
- GitHub Octoverse:vLLM 跃居社区开源项目互动榜第 2 — vllm_project · 2026-11-06
- 云厂商自研芯片动因:摆脱 NVIDIA GPU 高成本与供应压力 — DavidLinthicum · 2026-11-06
- 开发者用 128GB Framework Desktop 跑本地模型，还想囤第三台 — gnukeith · 2026-11-06
- 开发者逆向 Wispr Flow 并微调 LFM3-1.7B,本地语音输入延迟仅 65ms — teortaxesTex · 2026-11-06
- Google 把 Agent Substrate、gVisor、OpenRL 捐给 CNCF,Agent Substrate 达 1.0 — HowDevelop · 2026-11-06