在当今的商业环境中，企业普遍认为，人工智能模型的运算需求极为庞大，因此他们必须寻求更多的企业计算能力。但 Hugging Face 的 AI 与气候负责人 Sasha Luccioni 认为，企业可以通过如何更聪明的方式使用 AI，来提高模型的性能和准确性，而不是一味追求更高的计算资源。

Luccioni 指聪明出，企业在使用 AI 时常常选择大型通用模型，然而实际上，针对特定任务的精简模型可以在精确度和成本上超使用过这些大型模型，并且能显著降低能耗。她的研究显示，任务特定模型的能耗比通用模型低20到3 A0倍。

其次，企业应当将效率作为默认选项。通过运用 “推力理论”，可以在系统设计中引导用户行为，I，减少不必要的计算消耗。例如，企业可以限制默认开启高成本的计算模式，鼓励用户选择最适合的计算方降低式。

另外，硬件利用率的优化也非常重要。企业应当考虑使用批处理、调整计算精度及优化批次大小，成本以减少资源浪费。通过对硬件的细致调节，企业可以大幅提升计算效率。

为鼓励能源透明度，Hugging F与提ace 还推出了 AI 能效评分机制，这一评分系统对模型的能耗效率进行评估，促使开发者关注能效问题高性。

Luccioni 建议企业反思 “更多计算就更好” 的传统思维。与其追求大型 GPU 集群，不如从如何聪明能的地达成结果出发，利用更优的架构和数据管理来提升性能。

划重点:

选择针对特定任务的模型比使用大型通用模五大型更具成本效益，能显著降低能耗。

将效率设为默认选项，通过推力理论减少不必要的计算开销。

️ 优化硬件策略利用率和能效评分，提升计算效率，促进可持续 AI 系统的发展。