如今的AI让我想起汽车行业。在1960年代、70年代、80年代和90年代，人们争相购买汽车，因为它们代表着进步和经济增长。产业迅速扩张以支撑这种需求，但燃料消耗、拥堵和污染也随之增加。
效率是后来才出现的。随着日本制造商开始认真对待燃油效率、可靠性、精益生产和实用工程，思维从单纯地生产更多汽车，转变为生产更好、更高效的汽车。正如那句玩笑话所说：“如果烧更多油就能造出更好的车，那么一辆坦克就是完美的家庭用车。”
中国也经历了类似的转变。在工业化的早期阶段，增长是激进的，环境破坏也相当严重。但从2000年代起，制造业变得更加自动化和高效，可再生能源扩大，电动车迅速增长，清洁生产成为更大的优先事项。
中国并没有停止工业化；它学会了以不同的方式实现工业化。技术继续进步，但其设计和消耗方式变得更加务实、更加注重资源。
AI现在正接近同一个十字路口。如今，每个人都想要更大的模型、更多的智能体、更长的上下文窗口、更多的GPU和数十亿的token。几乎存在这样一种假设：更多的AI消耗就意味着更先进的系统。但这就好比说：“我的车烧的油是别人的两倍，所以它的智能一定也是别人的两倍。”
真正的问题不应该是“我们能使用多少AI？”而应该是：“为了正确解决问题，我们实际上需要多少AI？”这正是智能路由、分段和解耦系统等架构重要的原因。
智能路由将简单任务发送给较小的模型或常规软件，而只有在确实需要更深层推理时才使用先进的模型。分段将大型问题分解为较小的任务，从而减少不必要的上下文、token使用和计算。解耦系统将计算、验证、过滤、数据库操作和确定性规则移至AI模型之外。AI处理智能；软件处理确定性。
如果这样设计，AI系统可以减少token消耗、推理成本、GPU负载、基础设施需求和能源使用，同时提高可靠性和可扩展性。这就是AI效率与ESG应当结合之处。我们已经知道，先采用技术、几十年后再优化会是什么结果。AI的未来不应只是更多的智能，而应是更高效的智能--只有在确实需要高级智能时才使用高级AI。
