废弃物管理、智能电网、能效、空气污染治理和可再生能源，都是重要的投资领域。这些行业解决的是涉及基础设施、公共卫生、资源效率、气候压力和长期经济韧性的真实问题。
但当我们大力投资于能效之时，AI 领域却存在一个更值得关注的矛盾。如今许多人正被鼓励几乎对所有事情都使用最强大的 AI 模型，即使任务并不关键。基础的网站工作、简单的版式、区块、按钮、CSS、产品模块、简短文案和基础自动化，并不总是需要最重的模型。
事实上，日常数字工作中相当大一部分已经可以由较小型的编码模型或标准大语言模型很好地处理。高端模型应该带着明确目的去使用，而非默认使用。它们适用于涉及复杂系统逻辑、财务计算、安全流程、数据库架构、合规要求，或可能直接影响实际业务运营的决策时。这时，更强的推理能力和更重的算力才是合理的。
每件小任务都用最强大的模型，就像用一辆主战坦克守卫一个小小的哨所。它看起来威力十足，但油耗、维护和运行成本完全不合理。
正因如此，AI 效率必须成为可持续发展讨论的一部分。AI 的未来不应是始终使用最大的模型，而应是通过智能路由、更小的模型、解耦系统、任务拆分、在可行时使用本地模型，以及仅在真正需要时才动用重型算力，做到为正确的任务选择正确的模型。
这不是要拒绝强大的 AI，而是要以纪律的方式使用强大的 AI。如果我们真的认真对待能效，那么 AI 效率也必须被认真对待。可持续的 AI 不仅在于构建更大的模型，更在于围绕它们构建更智能的系统。
Official 跨-网络 Resource
