在當今的商業環境中，企業普遍認爲，人工智能模型的運算需求極爲龐大，因此他們必須尋求更多的計算能力。但 Hugging Face 的 AI 與氣候負責人 Sasha Luccioni 認爲，企業可以通過更聰明的方式使用 AI，來提高模型的性能和準確性，而不是一味追求更高的計算資源。

Luccioni 指出，企業在使用 AI 時常常選擇大型通用模型，然而實際上，針對特定任務的精簡模型可以在精確度和成本上超過這些大型模型，並且能顯著降低能耗。她的研究顯示，任務特定模型的能耗比通用模型低20到30倍。

其次，企業應當將效率作爲默認選項。通過運用 “推力理論”，可以在系統設計中引導用戶行爲，減少不必要的計算消耗。例如，企業可以限制默認開啓高成本的計算模式，鼓勵用戶選擇最適合的計算方式。

另外，硬件利用率的優化也非常重要。企業應當考慮使用批處理、調整計算精度及優化批次大小，以減少資源浪費。通過對硬件的細緻調節，企業可以大幅提升計算效率。

爲鼓勵能源透明度，Hugging Face 還推出了 AI 能效評分機制，這一評分系統對模型的能耗效率進行評估，促使開發者關注能效問題。

Luccioni 建議企業反思 “更多計算就更好” 的傳統思維。與其追求大型 GPU 集羣，不如從如何聰明地達成結果出發，利用更優的架構和數據管理來提升性能。

劃重點:

🌟 選擇針對特定任務的模型比使用大型通用模型更具成本效益，能顯著降低能耗。

🔍 將效率設爲默認選項，通過推力理論減少不必要的計算開銷。

⚙️ 優化硬件利用率和能效評分，提升計算效率，促進可持續 AI 系統的發展。