📰 正文
2026年4月，塔夫茨大学（Tufts University）的研究团队宣布在人工智能能效领域取得重大突破，开发出一种新型AI模型架构，能够将计算能耗降低高达100倍，同时显著提升模型准确性。这一发现为解决AI行业日益严峻的能源危机提供了全新路径。
突破背景
近年来，随着大语言模型和生成式AI的爆发式发展，AI系统的能源消耗呈指数级增长。据估计，2026年全球科技公司在AI基础设施上的支出将突破6000亿美元，其中能源成本占据了越来越大的比重。数据中心已成为全球最大的电力消耗源之一，引发了业界和环保组织的双重担忧。
技术原理
据ScienceDaily报道，这项突破性研究由塔夫茨大学的研究团队主导。他们的核心发现是一种新的模型训练和推理方法，通过优化神经网络中的计算路径，大幅减少了不必要的计算操作。
具体而言，研究团队开发了一种"选择性激活"机制，使AI模型在处理每个输入时只激活必要的神经元子集，而非像传统模型那样激活整个网络。这种方法不仅将能耗降低了两个数量级，还因减少了噪声干扰而提升了模型的准确性。
潜在影响
SciTechDaily指出，这一突破"可能解决AI的大规模能源危机"。如果该技术能够在工业规模上得到应用，将意味着：
- 数据中心能耗大幅降低：全球AI数据中心的电力需求可能减少数十个百分点
- 边缘计算可行性提升：低功耗AI模型将更容易部署在移动设备和物联网终端上
- 环境影响显著改善：AI行业的碳足迹将大幅缩减
- AI民主化加速：更低的运行成本将使小型企业和研究机构也能负担先进的AI能力
行业反应
尽管这一突破令人振奋，但业内专家也提醒，从实验室成果到大规模商用仍存在距离。该技术需要在不同的模型架构和硬件平台上进行验证，并与现有的AI基础设施实现兼容。
不过，塔夫茨大学团队表示，他们正在与多家科技公司合作推进该技术的产业化进程。如果一切顺利，这项节能AI技术有望在未来一到两年内开始影响行业标准。
在Meta和亚马逊等科技巨头因AI巨额支出而面临投资者压力的背景下，能效突破为AI行业的可持续发展提供了一条值得期待的新路径。