当大语言模型遇上环保意识：西班牙研究团队首次揭示能耗信息如何改变AI选择

这项由西班牙马德里理工大学电信工程学院的Carlos Arriaga、Gonzalo Martínez、Eneko Sendin、Javier Conde和Pedro Reviriego团队进行的开创性研究，发表于2025年，首次深入探讨了一个令人意想不到的问题：当人们知道人工智能模型的能耗情况后，他们的选择会发生怎样的变化？这项研究推出了全球首个融入能耗意识的大语言模型评估平台——生成式能源竞技场（GEA），为我们理解AI时代的环保意识提供了全新视角。有兴趣深入了解的读者可以通过研究团队公开的代码和数据库获取更多详细信息。

在当今这个AI大爆发的时代，从ChatGPT到Claude，各种大语言模型如雨后春笋般涌现，它们能写诗、能编程、能回答各种问题，仿佛无所不能。然而，就像我们在选购家电时会关注能效标签一样，这些看似神通广大的AI模型背后也隐藏着一个重要问题——它们到底消耗了多少电力？更关键的是，当我们知道了这些"电老虎"的真实面目后，还会像以前一样毫不犹豫地选择那些功能最强大的模型吗？

马德里理工大学的研究团队就像是AI世界里的"环保侦探"，他们敏锐地察觉到了这个被大多数人忽视的重要问题。在过去，评估AI模型就像是在黑暗中品尝美食——我们只关注口味如何，却不知道这道菜用了多少食材、消耗了多少能源来制作。研究人员意识到，随着环保意识的日益增强，人们在选择AI工具时是否会将能耗因素纳入考虑范围，这个问题值得深入研究。

传统的AI模型评估方式就像是学校里的标准化考试——让模型回答大量选择题，然后根据正确率排名。这种方法虽然高效，但存在诸多问题。模型可能对某些答案存在偏见，就像学生在考试中可能有特定的答题习惯；更糟糕的是，有些题目可能早就出现在模型的训练材料中，这就像学生提前知道了考试答案一样不公平。另外，这种方式完全无法反映模型在实际生成文本时的表现，更不用说考虑用户的真实感受了。

为了解决这些问题，研究界开始尝试让AI来评判AI，就像让机器人当裁判员一样。虽然这种方法可以大规模进行，但机器裁判也可能带有偏见，它们的判断标准可能与人类存在差异。因此，最理想的解决方案还是回归人类评估，但传统的人工评估面临着巨大的挑战——AI模型更新换代如此之快，几乎每周都有新模型发布，要组织足够多的评估员对成千上万个问题进行评估，无论是时间成本还是经济成本都难以承受。

正是在这样的背景下，公开竞技场的概念应运而生。就像网络游戏中的对战平台一样，任何用户都可以随时进入，提出问题，然后对两个匿名AI模型的回答进行比较和投票。这些投票结果会被汇总处理，就像国际象棋比赛的积分系统一样，最终形成模型排名。这种方式不仅解决了规模化评估的问题，还能反映真实用户的偏好。

然而，现有的竞技场都忽略了一个日益重要的因素——能源消耗。就像我们在选择交通工具时不仅考虑速度和舒适度，还会关注油耗一样，在AI时代，模型的能耗也应该成为选择的重要考量因素。大型AI模型的能耗确实惊人，不仅训练过程需要处理海量数据，消耗大量电力，就连日常使用时的推理过程也需要相当可观的能源。随着全球环保意识的增强，研究团队敏锐地意识到，用户在了解模型能耗信息后的选择变化，不仅能帮我们理解公众的环保意识，还能为AI模型的开发和部署提供重要指导。

一、革命性的评估平台：生成式能源竞技场的诞生

面对传统AI评估方法的种种局限，研究团队决定创建一个全新的评估平台——生成式能源竞技场。这就像是在传统的美食品鉴会上增加了营养成分和卡路里信息，让品鉴者在享受美味的同时，也能了解食物的健康影响。

设计这样一个平台并非易事，研究团队面临着三个主要挑战。第一个挑战就像是要给每道菜标注准确的卡路里含量一样棘手——如何获取准确的模型能耗信息。对于像OpenAI的GPT系列或Google的Gemini这样的商业模型，公司通常不会公开详细的能耗数据，这就像是餐厅不愿意透露招牌菜的制作成本一样。即使是开源模型，它们的能耗也会因为运行的硬件平台、配置参数等因素而大相径庭，就像同样的菜谱在不同厨房里制作出来的成本可能完全不同。

研究团队找到了一个巧妙的解决方案：他们选择比较同一"家族"中不同规模的模型，就像比较同一品牌的大中小三个规格的产品一样。比如GPT-4的标准版和迷你版，虽然我们不知道它们的确切能耗数字，但可以合理推断大模型比小模型消耗更多能源。这种相对比较的方式既解决了数据获取难题，又为用户提供了清晰易懂的信息。

第二个挑战是如何向用户呈现能耗信息而不产生偏见。这就像是在品酒会上，如果一开始就告诉品鉴者某款酒的价格，可能会影响他们对口感的判断。如果用户在评估AI回答质量之前就知道哪个模型更节能，他们可能会不自觉地偏向选择节能模型，而不是基于回答质量本身进行判断。

为了解决这个问题，研究团队设计了一个两步评估流程。用户首先会看到两个匿名AI模型对同一问题的回答，此时他们完全不知道这些回答来自哪个模型，更不知道模型的能耗情况。用户需要根据回答质量选出更好的那个。这就像是盲品测试，确保初始判断完全基于内容质量。

接下来是关键的第二步：如果用户在第一步中选择了来自高能耗模型的回答，系统会告诉他们："您刚才选择的回答来自一个能耗较高的模型，如果告诉您另一个回答来自能耗更低的模型，您是否愿意在接受一定质量损失的前提下改变选择？"这种设计既避免了先入为主的偏见，又能准确测量能耗信息对用户决策的影响。

第三个挑战是如何量化能耗意识的影响程度。研究团队设计了一个简洁明了的指标体系。他们定义了"改变率"（Ec），即在得知能耗信息后改变原始选择的用户比例。同时，他们还计算了考虑能耗因素前后，大小两个模型的获胜率变化。这些指标就像是环保意识的"温度计"，能够准确测量用户的环保意识强度。

具体来说，假设在一组对比中，大模型（高能耗）的初始获胜率是40%，小模型（低能耗）的获胜率是35%，平局率是25%。如果有50%的用户在得知能耗信息后改变了选择，那么最终小模型的获胜率会跃升到75%，而大模型的获胜率会降至20%。这种巨大的变化清晰地展现了能耗意识的影响力。

研究团队将这个平台部署在了Hugging Face这个全球知名的AI模型分享平台上，让任何人都可以免费使用。平台目前支持四个主要的模型家族对比：OpenAI的GPT-4o系列、最新的GPT-4.1系列、Anthropic的Claude 3.5系列，以及Meta的Llama3系列。每当用户进入平台时，系统会随机选择一个模型家族和其中的两个不同规模模型进行对比测试。

二、深入田野调研：真实用户如何在环保与性能间取舍

为了验证这个创新平台的效果，研究团队选择了一个绝佳的测试场景——马德里理工大学的大规模在线开放课程。这就像是在一个天然的实验室里进行社会实验，参与者既有足够的AI知识背景来做出有意义的判断，又具有足够的多样性来代表真实用户群体。

在这个课程中，学生们需要完成一项特殊的作业：在生成式能源竞技场上评估十个问题——五个由研究团队预设的标准问题，另外五个由学生自己创造。这种设计就像是让品鉴师既要评估经典菜品，也要评估自己点的菜，确保评估结果既有标准化的可比性，又有个性化的真实性。

研究团队预设的五个标准问题涵盖了不同类型的AI任务，每个问题都用日常生活的场景来设计。第一个问题是让AI为某个产品创作宣传标语，这就像是测试AI的创意写作能力。第二个问题询问AI技术术语"Top-p参数"的含义，这是测试AI解释专业概念的能力。第三个问题要求AI创作一首藏头诗，即每行首字母连起来能组成一个词，这考验的是AI在文字游戏方面的巧思。第四个问题让AI介绍某个小镇的信息，测试其知识广度和准确性。第五个问题要求AI根据给定食材提供烹饪食谱，这是典型的实用性任务。

这种多样化的问题设计就像是给AI进行全面体检，从创造力到知识性，从技术性到实用性，全方位考察不同规模模型的表现差异。更重要的是，这些问题都是普通用户在日常使用中可能遇到的真实场景，确保了实验结果的实用价值。

经过一段时间的数据收集，研究团队获得了694个有效评估样本。其中295个来自课程预设问题，由于学生还需要自己创造五个问题，研究团队估计至少83%的评估都是由具有AI知识背景的学生完成的。这个比例就像是在专业品酒师和业余爱好者混合的品鉴会上，大部分参与者都具有一定的专业基础，能够做出相对可靠的判断。

实验结果令人印象深刻。在所有模型家族中，用户在获知能耗信息后改变原始选择的比例平均达到了46%，这意味着将近一半的用户愿意为了环保而重新考虑自己的选择。具体来看，不同模型家族的改变率略有差异：Llama3家族为45%，Claude 3.5家族为49%，GPT-4.0家族为52%，GPT-4.1家族为47%。这种相对一致的结果表明，能耗意识的影响是普遍存在的，不因具体模型类型而有显著差异。

更令人惊讶的是获胜率的巨大变化。在不考虑能耗信息时，大小模型之间的偏好差异很小，获胜率相差不超过2%，基本上是势均力敌的状态。然而，一旦加入能耗考量，小模型的优势就变得压倒性了——它们的平均获胜率跃升至75%以上，而大模型的获胜率则降至25%以下。这就像是在马拉松比赛中，原本实力相当的选手因为装备重量的差异而出现了巨大的成绩分化。

三、细致入微的发现：不同AI家族的有趣差异

当研究团队深入分析不同模型家族的具体表现时，他们发现了一些耐人寻味的现象，这些发现就像是在同一片森林里发现了不同树种的独特生长模式。

在Llama3家族的对比中，大模型在初始评估中就已经显示出明显优势，获胜率达到了约50%，而小模型只有约30%，剩下20%是平局。这种初始优势就像是在盲品测试中，某个产品确实在质量上有显著提升。然而，当能耗信息披露后，情况发生了戏剧性的逆转——小模型的获胜率跳跃至约70%，大模型则跌至约25%。这种巨大的反转说明，即使大模型在质量上确实更胜一筹，但这种优势并不足以抵消用户对能耗的担忧。

Claude 3.5家族呈现了截然不同的模式。在初始评估中，两个模型几乎难分胜负，就像是两位实力相当的棋手对弈。但加入能耗考量后，小模型同样获得了压倒性的优势，获胜率升至约75%。这表明，当质量差异不明显时，能耗因素就成了决定性的考量因素。

GPT家族的情况更加有趣。无论是GPT-4.0还是GPT-4.1系列，小模型在初始评估中就已经略占上风，这可能反映了参与测试的用户群体的特殊偏好——作为AI相关课程的学生，他们可能更加重视效率而非绝对性能，或者对于日常任务而言，小模型的表现已经完全够用。当加入能耗信息后，这种偏好进一步加强，小模型的获胜率同样达到了75%左右。

这些差异化的表现模式揭示了一个重要事实：不同规模模型之间的质量差距并不是线性的。对于某些任务类型，大模型的额外计算能力确实能带来显著的质量提升，就像专业相机在某些拍摄场景下确实比手机相机效果更好。但对于大多数日常任务而言，小模型的性能已经完全满足需求，就像普通用户用手机拍照已经足够应付日常分享一样。

研究团队还发现了一个特别值得关注的现象：即使在不披露能耗信息的情况下，某些模型家族中的小模型就已经表现出初始优势。这可能反映了几个方面的因素。首先，参与测试的用户主要是AI课程的学生，他们对模型的理解可能更加理性和实用，不会盲目追求最新最大的模型。其次，研究中使用的问题类型大多是日常实用任务，而非需要深度推理的复杂问题，在这些场景下小模型的表现确实可能更加贴近用户需求。最后，这也可能反映了当前AI技术发展的一个重要趋势——模型规模的边际效益递减，即从中等规模模型升级到大规模模型带来的性能提升，可能并不如从小模型升级到中等模型那样显著。

四、方法论的深度剖析：如何科学测量环保意识

研究团队在设计这项实验时面临的挑战，就像是要设计一个既能准确测量体重又不会让被测者感到不自然的体重秤。他们需要在保证测量准确性的同时，避免实验设计本身对结果产生不当影响。

能耗信息的获取和呈现是整个研究中最具技术挑战性的部分。由于商业AI模型供应商通常将能耗数据视为商业机密，研究团队无法获得精确的能耗数值，这就像是要比较不同汽车的油耗但厂商不愿意公开具体数据一样。面对这个困境，研究团队采用了一种既科学又实用的解决方案。

他们选择只比较同一模型家族内不同规模的版本，这种设计就像是比较同一品牌汽车的不同排量版本——虽然我们可能不知道确切的油耗数字，但可以合理推断大排量版本一定比小排量版本更耗油。这种相对比较的方式有几个重要优势：首先，它避免了跨厂商、跨架构比较时可能出现的各种干扰因素；其次，同族模型在训练数据和基础架构上的相似性，确保了性能差异主要来自规模差异；最后，这种比较方式为用户提供了清晰直观的信息，不需要复杂的技术背景就能理解。

在信息呈现方面，研究团队采用了心理学实验中常用的"盲测后揭示"方法。这种方法就像是先让品鉴师盲品葡萄酒，记录下他们的初始偏好，然后再告诉他们价格信息，观察偏好是否发生变化。这种设计的巧妙之处在于，它既避免了先入为主的偏见，又能准确捕捉信息披露对决策的影响。

更重要的是，研究团队在向用户披露能耗信息时使用了巧妙的表述方式。他们不是简单地说"模型A比模型B更耗电"，而是询问用户"如果知道另一个回答来自更节能的模型，您是否愿意在接受一定质量损失的前提下改变选择？"这种表述承认了两个重要事实：首先，节能通常意味着某种程度的性能妥协；其次，这种选择涉及价值权衡而非绝对的对错。

在数据分析方面，研究团队设计了简洁而有效的指标体系。"改变率"（Ec）直接反映了能耗意识的强度，而获胜率的变化则展现了这种意识对整体偏好格局的影响。这种指标设计就像是用温度计测量发烧程度——既有绝对数值（改变率），也有相对变化（获胜率变化），为理解现象提供了多个维度的视角。

研究团队还特别注意了样本的代表性问题。虽然大部分参与者是AI课程的学生，这个群体具有一定的AI知识背景，但这种"偏见"在某种程度上反而增强了研究结果的可信度。因为如果连相对了解AI技术、可能更理性看待模型性能的用户群体都会被能耗信息显著影响，那么普通用户群体的反应可能会更加强烈。这就像是如果专业厨师都认为某道菜太咸了，那么普通消费者的反应肯定会更加强烈。

五、局限性的坦诚面对：科学研究的严谨态度

每一项优秀的科学研究都会诚实地面对自身的局限性，这项研究也不例外。研究团队就像是诚实的探险家，在分享发现的同时，也坦率地告诉我们这次探险的路线和装备还有哪些不足之处。

首先是样本规模的限制。694个评估样本虽然已经能够显示明显的趋势，但对于要得出具有广泛适用性的结论来说，这个数量还相对较小，就像是用几百个人的意见来推断全国民众的想法一样。理想情况下，研究需要数千甚至数万个评估样本才能更有信心地泛化结论。此外，参与评估的用户主要来自一个特定群体——AI相关课程的学生，他们的知识背景和价值观可能与普通大众存在差异。

其次是模型覆盖面的限制。目前的研究只涵盖了三家主要公司的四个模型家族，这就像是只在三家餐厅里测试顾客对营养标签的反应，然后试图推断所有餐厅的情况。AI模型的生态系统远比这更加丰富多样，从超大规模的商业模型到轻量化的边缘计算模型，从通用模型到专业化模型，每种类型可能都有其独特的能耗性能权衡特点。

语言文化因素也是一个重要的局限性。这项研究主要在西班牙进行，使用的测试问题也是西班牙语，参与者主要是西班牙的学生。不同文化背景下的用户可能对环保和效率的权衡有着不同的价值观和偏好，这就像是不同国家的消费者对汽车燃油效率的重视程度可能存在差异一样。

问题类型的局限性同样值得关注。研究中使用的问题主要是日常实用任务，如创作标语、解释概念、写诗、介绍信息和提供食谱等。但在现实使用场景中，AI模型面临的任务类型要复杂得多。对于某些高难度的任务，如复杂的推理问题、专业领域的深度分析、或者需要大量背景知识整合的任务，大模型的优势可能更加明显，用户可能更愿意为了更好的结果而接受更高的能耗。

时间因素也是一个需要考虑的变量。随着技术的快速发展，模型的能效比在不断提升，同时公众的环保意识也在不断变化。今天的研究结果可能在几个月或几年后就需要重新审视，这就像是手机市场的变化速度一样快。

最后，研究团队坦承当前的能耗信息呈现方式还比较粗糙。他们只能提供相对的能耗比较（哪个更耗电），而无法提供具体的数值信息（到底耗多少电）。这就像是只能告诉消费者"这辆车比那辆车更费油"，但不能说出具体的油耗数字。更精确的能耗信息可能会产生不同的用户反应模式。

六、深远影响：重塑AI发展和应用的未来格局

这项研究的意义远超出了一个简单的用户偏好调查，它就像是在AI发展的十字路口竖起了一块重要的路标，指向了一个更加可持续和用户导向的未来。

对于AI模型开发者来说，这项研究传递了一个清晰的市场信号：在追求性能极限的同时，不能忽视能效优化。这就像是汽车制造商意识到，消费者不仅关注马力和速度，同样重视燃油经济性一样。研究结果显示，当用户知道能耗信息后，有将近一半的人愿意为了环保而重新考虑选择，这意味着能效将成为模型竞争力的重要组成部分。

这种市场反馈可能会推动AI行业发生结构性变化。开发者可能会更加重视模型压缩、知识蒸馏、高效架构设计等技术，这些技术就像是汽车工业中的轻量化材料和高效引擎技术一样，能够在保持性能的同时显著降低能耗。我们可能会看到更多"恰到好处"的模型设计，即针对特定任务和场景优化，而不是盲目追求通用性和最大规模。

对于AI服务提供商而言，这项研究提示了一个新的商业机会和竞争维度。就像电力公司开始推广绿色能源套餐一样，AI服务商也可能开始提供"绿色AI"服务选项，让用户能够根据自己的环保偏好选择不同的服务级别。这种差异化服务不仅能满足不同用户的需求，还可能创造新的商业价值。

研究结果还对AI评估和基准测试领域产生了重要启示。传统的AI评估主要关注性能指标，如准确率、流畅性、创造性等，但这项研究表明，能耗应该成为评估体系中的重要维度。未来的AI基准测试可能需要包含性能-能耗权衡的评估，就像电子产品测评中既要测试性能也要测试续航能力一样。

从更宏观的角度来看，这项研究反映了社会对AI技术可持续发展的关注。随着AI应用规模的急剧扩大，其能耗总量正在成为一个不可忽视的环境问题。如果用户确实愿意为了环保而接受适度的性能权衡，那么整个行业就有了向更可持续方向发展的内在动力，而不需要完全依赖监管压力。

教育和培训领域也可能因此受益。研究显示，具有AI知识背景的用户在面对性能-能耗权衡时能够做出更理性的决策。这提示我们，提高公众对AI技术的了解，包括其环境影响的认知，可能是促进可持续AI发展的重要途径。

政策制定者也应该关注这些发现。研究结果表明，市场机制和用户选择可能是推动AI可持续发展的有效力量。相比于单纯的监管限制，通过信息透明化让用户做出知情选择，可能是一种更加柔性和有效的治理方式。这就像是通过食品营养标签让消费者自主选择健康食品，而不是直接禁止某些食品一样。

七、未来研究的广阔前景：从初步探索到深入理解

这项开创性研究就像是打开了一扇通向未知领域的大门，门后是一片广阔的研究天地，等待着更多的探险者去深入挖掘。研究团队在结论中坦诚地承认，这只是理解AI时代环保意识的第一步，还有许多重要问题需要进一步探索。

首先是研究规模的扩大。未来的研究需要覆盖更广泛的用户群体，包括不同年龄段、教育背景、文化背景和职业背景的人群。这就像是从小范围的试点调查扩展到全国性的民意测验一样，只有这样才能真正理解社会各个层面对AI环保问题的态度。同时，样本数量也需要大幅增加，从目前的几百个评估扩展到数万甚至数十万个，这样才能获得统计学上更可靠的结论。

模型覆盖范围的扩展也至关重要。目前的研究只涉及了少数几个主流模型家族，但AI生态系统远比这丰富多样。从专门处理图像的视觉模型到专注于代码生成的编程模型，从面向学术研究的开源模型到针对企业应用的商业模型，每种类型都有其独特的性能-能耗特征。更全面的模型覆盖将帮助我们理解不同应用场景下用户的权衡偏好。

跨文化和跨语言的研究扩展同样重要。环保意识和技术接受度在不同文化中可能存在显著差异，这就像是不同国家的消费者对电动汽车的接受程度差异很大一样。在一些高度重视环保的国家，用户可能更愿意为了减少碳足迹而选择节能模型；而在另一些更注重技术性能的地区，用户可能对能耗的敏感度较低。这种文化差异的研究不仅具有学术价值，也对AI服务的全球化推广具有重要的商业价值。

任务类型的细分研究是另一个充满潜力的方向。目前的研究将所有问题类型混合分析，但实际上不同类型的任务可能会产生截然不同的用户偏好模式。对于创意写作类任务，用户可能更看重创新性和表达力，愿意为此接受更高的能耗；对于简单的信息查询任务，用户可能更偏好快速节能的模型；对于专业技术问题，准确性可能是最重要的考量因素。这种任务导向的细分研究将为不同应用场景下的模型选择提供更精准的指导。

长期追踪研究也是一个重要的发展方向。随着技术进步和社会环保意识的变化，用户的偏好模式可能会发生演变。定期重复类似的研究，就像是监测气候变化一样，能够帮助我们理解这种变化的趋势和驱动因素。这种时间序列的数据对于预测未来的市场需求和技术发展方向具有重要价值。

技术层面的深入研究也值得期待。未来的研究可以尝试获取更精确的能耗数据，不仅包括推理阶段的直接能耗，还可能涵盖训练阶段的分摊成本、服务器运行的整体能耗等更全面的环境影响评估。这就像是从只看汽车的燃油消耗到考虑整个生命周期的碳足迹一样，为用户提供更完整的环境影响信息。

个性化偏好的研究也是一个有趣的方向。不同用户可能有不同的性能-能耗权衡偏好，这种偏好可能与他们的价值观、使用习惯、技术熟悉程度等因素相关。如果能够建立用户偏好模型，AI系统就可以根据用户的历史选择自动推荐最适合的模型，实现真正的个性化服务。

实际应用效果的验证研究同样重要。目前的研究主要在实验环境中进行，但在真实的使用环境中，用户的行为可能会有所不同。当面临实际的时间压力、成本考虑和使用便利性等因素时，用户的选择模式可能会发生变化。这种实验室结果向现实应用的转化研究，对于理解和预测市场行为至关重要。

说到底，这项由西班牙马德里理工大学研究团队开展的开创性研究，就像是在AI大发展的浪潮中投下了一颗小小的石子，激起了关于可持续发展的重要涟漪。他们通过巧妙的实验设计，发现了一个可能会重塑整个AI行业的重要趋势：当人们了解了AI模型的能耗信息后，将近一半的用户愿意为了环保而重新考虑自己的选择，这种变化足以让小规模、更节能的模型在用户偏好中占据压倒性优势。

这个发现的意义远超出了学术研究的范畴，它为我们揭示了一个重要的社会现象：在技术快速发展的时代，用户的选择正在变得更加理性和全面，他们不再单纯追求最强大的技术，而是开始考虑技术使用的环境代价和可持续性。这种变化就像是消费者从只关注汽车性能到同时重视燃油效率的转变一样，代表了社会价值观的重要演进。

对于AI开发者和服务提供商来说，这项研究提供了重要的市场指导。它告诉我们，未来的AI竞争可能不再是单纯的性能竞赛，而是性能、效率和可持续性的综合较量。那些能够在保持足够性能的同时显著降低能耗的模型，可能会在市场竞争中获得意想不到的优势。

当然，这项研究也有其局限性，正如研究团队坦诚承认的那样。样本规模相对较小，参与者主要来自特定群体，测试语言单一，模型覆盖范围有限——这些都是未来研究需要改进的方向。但正是这种科学研究应有的严谨态度，让这项初步探索显得更加可信和有价值。

展望未来，我们可以期待看到更多沿着这个方向深入的研究，涵盖更广泛的用户群体、更多样的模型类型、更复杂的任务场景。这些研究将帮助我们更好地理解AI时代的用户需求和社会偏好，为构建一个更加可持续和用户友好的AI生态系统提供科学依据。

归根结底，这项研究最重要的价值可能在于它提出了一个我们都应该思考的问题：在享受AI技术带来便利的同时，我们是否愿意为了地球的未来而做出一些改变？而研究结果告诉我们，答案是令人鼓舞的——是的，很多人愿意。这为AI技术的可持续发展点亮了一盏希望之灯，也为我们所有人指明了一个值得努力的方向。

**Q&A**

Q1：什么是生成式能源竞技场（GEA）？它与传统AI评估有什么不同？ A：GEA是全球首个融入能耗意识的AI模型评估平台。与传统评估只关注性能不同，GEA在用户评估AI回答质量后，会告知模型的相对能耗信息，询问用户是否愿意为了环保而改变选择，从而测量能耗意识对用户决策的影响。

Q2：研究发现用户了解能耗信息后真的会改变选择吗？改变幅度有多大？ A：是的，研究发现平均46%的用户在了解能耗信息后会改变原始选择，倾向于选择更节能的小模型。更显著的是，小模型的获胜率从约50%跃升至75%以上，显示出能耗意识的强大影响力。

Q3：这项研究对AI行业发展会产生什么影响？ A：研究结果可能推动AI行业更重视能效优化，促进模型压缩、高效架构等技术发展。同时可能催生"绿色AI"服务选项，让用户根据环保偏好选择服务级别，并推动AI评估体系纳入能耗指标，重塑行业竞争格局。