新闻机构如何衡量 AI 工具带来的能源消耗
新闻机构如何衡量 AI 工具带来的能源消耗
编辑部用大模型转录采访、检索资料、生成摘要和多语种推送，省了时间，也新增服务器、云存储和反复生成的算力。新闻机构应核算这些工具的资源消耗，但不能用“每篇稿件耗电多少”的虚假精确数字掩盖估算不足。
先记录调用量、模型规格、文件长度、存储和运行地点，从供应商获取合理的能耗信息。比较之前的工作流程，包括重复出差、印刷与人工处理，但不要把记者劳动简单换算成电。不同工具对新闻质量的影响也要看：错误摘要造成返工，可能增加调用与时间成本。
优化可从缓存常用资料、少生成无用版本、对简单任务使用小模型开始。每月看总能耗和每项有效任务的资源，而不只报单次调用下降。编辑部应决定哪些报道价值足以支持更复杂分析。
资源核算还需区分一次性训练与长期推理。编辑部购买第三方通用模型，无法精确知道训练分摊量，可以明确边界，只核算可测的调用、存储与本地设备，再给供应商数据缺口。不能因此宣称云端工具“几乎不耗电”。
节约时间也不是自动的环境收益。记者用模型生成十个不同标题，编辑花更多时间筛选，服务器也重复工作；若一个检索功能减少重复跑采访地点，可能有实际收益。企业可挑几个高调用场景审计，删掉不产生公共价值的自动化任务。报告同时写新闻质量和更正情况，避免“绿色 AI”成为多用工具的另一句口号。
编辑部使用 AI 省下的工时容易量化，新增算力和设备能耗却藏在供应商账单里。机构应按任务记录调用量、模型规格、数据中心区域和存储周期，先测一个月再决定是否扩用。大量重复生成的标题和配图是否真改善报道，也要一起问。可选择较轻量工具、缓存常用检索结果，但不能牺牲事实核查。年度环境报告应把估算边界写清楚。
编辑部用模型批量生成五十个标题，只发布一个，供应商账单却未说明尝试次数的资源成本。机构可以记录每类任务平均调用量，设置合理的生成上限。若记者只是为了追逐点击不断试更刺激的标题，问题首先是采编目标，不是模型能效。节约算力和改善新闻质量，在这里可以是同一件事。
优化先从工作流入手：重复检索可缓存，低风险分类用小模型，重大核查才用复杂工具。年度考核既看编辑工时，也看更正率、稿件质量和系统能耗。若 AI 只让团队产出更多低价值内容，能源账即使不大，也难说符合媒体的公共责任。
绿色新闻技术不是让记者不用工具，而是知道工具花了多少资源、究竟帮读者多理解了什么。
