AI模型是不是在“过度加班”？研究：很多计算其实没必要

AI模型是不是在“过度加班”？这是越来越多研究者开始关注的问题。德州大学奥斯汀分校教授Lizy K. John发现，很多神经网络其实在做大量不必要的计算，这不仅是浪费算力，也在浪费能源。 现代AI的核心就是乘法。神经网络处理一个输入时，会把输入和训练好的权重相乘，重复几十亿次。正是这些运算让模型能识别图像、生成文字、做预测。但John认为，其中很多乘法是冗余的，或者精度高得没必要——多算的这些，并不会让结果更准，反而增加了计算负担。 她的研究重点就是怎么“偷懒”：在精度要求不高的地方简化运算，跳过对最终结果影响很小的计算步骤，或者重构模型结构，让中间结果可以复用。这些优化一旦实现，推理速度能明显提升，能耗也会大幅下降。 这事的意义不小。现在的AI模型越来越大、越来越复杂，背后是庞大的数据中心和惊人的耗电量。如果模型能更高效，就能跑在更小、更便宜的硬件上——包括手机、传感器、嵌入式设备这些边缘端。很多因为功耗和成本限制没法上AI的场景，可能就打开了。 John的工作属于“可持续AI”这个大方向的一部分。行业现在越来越头疼大模型的训练和运行成本，不管是从环保还是从钱的角度，效率都成了关键设计目标。减少无用计算，不光省资源，还能降低延迟、提升体验。 研究还在进行中，但早期结果已经让人看到希望。如果这些技术被广泛采用，AI模型的构建和部署方式可能会被重塑，变得更亲民、更可持续。对开发者来说，结论很直白：有时候少做点事，反而效果更好。