Joules-to-GDP：AI 系统每单位能耗能产生多少经济价值？

arXiv:2610.30858v1 公告类型：新投稿 摘要：AI 系统可以产出更多具有经济价值的工作成果，但其单位能耗所创造的价值却可能更低。因此，我们提出以下问题：AI 系统每消耗一单位能源能创造多少经济价值？我们从两个方面对经济价值进行形式化定义：（1）净美元价值，即输出成果的美元价值减去 AI 系统的执行成本；（2）节省时间，即专家完成任务所需时间减去 AI 系统完成任务所需时间。将二者分别除以实测的端到端能耗，可得到每焦耳净价值（NVJ）和每焦耳节省时间（TSJ），分别以美元/兆焦和小时/兆焦报告。我们研究了涵盖 44 个职业的 220 项公开 GDPval 任务，在本地部署了五个开放权重模型，并评估了四种加速器。首先，AI 系统成功率最高、创造美元价值最多或节省时间最多的职业类别，不一定具有最高的每焦耳经济回报。例如，在所测试的任务中，工程类工作每项任务创造的净美元价值比软件开发高约 10%，但软件开发的每焦耳净价值却高约 27%。其次，GLM 5.2 的平均净美元价值最高，每项任务为 72.27 美元，消耗能源 0.430 兆焦，相当于主动使用笔记本电脑约四小时的能耗。相比之下，Gemma 4 31B 仅消耗其 23% 的能源，就能创造其 56% 的净美元价值，NVJ 和 TSJ 分别达到其约 2.5 倍和 2.8 倍。第三，在四种单加速器部署中，Qwen3.6-27B 的 NVJ 最大相差 4.32 倍，TSJ 最大相差 9.27 倍，B200 在两项指标上均领先。此外，使用一块和八块 H100 所创造的净美元价值相近，但八块 H100 将完成时间缩短了 22%，同时消耗了 3.24 倍的能源。我们的框架将能源预算约束下的输出价值和专家时间节省明确设为改进模型、加速器和软件的目标，同时为评估 AI 对各职业工作的潜在经济影响提供了新的依据。