AI 并非无害
每个 AI 模型背后都有数据中心、服务器、冷却系统、网络和存储设施。根据国际能源署（IEA）数据，数据中心在 2024 年的能耗约为 415 TWh，接近全球用电量的 1.5%，且这一需求在 2030 年前可能大幅增长。这一影响并非抽象概念：它是物理基础设施在消耗真实的物理资源。
- 能源需求已相当可观，且仍在增长
- 服务器占了能耗的很大一部分
- 冷却效率因基础设施而差异显著
- 不同的 AI 使用场景成本与意义各不相同
AI Sustainability & Human Alignment
关于 AI 的讨论长期困在两个毫无建设性的极端之间：一边是不了解 AI 就予以否定的人，另一边是将其奉为救世主的人。在盲目恐惧与盲目崇拜之间，批判性思维正在消失。AISHA 由此而生，它像一枚指南针，引导人们以诚实、负责、可持续的方式使用 AI。
了解 AISHAAI Sustainability & Human Alignment
关于 AI 的讨论长期困在两个毫无建设性的极端之间：一边是不了解 AI 就予以否定的人，另一边是将其奉为救世主的人。在盲目恐惧与盲目崇拜之间，批判性思维正在消失。AISHA 由此而生，它像一枚指南针，引导人们以诚实、负责、可持续的方式使用 AI。
了解 AISHA写文字、生成图像与制作视频的成本并不相同
单次请求的消耗并没有一个通用数值：它取决于模型、内容长度、分辨率、时长以及处理请求的数据中心。但有一个清晰且易于理解的现实：简短的文字查询通常是最轻量的用法；生成图像需要多得多的计算；而视频则是计算最密集的用法，远超前两者。问题不在于偶尔说一声谢谢，而在于数百万次低价值使用的叠加，或在不必要时生成高计算量的内容。
- 文字：最轻量的场景，但并非免费
- 图像：计算量和生成的像素带来更高成本
- 视频：时长、帧数和分辨率带来更高成本
- 理性使用 AI，也意味着避免不必要的资源消耗
对就业岗位的影响：真正的风险在于不当的过渡方式
AI 确实会影响就业，但最可能出现的效应不是岗位的全面消失，而是任务与职责不均衡的转变。国际劳工组织（ILO）估计，全球约 25% 的就业岗位处于可能受生成式 AI 影响的职业类别中，行政性和机械性任务承受的压力更大。如果引入 AI 只是为了削减成本，没有培训、没有重新设计工作，也没有人的判断，损害就会随之而来。
- 重复性任务首当其冲
- 许多岗位会先转型再消失
- 对新技能的需求将持续增长
- 缺乏培训时，效率提升反而可能让工作变得更糟，而不是更好
创造新的工作岗位
合理使用时，AI 能把人从机械性任务中解放出来、提升绩效、开辟新的职业方向，并让以往更慢或更昂贵的创意流程变得更加普及。经合组织（OECD）针对中小企业的最新研究指向了这一方向：许多企业反馈绩效有所提升，部分团队成员的工作负担减轻，而且在大多数情况下，整体用人需求并未改变。真正改变的是任务内容、工作节奏和所需能力。
- 更多时间用于决策、思考和创造
- 与监督、集成和判断相关的新角色涌现
- 更广泛地获取创意与生产力工具
- 提升能力而不将人变成机械零件
负责任使用意味着什么
对我们而言，负责任地使用 AI 不是表面功夫。它意味着更审慎地选择应用场景、避免不必要的生成、保持人工监督、培训团队，并以清晰的风险、质量和效用标准来管理 AI 的使用。正是在这里，可持续发展不再停留于口号，而是成为实践。
- 优先选择高价值、低浪费的场景
- 不为生成而生成
- 坚持审核与质量标准
- 先培训，再扩展
- 衡量真实效用与使用风险
Twin Force 的立场
Twin Force 既不盲目追捧，也不简单排斥。我们关注的是实用、可衡量、负责任的 AI：一种能减轻机械负担、优化流程，并为人类工作中最有价值的部分留出更多空间的 AI。
- 面向团队和客户的教育与科普
- 负责任地推广应用，而非不加区分地部署
- 更多判断力，而非只是更多自动化
- 技术服务于人类工作
AISHA：AI 可持续发展与人类对齐
AISHA 是由 Twin Force 创立的一项倡议，致力于围绕可持续发展与 AI 开展科普、培训和意识提升。它源于一个简单的理念：仅仅了解 AI 能做什么是不够的，还必须理解它消耗什么、改变什么，以及它所要求的责任。通过 AISHA，我们希望帮助企业、团队和专业人士以更有判断力、更了解背景、更有意识的方式使用 AI。
- 关于能源、社会和运营影响的清晰科普
- 帮助团队更理性、少受炒作干扰地应用 AI 的培训
- 区分真实效用与不必要使用的资源
- 推动技术、工作与社会之间更成熟的对话