前 Hugging Face 可持续 AI 研究员 Sasha Luccioni 已离职创业，成立 Sustainable AI Group，目标很直接：推动 ChatGPT、Claude 等 AI 产品在每次用户查询旁显示能耗与碳排数据。她认为，用户现在几乎看不到生成式 AI 的环境成本，而这类信息��失，正让企业在采购和使用 AI 工具时难以评估真实代价。
企业开始追问，AI 使用是否冲击 ESG 目标
Luccioni 在接受 WIRED 采访时提到，她越来越常听到企业内部出现同一种提问：管理层要求员工使用 Copilot 等 AI 工具，但这些工具会对公司的 ESG 目标带来什么影响，眼下并没有标准答案。原因很现实。主流 AI 公司尚未在产品界面中披露单次查询对应的能耗和碳排数据，用户在使用 ChatGPT 或 Claude 时，也看不到任何环境成本提示。
她的主张是把数字直接摆到界面上。这在她看来不只是透明度问题，也关系到市场竞争。哪家 AI 公司如果率先采用可再生能源数据中心，并公开披露能耗信息，就可能形成差异化优势。欧盟 AI 法案已经纳入可持续条款，首批报告义务正开始落地；在亚洲，包含国际能源署（IEA）合作国家在内，也开始推动数据中心透明度要求。
AIEnergyScore 已上线，但头部厂商没有提交数据
在 Hugging Face 任职期间，Luccioni 建立了开源 AI 模型能效排行榜 AIEnergyScore，希望用统一基准比较不同规模模型的电力消耗。不过，这套机制只能评估愿意参与的模型。OpenAI、Google、Anthropic 等主要大模型提供商都没有提交相关数据。
Luccioni 认为，这背后存在结构性利益冲突：大型 AI 公司既销售模型调用能力，也销售底层算力资源。用户使用的模型越大、成本越高，算力收入通常也越高。在这种商业模式下，主动推动客户改用更小、更省电的模型，等于压缩自己的收入空间。
轻量化模型能完成大量任务，算力消耗却低得多
她长期追踪的数据还显示，在多数企业应用场景中，真正承担大量生产任务的，往往是面向特定任务训练的分类模型，而不是通用大型语言模型。比如客服邮件情绪判断这类任务，使用专门分类模型时，所需算力可能低于 GPT-4 级别模型的 1%。这也意味着，企业如果缺少横向比较信息，可能会系统性地选用比实际需求大 10 倍甚至 100 倍 的模型。
Luccioni 的立场并非反对 AI。她强调，按照任务复杂度匹配合适模型规模，本质上是工程和采购决策，既可能压低成本，也能减少碳排��
新组织瞄准企业合规与采购决策
离开 Hugging Face 后，Luccioni 与前 Salesforce 可持续负责人 Boris Gamazaychikov 共同创立 Sustainable AI Group。一人来自技术计量侧，一人来自企业可持续治理侧，目标是把可持续要求从企业 CSR 部门的表述，转成采购 AI 工具时可执行的判断标准。
按照她的判断，欧盟监管进度正在把这件事从道德议题推向合规议题。当企业需要在 AI 法案框架下提交可持续相关报告时，AI 供应商如果不提供能耗信息，问题就不再只是“是否透明”，而会变成现实的合规风险。她的新组织希望围绕这套决策框架提供外部验证，同时继续向 AI 公司施压，要求公开能耗数据。