当AI代理从演示走向日常开发工具，其真实的能源账单可能远超预期。气候科学家Zeke Hausfather的实测数据，为这个被忽视的问题提供了罕见的量化视角。

发生了什么

Zeke Hausfather记录了自己使用Claude Code八周的数据：处理了32亿个token，消耗约170千瓦时数据中心电力。换算下来，每次提示的能耗大约是普通AI聊天的600倍。这一数字与谷歌、OpenAI此前公布的“低成本”形成鲜明对比——那些报告往往基于简单查询场景，而代理需要多轮推理、工具调用和上下文维护，能耗呈指数级增长。

为什么重要

此前行业对AI能耗的讨论，多聚焦于训练阶段或单次推理的基准测试。但代理式AI的兴起改变了游戏规则：一个任务可能触发数十次甚至上百次模型调用，且每次调用都需处理更长的上下文。Hausfather的数据首次以真实工作负载揭示了这种差距，表明行业报告可能严重低估了代理的实际能耗。这不仅关乎环境成本，更直接影响企业的运营成本和碳足迹核算——当AI代理成为编程助手、客服或数据分析工具时，其能耗将不再是可忽略的边际成本。

影响与看点

对开发者而言，这意味着需要重新评估代理工具的效率：是否每个任务都值得动用全功能代理？对云服务商和模型提供商，这提示了优化方向——例如通过缓存、模型蒸馏或更高效的推理架构来降低单次调用的能耗。值得关注的是，Hausfather的数据是否会被纳入行业标准，以及未来是否会出现更透明的能耗报告机制。一个独立的判断是：在代理式AI大规模普及前，能耗透明度必须成为行业共识，否则环境成本和社会信任将成为隐性瓶颈。