一张 AI 图片的能耗相当于给手机充电 4 次

一张图片最高消耗 10 Wh。 这就是使用 GPT-4o 在最高质量模式下生成一张图片可能消耗的能量——相当于给你的智能手机充电 4 次。而大多数人在不知情的情况下，每天要这样做好几次。

一次 AI 文本查询大约消耗 0.3 Wh 作为参考，而生成一张图片的能耗是它的 3 到 33 倍。而选择不同模型之间的差距可以达到 46 倍。

能耗全景：逐模型对比

并非所有图像生成器的能耗都相同。Bertazzini et al. 在标准化硬件上测量了 17 个扩散模型，发现了巨大差异。将他们的数据与 2026 年最可靠的估算交叉对比后，全景如下：

• FLUX.2 klein（Black Forest Labs，紧凑版）：0.15-0.8 Wh —— 目前可用的最高效模型，专为消费级硬件设计
• Imagen 3（Google，在 TPU v6 上）：0.5-2.5 Wh —— 在商业服务中可能是最高效的
• SDXL（Stability，在 H100 上的开放基准测试）：1.64 Wh —— 经过实际测量的最佳参考值
• Midjourney v7（草稿模式）：1-2 Wh —— 快速模式能显著节省能耗
• Midjourney v8 Alpha：2-4 Wh 每组图 —— 新版本优先考虑极致写实而非效率
• Adobe Firefly Image 4：0.8-4 Wh —— Adobe 已生成超过 240 亿个素材，却未公布过一项能耗数据
• FLUX.2 dev/full（32B 参数）：1.5-6 Wh —— 大型模型，比其 klein 版本显著更重
• GPT-4o 原生图像：0.7-10 Wh —— 范围最广，取决于所选的质量和分辨率

1.64 Wh。 这是目前图像生成领域最可靠的参考数值：SDXL 在 H100 上由 AI Energy Score 实测。其他一切都是估算值。

一张图片的真实代价

为了直观理解，一张 AI 图片相当于：

• FLUX.2 klein（0.5 Wh）：一盏 LED 灯亮 3 分钟
• SDXL（1.64 Wh）：一盏 LED 灯亮 10 分钟
• Midjourney v8（3 Wh）：一盏 LED 灯亮 18 分钟
• GPT-4o 高质量（10 Wh）：给一部智能手机完整充电一次（14 Wh ≈ 1 次充电）

看起来不多。但请乘以你反复重新生成直到结果满意的次数。如果你用 Midjourney v8 需要 10 次迭代 才得到最终图片，你就消耗了 30 Wh —— 相当于两次智能手机充电。

AI 图片的真实代价不是生成一次，而是生成十次直到你满意。

三个改变能耗的决策

1. 选择与任务匹配的模型

如果你需要的是草稿、内部演示或原型的配图，像 FLUX.2 klein 或 Midjourney 草稿模式这样的紧凑模型，比 GPT-4o 最高质量模式消耗少 10-20 倍。把重量级模型留给最终成果。

2. 减少重新生成次数

每次”尝试”都会从零开始生成一张完整图片。在生成之前先打磨好 prompt。使用固定种子来迭代变体。一个定义明确的 prompt 可以帮你省下 5-8 次重新生成 —— 效率提升同等倍数。

3. 在不需要时降低分辨率

分辨率对能耗的影响是非线性的。生成 512x512 的图片比 1024x1024 消耗的能量显著更少。如果图片用于缩略图、社交媒体帖子或线框图，最高分辨率就是纯粹的能源浪费。

我能做什么？

• 如果你是 AI 图像的常用用户： 使用我们的足迹计算器来估算你的月度能耗。记住：草稿模式或紧凑模型能以极低的代价覆盖 80% 的使用场景。

• 如果你管理创意团队： 制定使用规范：迭代阶段用轻量模型，仅在最终交付物时使用重量级模型。这可以在不影响输出质量的前提下，将团队能耗降低 70-80%。

• 如果你是开发者： 在你的 pipeline 中默认集成高效模型。预览用 FLUX.2 klein，仅当用户明确请求高质量时才调用更大的模型。用户很少在第一次预览时就需要 1024x1024。