AI 总量管制与交易：面向可及性与可持续性的效率激励
综合经济学
2026-05-08 v2 人工智能
计算机与社会
计算机科学与博弈论
经济学
摘要
对人工智能 主导地位的争夺往往将规模置于效率之上。超大规模扩展是业界常用的方法：更大的模型、更多的数据以及尽可能多的计算资源。消耗更多资源是提升 AI 性能的更简单途径。因此，效率被忽视。结果，对昂贵计算资源的需求将学术界和较小规模的公司边缘化。同时，由于 AI 使用的增长，能源支出的增加导致了不断攀升的环境成本。为应对可及性与可持续性方面的担忧，我们主张研究并实施基于市场的激励 AI 效率的方法。我们相信，激励高效的运营与方法将减少排放，同时为学术界和较小规模的公司开辟新机遇。作为行动倡议，我们提出了一套针对 AI 的总量管制与交易系统。我们的系统可证明地减少了 AI 部署的计算量，从而降低排放并将效率货币化，使学术界和较小规模的公司受益。
引用
@article{arxiv.2601.19886,
title = {AI Cap-and-Trade: Efficiency Incentives for Accessibility and Sustainability},
author = {Marco Bornstein and Amrit Singh Bedi},
journal= {arXiv preprint arXiv:2601.19886},
year = {2026}
}
备注
22 pages, 2 figures. Accepted as a position paper at ICML 2026