立场：大语言模型推理应作为能量到令牌的生产过程来评估

大语言模型推理目前仍主要作为模型或软件问题来评估：关注准确率、延迟、吞吐量和硬件利用率。这是不完整的。在部署规模上，相关的产出是在有效计算、交付的数据中心功率、冷却能力、电能利用效率（PUE）和利用率的联合约束下，产生的质量条件令牌。我们认为，机器学习社区应将推理视为“能量到令牌的生产”。我们用一个量纲一致的令牌生产函数来形式化这一观点，其中令牌速率受限于每令牌计算量和每令牌能耗的上限。不同供应商的公开API价格相差一个数量级以上，但我们仅将价格分散性作为方向性动机，而非边际成本的因果证据。核心的物理问题在于：在固定的质量和服务目标下，约束何时从理论峰值计算转向交付功率、冷却和运营效率？在此框架下，系统优化——如潜在KV缓存压缩、稀疏或高度压缩的注意力机制、量化、路由和难度自适应推理——不仅仅是局部的工程技巧。它们是能量到令牌的杠杆，因为它们在固定的$(q^{*},s^{*})$下减少了每令牌浮点运算次数、每令牌焦耳数、内存流量或利用率损失。因此，我们呼吁推理论文和基准测试在报告精度和速度的同时，也报告每令牌焦耳数、当前起作用的约束、经PUE调整的交付功率以及经利用率调整的令牌产出。