随着人工智能模型规模急剧扩张，数据中心的电力消耗正呈指数级增长。据劳伦斯伯克利国家实验室预测，到 2028 年，仅美国数据中心的用电量就可能占到全国总用电量的12%。

在此背景下，精准、快速地测算 AI 任务的能耗，已成为人工智能（AI）行业实现可持续发展的核心刚需。

为此，麻省理工学院（Massachusetts Institute of Technology，MIT）与 MIT‑IBM 沃森人工智能实验室（MIT‑IBM Watson AI Lab）的联合研发团队，于 2026 年 4 月推出一款名为 EnergAIzer 的 AI 功耗快速预测工具。

麻省理工学院（MIT）创立于1861年，位于美国马萨诸塞州剑桥市，是全球顶尖的私立研究型大学，以“手脑并用（Mens et Manus）”为办学理念，在工程、计算机、AI、物理等领域长期引领世界前沿，拥有百余位诺贝尔奖、图灵奖得主，科研实力与产学研转化能力均居全球前列。

MIT‑IBM 沃森人工智能实验室成立于2017年，由 MIT 与 IBM 共同打造，IBM投入2.4亿美元支持，汇聚双方顶尖科研力量，专注AI基础研究与产业落地，累计资助超210个项目、发表1500余篇论文，成果覆盖高效AI模型、可解释算法、硬件感知计算等方向。

EnergAIzer 是MIT‑IBM 沃森人工智能实验室（MIT‑IBM Watson AI Lab）在绿色AI领域的代表性成果，专门解决大模型时代功耗估算难、慢、成本高的痛点。

EnergAIzer 能在数秒内精准估算特定 AI 工作负载在任意处理器（GPU/CPU/AI 加速器）上的耗电量，彻底颠覆传统需数小时甚至数天的仿真测算模式。

传统方法需逐周期模拟芯片运行逻辑，不仅耗时，且结果常滞后于实际业务部署；而 EnergAIzer 通过内核级特征建模 + 真实硬件数据训练，仅需输入 AI 模型类型、输入数据规模及硬件配置，即可在平均 1.8 秒内输出能耗估算值，预测误差仅约8%，与传统高精度方法持平。

EnergAIzer 工具的核心价值在于：

  • 数据中心侧：可实时对比不同 AI 模型与硬件组合的能耗效率，动态调度负载至最优算力单元，降低冗余功耗与冷却成本；
  • 开发者侧：部署新模型前即可评估能耗，提前优化算法结构（如剪枝高耗能层），避免上线后算力浪费；
  • 行业侧：支持对未上市的新型加速器进行能耗预判，为硬件采购与技术路线决策提供数据支撑。

据 Aodok.com 了解，作为 AI 绿色计算领域的突破性工具，EnergAIzer 正推动行业从 “先部署、后算能耗” 转向 “先预估、再部署” 的高效模式，为全球 AI 基础设施的低碳化转型提供关键技术支撑。