把 AI 从大型数据中心搬到机构服务器或个人设备，听起来像是少走一段“云端路程”，也常被包装成更绿色的选择。但这笔账不能只看眼前的电表。Deepak Kushawaha 在 2026 年 10 月发表于 Nature 的 Correspondence 中指出，去中心化 AI——让模型分散在本地设备或服务器运行——可能改善隐私和科研自主，却没有足够证据证明它更节能。
问题在于，大型数据中心通常能集中调度许多任务，让芯片更少闲置，冷却也更有效。本地服务器若使用不频繁，可能只是把耗电从数据中心转移到了机构机房。公平比较还要算上硬件制造、设备闲置、冷却和更新换代等全生命周期能耗。换句话说，开放权重模型让机构能够自行部署，但“能在本地跑”不等于“本地跑更绿”。这封短文没有给出统一的能耗测量结果；它更重要的提醒是：在核算边界和实测数据明确之前，去中心化 AI 的环保优势仍是待验证的主张。