五辆燃油车：AI的隐形碳足迹

开场用五辆燃油车烧干一生汽油的画面，引出大模型训练周期的真实能耗。引用SustAIn项目中研究者的分析，指出云端并非无烟工业，可持续AI已从纸面概念变成工程挑战。

两条路线登场：算法减法对基建重构

软件派主张从数据源头掐断计算需求，硬件派认为让模型少吃数据行不通，应拥抱算力需求、重构云端基础设施。双方各自亮出立场。

数据节食：像测视力一样剔除冗余

介绍电商平台项目中的敏感性测试方法，用掩码式减法找出不产生正向价值的数据。主播用「词典读十遍」的比喻说明冗余数据如何变成系统代谢负担。

泼冷水：测试成本与长尾崩溃

硬件派指出寻找冗余的穷举测试本身可能烧掉更多碳排放，且长尾效应下被剔除的冷门特征会让模型在专业问题上崩溃，企业宁愿多耗电也不敢删数据。

一次性投资与自动化遗忘

软件派回应称这是研发期的一次性投入，换来模型全生命周期的推理轻量化；并引出合规要求下的自动化遗忘机制，视其为动态瘦身机会。

灾难性遗忘：蜘蛛网里抽丝

硬件派用蜘蛛网比喻神经网络的互联结构，指出强行遗忘特定数据会导致表征崩塌，只能重训或引入复杂耦合算法，反而催生更大算力需求。

水冷与城市供暖：十一吨碳的实证

硬件派阐述热力学底座重构：法兰克福数据中心用水冷替代风冷，把六七十度热水接入城市供热网，单个八千瓦机柜每年省十一吨二氧化碳，相当于一辆车行驶一万五千公里。

为什么风冷还在吹：溢价缺失与管网协同

软件派反问商业壁垒何在。硬件派承认核心不在技术，而在缺乏低碳溢价奖励机制，以及IT设施对接城市管网需要政府、电网与企业共同谈判，瑞典试点正在打通。

全生命周期：芯片与电子废弃物

软件派用全生命周期视角反击：GPU制造消耗稀土与高纯度水，只优化散热会放任模型体量暴涨，倒逼硬件两三年一迭代，产生海量电子废弃物。

杰文斯悖论：越高效越耗能

硬件派以十九世纪蒸汽机为例提出杰文斯悖论：效率提升让成本下降，总消耗反而暴增。模型瘦身后调用次数爆炸，硬件消耗只会更多。

殊途同归：齿轮必须同步转动

双方各自总结立场后承认，可持续AI不能单打独斗，软件解耦与热力重构必须同步推进。结尾回到五辆燃油车的画面，把难题留给听众。