背景
arXiv 上出现一篇题为《Intelligence per Watt: Measuring Intelligence Efficiency of Local AI》的论文。从标题看，作者试图为本地（端侧）AI 建立一套以"每瓦特智能"为核心的效率度量方式，即把模型的智能水平与其运行功耗放在同一个比值下考察。论文链接：https://arxiv.org/abs/2511.07885。
为什么值得关注
本地 AI 指模型直接运行在手机、笔记本、PC、边缘设备等终端上，而不是依赖云端数据中心。它的吸引力在于低延迟、数据不出本地、离线可用；但代价是终端在功耗、散热和电池续航上存在硬约束。这意味着"模型有多聪明"和"跑起来有多耗电"必须被放在一起看，单独讨论任何一面都不足以支撑部署决策。
过去对模型的评测多集中在准确率、推理速度或参数量上，能耗往往另作讨论，缺少与能力直接挂钩的统一标尺。"每瓦特智能"这类指标的价值在于把两者压缩成一个可比数值：同样一瓦功耗能换来多少有效智能。若该口径被业界采用，模型选型、芯片与终端设计、推理框架优化都将获得更直接的比较语言——开发者不只会问"哪个模型更强"，还会问"哪个模型在同等功耗下更划算"。
需要注意
该论文目前未提供摘要信息，其具体定义口径（如何量化"智能"、如何在本地设备上测量功耗）、实验设置与结论，均需查阅原文确认。指标能否被广泛接受，还取决于测量方法是否可复现、是否覆盖不同硬件与量化方案，以及"智能"这一侧的评价是否足够稳定。
论文链接：https://arxiv.org/abs/2511.07885