用 AI 生成一段文字，究竟会消耗多少真实世界的资源？
在今天的大模型产品中，AI 往往被设计成一种近乎“无限”的能力。输入一句话，几秒钟后答案就会自动生成。无论是文本生成、图像生成还是 Agent 调用，AI 似乎永远在线、永远响应、永远不会枯竭。
但在屏幕背后，每一次生成都依赖着真实世界的基础设施：持续运转的数据中心、高性能计算设备、大规模电力消耗，以及用于服务器冷却的大量水资源。除此之外，还有支撑这些系统运行的土地、供应链和人类劳动。只是对于绝大多数用户而言，这些代价往往完全不可见。
当我们打开 ChatGPT、Gemini 或其他 AI 产品时，看到的通常只是一个输入框和一个回答结果。整个过程被设计得足够流畅，以至于人们很少会意识到一次生成背后究竟发生了什么。
于是，一个问题开始出现：当 AI 交互被设计得越来越即时、越来越顺滑的时候，我们是否也正在逐渐失去对资源消耗的感知？
在 CHI 2026 论文《Cry for AI: A Moss-Controlled AI Wearable for Resource-Aware Interaction》中，研究者没有继续优化模型效率，也没有提出新的节能算法，而是尝试从交互设计的角度重新思考这个问题。
他们设计了一套由苔藓参与控制的 AI 可穿戴设备。当苔藓保持健康状态时，用户可以正常使用 AI；而当苔藓逐渐失去水分时，AI 将被限制甚至拒绝继续提供服务。通过这种方式，原本隐藏在后台的资源依赖，被重新带回到了用户的日常体验之中。
From "Unlimited AI" to "Limited Resources"
从“无限 AI”到“有限资源”
过去几年，大模型产品一直在强化一种体验：AI 是即时的、持续在线的，似乎拥有无限的生成能力。
随着生成式 AI 的快速发展，研究者开始关注模型训练和推理过程中所消耗的能源、水资源以及硬件资源。越来越多的研究试图量化一个大模型从训练到部署所产生的环境影响，并评估其长期可持续性。然而，这些研究大多停留在系统层面。
它们告诉我们一个模型训练消耗了多少电力，一个数据中心每天需要多少冷却水，或者一次推理请求可能产生多少碳排放。但对于普通用户来说，这些数字往往十分抽象。
因为用户与这些资源之间始终隔着一层厚厚的基础设施。当人们向 AI 提出问题时，很少会看到资源消耗的过程。无论是让 AI 写一段文案，还是让它完成复杂推理，用户感受到的都只是几秒钟的等待时间。资源消耗发生在遥远的数据中心之中，而不会直接进入交互体验。
这意味着一个有趣的现象：很多人知道 AI 会消耗资源，但这种知识并不会影响他们的实际使用行为。
这篇论文认为，这正是当前可持续 AI 研究面临的一个挑战。如果资源永远停留在统计图表和研究报告里，那么它们很难真正进入用户的日常决策过程。因此，作者提出了一个不同的思路：与其不断向用户展示资源数据，不如让资源约束直接参与交互本身。如果资源状态能够影响 AI 是否可用，那么资源就不再只是后台参数，而会成为用户必须面对的现实条件。
Cry for AI: Enabling Moss to Participate in AI Access Control
Cry for AI：让苔藓参与 AI 访问控制!图片
基于这一思路，研究团队设计了 Cry for AI。这是一个由苔藓界面、AI 语音模块、水循环系统和泪液传感器组成的可穿戴装置。用户佩戴设备后，可以像使用语音助手一样与 AI 进行交流。
但与传统 AI 设备不同的是，Cry for AI 的访问权限并不完全由系统决定，而是与苔藓的状态直接相关。
设备表面分布着多个湿度传感器，用于持续监测苔藓的生长环境。当苔藓湿度保持在正常范围时，AI 可以正常工作；而当湿度低于设定阈值时，系统会限制访问权限，并拒绝继续响应用户请求。
也就是说，即使模型本身仍然能够运行，系统也会主动停止服务。从技术角度来看，这是一种基于湿度传感器的访问控制机制；但从交互设计角度来看，它改变了 AI 与用户之间的关系。
在传统系统中，用户拥有绝对控制权。只要设备联网、系统运行正常，AI 就应该随时响应。而在 Cry for AI 中，AI 的可用性被放在了一个更大的生态循环之中。用户不仅需要与 AI 交互，也需要关注维持系统运行所需的环境条件。
为了恢复 AI 的使用权限，研究者还设计了一套补水机制。设备在佩戴者眼下设置了导电纺织传感器，当眼泪引起电导率变化时，系统会启动微型水泵和超声波加湿模块，为苔藓重新提供水分。当苔藓恢复到可接受状态之后，AI 才会重新开放访问权限。通过这种方式，资源维护过程被直接嵌入到了交互循环之中。
Why moss?
为什么偏偏是苔藓？!图片
如果只是想表达资源有限，研究者完全可以设计一个进度条、资源余额或者能耗统计界面。但他们最终选择了苔藓。这一选择实际上与近年来 HCI 领域关于“自然作为界面”的研究密切相关。
越来越多的研究开始尝试将生命体和生物材料视为交互系统的一部分，而不仅仅是背景装饰。例如植物可以成为输入设备，材料老化过程可以成为反馈机制，而生长、变化和衰退本身也能够成为交互体验的重要组成部分。在这样的背景下，研究团队开始思考：是否能够让一种真实生命体参与 AI 的使用过程？
为了找到适合长期佩戴的生物材料，研究者进行了大量材料实验。他们测试了五种不同类型的苔藓，包括垫状苔藓、地钱、泥炭藓、沙漠苔藓以及淡水蕨等植物，并观察这些植物在脱水与复水过程中的表现。
与此同时，他们还尝试将苔藓与不同类型的水凝胶结合，测试其保水能力、柔韧性以及长期生长状态。论文中展示了大量材料实验过程，包括水凝胶纱线挤出实验、拉伸测试、脱水测试以及不同结构形态下的生长情况。研究团队不仅关注苔藓能否存活，也关注这些材料是否能够被真正整合进可穿戴设备之中。
最终，他们发现由 PHA 生物可降解材料、水凝胶和垫状苔藓构成的组合最适合用于原型制作。从生物学角度来看，苔藓对湿度变化非常敏感，并且能够在脱水后恢复活性；从设计角度来看，它能够持续表达环境状态，并随着时间产生真实变化。因此，在 Cry for AI 中，苔藓不仅是一种材料，更是一种持续参与交互过程的生命界面。
AI also has a 'resource budget'
AI 也有“资源预算”!图片
除了苔藓机制之外，Cry for AI 还设计了一套资源预算系统。研究者并没有把所有 AI 请求视为同一种资源消耗，而是设计了三种不同的交互模式：
- Green Mode（绿色模式）
- Agent Mode（代理模式）
- Superpower Mode（超能力模式）
例如，Green Mode 对应较低的温度参数和较少的输出长度，更适合完成简单问答；Agent Mode 可以执行中等复杂度任务；而 Superpower Mode 则用于需要大量推理和内容生成的场景。
论文中举了一个非常有意思的例子。如果用户只是想知道如何制作意大利面，那么可以使用 Green Mode；而如果用户希望 AI 搜索邮件、整理信息并生成回复，则可能需要 Agent Mode；如果需要调研论文、撰写报告甚至完成复杂任务，则需要调用 Superpower Mode。
这种设计与今天大多数 AI 产品形成了鲜明对比。在当前的产品逻辑中，用户很少需要思考自己究竟消耗了多少资源。系统会自动调用所需能力，而资源成本被隐藏在后台。但在 Cry for AI 中，用户必须主动说出自己希望使用哪一种模式。换句话说，资源消耗第一次成为交互的一部分。研究者希望通过这种方式，让用户重新建立起对于计算成本的感知，使资源使用从默认行为变成主动选择。
When nature has the right to refuse
当自然拥有“拒绝权”!图片
如果说苔藓只是一个显示资源状态的界面，那么 Cry for AI 仍然只是一个特殊的可持续设计项目。但论文真正有意思的地方，在于作者赋予了苔藓影响交互结果的能力。当苔藓状态良好时，AI 可以正常工作；当苔藓状态恶化时，系统会拒绝继续提供服务。这意味着苔藓并不仅仅是在“表达状态”，而是在某种程度上参与了访问控制。
论文将这种机制称为“生态访问控制”。在传统的人机交互系统中，控制权通常掌握在人类用户和系统设计者手中。自然环境往往只是背景条件，即便受到影响，也很少直接参与决策过程。而在 Cry for AI 中，研究者尝试打破这种关系。他们提出：非人类生命系统同样可以成为交互回路中的参与者，并拥有预算、限制甚至拒绝交互行为的能力。这也是整篇论文最核心的贡献之一。
它讨论的已经不只是 AI 能耗问题，而是一个更大的设计议题：当 AI 成为社会基础设施之后，我们是否能够重新思考人与环境、人与资源以及人与其他生命体之间的关系？
在这样的视角下，苔藓不再只是装饰性的植物，也不只是一个生物传感器，而成为了真正影响交互过程的一部分。
conclusion
结论!图片
过去的可持续 AI 研究，大多关注如何让系统变得更高效。而 Cry for AI 关注的是另一件事：如何让用户重新意识到资源的存在。
它并没有试图解决 AI 的能源问题，也没有声称一株苔藓能够改变全球数据中心的资源消耗。相反，它更像是一个设计研究实验，通过构建一种新的交互关系，让那些原本隐藏在后台的资源依赖重新进入用户的感知范围。
当一株苔藓能够决定 AI 是否继续回答问题时，研究者真正讨论的已经不只是植物本身，而是人与人工智能、自然系统以及有限资源之间的关系。
也许未来的人机交互不一定都会变成这样，但 Cry for AI 至少提出了一个值得思考的问题：当 AI 逐渐成为社会基础设施之后，资源是否还应该继续隐藏在交互界面之外？
朝菌学园HCI论文辅导课程，名校博士与你一起做学术~
ʕ •ᴥ•ʔJOIN CLUB
!图片