随着AI系统从单轮问答向多步编排的Agentic范式演进，传统基于单次推理的能耗度量标准正面临根本性挑战。一篇发表于arXiv的新研究《Energy per Successful Goal: Goal-Level Energy Accounting for Agentic AI Systems》提出了A-LEMS（Agentic LLM Energy Measurement System）框架，重新定义了AI能耗核算的单位——从“每次推理能耗”转向“每成功目标能耗（EpG）”。该研究指出，当前主流基准仅测量单次模型调用或训练运行的能耗，对于可能涉及多步编排、工具调用、重试甚至故障恢复的Agentic工作流而言，调用次数仅是实现细节而非任务属性，推理级归一化会严重扭曲目标完成的真实能耗成本。

A-LEMS框架的核心创新在于建立了跨层测量体系。它通过时间边界模型、五层观测管道（将RAPL硬件信号映射至工作流级能耗）以及可复现性协议，确保每次测量与硬件及运行时配置绑定。基于EpG，研究进一步定义了编排开销指数（OOI），用于分离编排结构相对于线性执行（在相同任务标准下）的能耗增量。OOI的引入使得研究者能够区分“因编排结构导致的额外能耗”与“因推理计算量增加导致的能耗”，从而精准定位Agentic系统的能耗瓶颈。

实验部分覆盖了五个推理任务族和三个工具增强任务族。结果表明，Agentic工作流每成功目标的平均能耗为888.1焦耳，而线性基线仅为205.3焦耳，前者是后者的4.33倍。更重要的是，研究证实这种高能耗并非由推理计算驱动，而是由编排结构主导。在工具增强任务中，OOI甚至出现低于1.0x的倒挂现象——Agentic执行反而比线性执行更节能。这一反直觉结果验证了EpG和OOI能够捕捉编排结构而非固定向上偏差，从而避免了传统度量可能产生的误导。

该研究对AI工程实践具有重要启示。首先，它揭示了当前能耗基准的局限性：对于Agentic系统，仅优化推理效率（如模型量化、剪枝）可能无法有效降低整体能耗，因为编排结构（如重试策略、工具调用序列）才是主要能耗贡献者。其次，EpG为开发者提供了更公平的对比基准——不同Agentic框架（如LangChain、AutoGPT）在相同任务下的能耗差异，可通过OOI直接归因于其编排设计。最后，A-LEMS框架的可复现性协议为行业标准化能耗测量奠定了基础，有助于推动绿色AI的客观评估。

从更宏观的视角看，这项研究标志着AI能耗度量从“微观操作级”向“任务语义级”的范式跃迁。正如电力系统从仅计量单次用电转向按“成功供电任务”核算一样，EpG将能耗与用户实际获得的价值（目标完成）挂钩，避免了因中间失败、重试等“无效能耗”被隐藏或低估。对于正在快速部署Agentic系统的企业而言，这一度量标准能够更真实地反映运营成本，并为节能优化提供明确方向——例如通过减少不必要的重试、优化工具调用顺序或引入早期失败检测机制来降低EpG。

未来，随着Agentic系统在多领域（软件开发、科研实验、客户服务等）的普及，基于EpG的能耗核算有望成为行业标准。研究团队已公开A-LEMS框架的代码与数据，鼓励社区参与基准测试与优化。这一工作不仅解决了当前Agentic AI能耗评估的空白，也为更可持续的AI系统设计提供了科学依据。