環境影響

您牌卡的真實碳足跡。

我們使用 AI 繪製每一張牌卡，是的——AI 確實會消耗能源和水資源。因此，我們不打算敷衍帶過，而是採用已發表研究中最保守的數據進行計算，並將其與您日常活動的消耗進行對比。以下是製作一副客製化牌卡對地球造成的真實成本。

能源

~0.3 kWh

≈ 串流播放 4 小時

每副完整 78 張牌卡

碳排放

~130 g CO₂

≈ 瀏覽 Instagram 90 分鐘

全球平均電網計算

水資源

~1–3 L

≈ 幾瓶瓶裝水

用於資料中心冷卻與發電

換個角度看

能源消耗對比

製作一副牌卡是一次性的。以下是其能源消耗與幾項日常活動在同一標準下的對比。

瓩小時 (kWh) — 越低代表負擔越輕

您的完整牌卡0.30
串流播放 2 小時電影0.15
看一晚電視 (4 h)0.31
洗一次衣服1.0
洗碗機運轉一次1.5

相當於進行幾百次網路搜尋的能量。

相當於開車行駛不到半英里的碳排放。

大約是燒開三次水壺所需的電量。

作為參考：生產一個牛肉漢堡大約需要 2,500 L 的水。

我們如何降低環境影響

始於設計

我們絕不重複繪製已完成的牌卡

我們的引擎只會生成實際缺失的牌卡——絕不浪費資源進行重複運算。修改也只會針對單張牌卡，而非整副牌。

數位優先 — 除非您要求，否則不進行實體郵寄

預設情況下，您的牌卡會以高解析度檔案的形式保存。紙張、油墨和運送——這是任何實體產品中碳足跡佔比最大的部分——只有在您選擇印刷版本時才會產生。

共享基礎設施上的高效模型

我們使用在共享雲端資料中心運行的現代優化圖像模型，而不是一台專用機器在持續運轉。因此，隨著技術的進步，每張牌卡的成本會持續下降。

而且每年都變得更加輕量

這不是一個固定的數字，而是一個不斷縮小的數字。得益於整個行業真實且可衡量的進步，製作同一副牌卡所需的消耗僅為兩年前的一小部分。

~10×

比 2023 年基準更具能源效率的圖像模型，且技術進步迅速。

↓ CO₂

電網持續去碳化，因此每年進行相同的工作所產生的碳排放更少。

−24%

資料中心每單位能源的水資源消耗在一年內有所下降，且全新接近零耗水的冷卻技術也已問世。

“如今製作一副牌卡的消耗僅為兩年前的極小部分——而且這個數字還在持續下降。”

1%

我們更進一步

對於每一筆訂單，我們都會將 1% 的營收透過 Stripe Climate 用於永久碳移除。這筆資金資助了一系列前沿技術，將 CO₂ 從大氣中提取並封存——而且 100% 的資金都會直接投入這些項目，中途不收取任何費用。

我們對此保持坦誠：這 1% 有助於推動碳移除產業的成長與規模化——我們並非聲稱每副牌卡都達到了完美的「碳中和」。這是在原本就微小的碳足跡之上，所做出的真實貢獻。

資訊透明

計算公式

我們寧可誠實地高估，也不願刻意挑選討喜的數字。以下是我們得出這些數據的具體過程。

我們如何計算一副牌卡的碳足跡

我們以我們製作的最大牌卡規格——一副完整的 78 張牌卡進行建模（較小規格的牌卡會按比例遞減）。

  • 每副牌卡的渲染次數： 78 張完成的牌卡，加上免費預覽以及偶爾為了品質而重新渲染——我們假設總共生成約 100 張圖像（這是一個寬裕的 25–30% 額外預算）。
  • 每次渲染消耗的能源： 已發表的研究指出，生成單張 AI 圖像的能耗介於 ~0.5 Wh（高效的現代模型）與 ~11 Wh（較舊的大型 1024px 模型）之間。我們刻意採用了跨模型保守平均值 ~2.9 Wh，而非我們自己樂觀估計的數據。
  • 結果： 每副牌卡約 100 × 2.9 Wh ≈ 0.3 kWh → 在全球平均電網下約產生 130 g CO₂（在更乾淨的歐洲電網上則更少），以及約 1–3 L 用於冷卻和發電的水資源。

我們不隱瞞的事實： 這些估算值存在真實的不確定性。訓練底層模型本身也會產生碳足跡，但由於分攤在數百萬次的使用中，因此每副牌卡分攤到的部分微乎其微。在數據存在範圍時，我們傾向於選擇較高的數值，以便在最壞的情況下也能保持誠實。以上所有內容均來自獨立的公開研究。

來源

獨立研究
  1. 1Luccioni, Jernite & Strubell (2023) — Power Hungry Processing: Watts Driving the Cost of AI Deployment? arXiv:2311.16863
  2. 2MIT Technology Review (Dec 2023) — Making an image with generative AI uses as much energy as charging your phone.Read
  3. 3International Energy Agency (IEA) — The carbon footprint of streaming video (~0.077 kWh & ~36 g CO₂ per hour). Read
  4. 4Carbon Trust — European video streaming ≈ 55 g CO₂e per hour.
  5. 5Ren et al., UC Riverside — Making AI Less “Thirsty” (data-center water per query). arXiv:2304.03271
  6. 6Lawrence Berkeley National Laboratory (2024) — U.S. Data Center Energy Usage Report (water-usage effectiveness). Read
  7. 7Hannah Ritchie — Sustainability by Numbers (2025) — AI’s energy footprint in perspective. Read
  8. 8Stripe Climate & Frontier — how the carbon-removal commitment works. Read

創造值得珍藏的雋永之作。

專屬的紀念禮物，以輕盈的環境足跡細心打造。

設計您的牌卡
返回 Tails

所有數據均為根據上述獨立來源得出的保守估算值。