本文探讨了HTTPS/TLS的安全性与能源消耗之间的平衡。虽然HTTPS确保数据安全，但其计算和传输开销显著增加。假设全球弃用HTTPS，可能节省数个太瓦时电力。尽管存在隐形成本，安全性仍是HTTPS普及的主要驱动力。文章呼吁在保障安全的同时，寻求更高效、低能耗的解决方案。

本研究提出了一种新颖的时间转换模块，有效解决了脉冲神经网络在处理时间特征与低能耗之间的矛盾，显著提高了效率和准确性。

微软开源的三进制LLM BitNet b1.58 2B4T，参数达到2B，内存仅需0.4GB，能在单CPU上高效运行。该模型采用三元值{-1, 0, 1}存储权重，计算效率高，解码延迟仅29ms，能耗低至0.028J，性能优于同类模型。

本研究探讨了脉冲神经网络（SNN）在生成模型中的应用，提出了低精度SNN处理、基于变压器的扩散模型和脉冲扩散模型等新方法，显著提升了生成性能和能效，解决了多任务学习和持续学习的挑战，为低能耗生成应用开辟了新方向。

该研究提出了一种新型自适应尖峰循环神经网络（SNN），在边缘人工智能硬件上性能优于传统递归神经网络（RNN），并显著降低能耗。研究还介绍了SpikeGPT生成语言模型和SparseProp算法，提升了SNN的训练效率和准确性，展示了其在低计算成本下超越传统神经网络的潜力。

本研究提出了一种基于定点神经网络的低能耗联邦学习框架，通过多目标优化平衡数据精度与能耗，降低能耗70%且不影响收敛速度。同时探讨了移动设备上高效联邦学习的无线传输与权重量化设计，以确保模型性能与训练延迟。

磁带存储在企业领域仍然是一个不错的选择，具有双倍的使用寿命和低能耗的优势。磁带存储适合冷存储，碳排放和成本方面更具优势。尽管目前大多数公司对磁带存储不太关注，但由于冷存储需求增加，磁带存储在未来可能会保持优势。