新系统Murakkab优化了多步骤AI工作流的设计与部署，提升效率，减少计算和能源消耗。开发者可用简单语言描述需求，系统自动选择最佳模型和工具，动态调整配置以满足用户优先级。测试表明，该系统在视频问答和代码生成任务中，计算需求仅为传统方法的35%，能耗减少27%，成本低于25%。研究者计划扩展系统以支持更复杂的工作流。

在印度 AI 峰会上，OpenAI CEO Sam Altman 辩称，训练 AI 的能源消耗比人类的生存成本更环保，尽管这一观点引发争议，但反映了科技行业对 AI 环境影响的关注。关键在于如何最大化 AI 的能源价值，而非单纯比较 AI 与人类的效率。

全球领先机构BSI推出“可靠、安全、可持续数据中心可信标识”，旨在应对数据中心行业的能源消耗和法规合规挑战。该认证框架灵活，涵盖业务连续性和碳足迹管理，已向阿联酋BK Gulf LLC颁发认证。

为减少网站对环境的影响，数字专业人士应采取有效措施，采用“去碳化用户旅程”的方法，通过优化网页性能和减小页面重量来降低碳足迹。这不仅提升用户体验，还能降低能源消耗，实现人、利、环境的共赢。

Super X AI Technology Limited与杭州中恒电气签署合资协议，成立SuperX Digital Power Pte. Ltd.，旨在整合AI算力与能源技术，解决AI时代的能源消耗问题，提供一体化的“算力+电力”解决方案。

在数字时代，"请"和"谢谢"等礼貌用语成为能耗隐患，每年导致AI服务消耗数千万美元电力。科技巨头正尝试通过新技术和改变用户习惯来降低能耗，并反思礼貌用语对环境的影响，呼吁更精准的表达以减少资源浪费。

人工智能的能源和水资源消耗引发关注，尤其是大型机器学习模型和数据中心。可持续AI旨在降低技术对环境的影响。专家指出，AI和数据中心占全球电力使用的2-3%，且水冷却需求高。通过优化硬件、改进算法和使用可再生能源，可以减少环境影响。企业应将IT采购与可持续目标对齐，实施最佳实践以降低碳排放。

尽管加密技术不断进步，但其能源消耗问题依然突出。新兴项目通过去中心化的物理基础设施网络（DePIN）与现实世界互动，如太阳能和WiFi分配，允许社区本地管理能源生成和分配，体现了从追求代币升值向构建可持续系统的思维转变。

DeepSeek声称其AI模型的能耗仅为Meta Llama 3.1的十分之一，这可能会降低AI对环境的影响。如果这一说法属实，将有助于减少数据中心的电力需求并推动可再生能源的使用。然而，技术效率的提升可能会导致使用需求增加，因此需谨慎对待。

工作量证明（PoW）是区块链的共识机制，通过解决复杂计算难题来验证交易并添加新区块。尽管PoW在比特币等早期区块链中发挥了重要作用，但其高能耗、中心化风险和交易速度慢等问题引发了环境和效率的担忧。

元宇宙（Meta）利用强化学习优化数据中心环境控制，减少能源消耗和水的使用。通过提高冷却效率，应对气候变化挑战。通过历史和模拟数据训练，成功减少能源和水的消耗。计划将该方法应用于未来的数据中心，实现能源和水的节约。