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。
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。
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。
本研究探讨了大型语言模型在硬件可及性和能源消耗方面的高资源需求，并提出了一种后训练量化技术的系统评估。通过分析不同的量化方案，旨在实现高效推理。
本研究探讨SKA区域中心网络的可持续性，利用开放科学技术和绿色实践，开发新方法以降低能源消耗，并建立可信的科研数据存储库，结合人工智能推动可持续技术的发展。
本研究提出了一种智能物联网灌溉系统，旨在解决干旱地区的水资源短缺问题。通过代理导向和系统动力学的混合模型，优化土壤湿度，减少水损失。测试结果表明，该系统有效降低了灌溉水量和能源消耗。
本研究探讨了网络代理的可持续性，首次分析其能源和二氧化碳成本。文章强调不同网络代理设计对能源消耗的影响，并呼吁引入专门的能源消耗和可持续性指标。
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。
本研究解决了深度学习在能源消耗数据异常检测中缺乏可解释性的问题。提出了一种新颖的解释方法，该方法强调上下文相关信息，从而减轻了现有可解释性技术的不稳定性。实验结果表明，该方法在十种不同机器学习模型上减少了解释的变异性，提升了一致性，平均减少约38%的变异性。
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。
俄罗斯在10个地区禁止比特币等挖矿至2031年，原因是能源消耗过高。尽管2024年比特币挖矿合法化，但新规限制大型矿场运营。能源短缺和基础设施问题促成此决定，部分地区可能会提供电力补贴以吸引矿场。
本研究分析了现有1位大型语言模型在推理速度和能耗方面的不足，提出了bitnet.cpp软件堆栈。通过开发快速无损推理内核，提升了不同处理器上的推理速度，实现了最高6.17倍的加速，增强了1位LLM的本地部署潜力。
在数字时代，我们常常忽视了文件和媒体的环境影响。压缩文件可以减少能源使用和二氧化碳排放，ubuntools Docker镜像是一个有用的工具。压缩文件和媒体可以减少数据传输和存储所需的能源，对减少环境影响有意义。
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。
完成下面两步后，将自动完成登录并继续当前操作。
