全球非营利组织“流媒体绿色化”宣布视频增强技术提供商Pixop成为新成员。Pixop利用机器学习提升视频质量，支持低成本超高清输出，其技术已集成到GoS的能耗测量工具中，以研究视频增强对能耗的影响，并探索减少设备端能源消耗的方法。

智平方科技在联合国展示了全球首个类脑大模型NeuroVLA，旨在减少对数据和电力的依赖。该模型模仿人脑机制，通过更少的数据实现学习与决策，显著降低能耗和延迟，推动AI向更高效、可持续的方向发展。

Nvidia 宣布其全液冷数据中心设计可将水使用量减少至接近零，通过提高服务器运行温度显著降低能耗和水耗。该设计将传统冷却系统的水使用量从每兆瓦每年约 260 万加仑降至几乎为零，但仍需关注 AI 数据中心的其他环境影响。

Ferveret是一家由MIT研究人员创立的初创公司，开发了一种新型冷却系统，利用特殊液体高效吸收热量，减少数据中心的能耗和水耗。其Adaptive Phase Cooling（APC）技术通过产生更小的气泡，加速热传递，提升计算效率，旨在实现数据中心的可持续发展，特别是在缺水地区利用可再生能源。

神雲科技在COMPUTEX 2026展出52U液冷机柜，支持多样化工作负载，能够搭载96颗AMD GPU，提升算力密度50%，占地减少33%。金刚石散热服务器降低能耗，节省数据中心成本。公司还推出扩展性强的机柜解决方案及基板管理控制器，提升数据中心运营效率。

华为的τ Scaling技术通过三维堆叠芯片提升了芯片密度和性能，缩短了信号传输距离，降低了能耗，推动了芯片技术向立体化发展。

AI对能源基础设施的压力显著。通过将数据处理从批处理转向实时流处理，可以有效降低AI能耗。批处理导致需求峰值，需要为高峰负载配置基础设施，而流处理则平滑负载，降低峰值需求。流处理技术如Apache Kafka已在金融、零售等行业广泛应用，能提高效率并减少能源浪费。虽然无法完全解决AI的能耗问题，但提供了一种快速、低投资的解决方案。

麻省理工学院与MIT-IBM沃森人工智能实验室开发了EnergAIzer工具，能够快速预测AI工作负载的能耗，帮助数据中心高效分配资源，减少能源浪费。该工具在几秒钟内提供可靠的能耗估算，适用于多种硬件配置，显著提高数据中心的能源效率。研究人员希望通过这一工具引起算法开发者和数据中心运营者对能源消耗的关注。

神经符号 AI 结合规则推理与学习，实现能耗降低100倍、训练时间缩短至数小时、准确率提升，符合 ESG 合规要求，推动绿色 AI 发展。

德州仪器推出MSPM0G5187和AM13Ex两款新型微控制器，集成TinyEngine神经处理单元，优化边缘AI功能，降低延迟和能耗，并支持CCStudio Edge AI Studio开发。

可持续用户体验（Sustainable UX）强调设计应优先减少能耗，而非单纯追求视觉效果。设计师应关注页面加载速度，优化图像和视频，采用深色模式以节省电力。通过设定数据预算、减少不必要的视觉元素、选择绿色托管等方式，推动环保设计，提升用户体验和网站性能。可持续设计不仅有助于环境，还能提高转化率。

文章讨论了作者从插混车型转向纯电动车的体验，强调了能耗和里程焦虑的变化。作者逐渐适应了纯电动车的能耗，认为其更符合用车需求，焦虑感减轻，最终选择了与生活方式高度匹配的车辆。

Pathway团队认为变压器架构已达极限，无法解决计算和能耗问题。他们正在开发一种新模型——龙蛋架构，灵感来自人脑，强调稀疏激活和神经元连接，以提高学习和记忆效率。该架构保留时间结构，解决了变压器的时间盲点和记忆问题，展现出更低的能耗和更好的数据效率。

麻省理工学院研究人员开发了一种动态调整计算预算的方法，使大型语言模型在解决复杂问题时更高效。该方法根据问题难度和解决方案成功概率灵活分配计算资源，降低能耗并提高准确性。研究表明，小型语言模型在复杂问题上的表现优于大型模型，提升了推理的可靠性和效率。

KISTERS推出KIPTEC嵌入式平台，将传统传感器转变为自主设备，缩短安装时间并降低75%功耗。该技术集成处理、记录和遥测功能，支持多种网络和协议，确保数据安全。

抱歉，您提供的文本内容过于简短，无法进行有效的总结。请提供更详细的文章内容。

麻省理工学院的工程师开发了一种新型铝合金，其强度是传统铝的五倍，且耐高温。通过机器学习，团队仅测试了40种组合，找到了最佳配方。这种铝合金适用于航空发动机风扇叶片等轻量化、高强度产品，预计能降低运输行业的能耗。