标签
该论文提出 HRF-Res，一种用谐振放电（HRF）神经元替代传统 LIF 神经元的液态状态机，使脉冲储层具备频率选择性动力学，在十个基准上达到脉冲储层方法的最先进精度，同时比等效非脉冲振荡储层能耗降低多达 19 倍。
该论文提出了二次幂泄漏积分发放（PoT-LIF）神经元，通过发出带符号、幅值为二次幂的脉冲，在无需重构预训练策略的情况下，使视觉-语言-动作模型能够进行事件驱动的脉冲计算。将其集成到 π0.5 VLA 的投影层后，该模型在 LIBERO 基准测试中的表现达到或超过了采用连续激活的基线，同时将建模估算的算术运算能耗降低了约 86.95%。
研究人员和企业正在开发受大脑启发的神经形态半导体芯片，旨在让数据中心更智能、更节能，降低现代人工智能和计算工作负载的电力需求。
多家企业正采用 NVIDIA DSX AI Factory 平台，将电网、设施与算力统一规划仿真运行，以突破 AI 数据中心面临的电力瓶颈。GE Vernova、Hitachi Energy、Schneider Electric、Siemens Energy 等公司与 NVIDIA 合作，推动电网感知的电源架构与数字孪生方案。
德国计划到2030年将数据中心规模翻倍、AI算力提升四倍，但其气候承诺与《能源效率法》中要求数据中心回收废热的规定产生冲突，政府最终在行业压力下弱化了该要求，凸显欧洲在AI扩张与减排目标之间的两难。
MIT Technology Review 解读：依靠暴力堆叠扩展数据中心正逼近天花板——经典的缩放定律（摩尔定律、Dennard 缩放、Koomey 定律、Kryder 定律、Keck 定律）逐渐放缓，而计算的根本物理极限依然为进步留有空间。文章借用 Feynman 1959 年的演讲《There's Plenty of Room at the Bottom》（底层大有可为），为当今工程极限之下的下一个前沿划定坐标。
ATEST：面向大语言模型推理的自适应资源感知测试时缩放提出了一种资源感知的测试时缩放框架，联合考虑额外采样的预期价值与当前 GPU 成本，在 GPU 负载变化下动态决定采样何时停止，从而在满足能耗预算的同时保持准确率，并显著减少 GPU 时间与能耗。
Neuralwatt 分析一个月云端流量发现，agent harness 如何构建 prompt 决定了大量 GPU 计算量：缓存命中率差异导致未缓存输入在 1.6% 到 11.1% 之间，一次缓存失效大致会让请求能耗翻倍，且这些问题多数可通过避免编辑已发送内容来修复。
Artificial Analysis 的 AA-AgentPerf 基准通过回放真实编码智能体的运行轨迹来测试推理硬件的能效。结果显示，NVIDIA Vera Rubin 在几乎所有速度档位上均位居前沿首位，领先于 DeepSeek V4 Flash/Pro、Kimi K3 和 GLM-5.2/5.3 等模型的测试配置。
牛津大学的研究人员在七项基准测试和六种硬件平台上，直接测量了86个开放权重大语言模型检查点的推理能效，发现能力相近的模型之间存在显著的能耗差异，并主张在报告基准测试得分的同时，也应报告实测能耗。
微软将其Azure Maia系统扩展到多吉瓦级部署，将面向生产工作负载的Maia 200与计划于2027年推出的Maia 300区分开来，这引发了关于如何跨代公平比较推理效率的讨论。文章强调，在明确的负载和质量校验下，每次有效产出的能耗等指标比原始吞吐量更重要。
GitHub 和耶鲁气候变化传播项目对 1,039 名 GitHub 用户的联合调查显示，80% 的开发者希望获得编写更节能代码的工具，71% 担忧 AI 系统的环境影响，75% 认为雇主应主动减少环境足迹。报告指出，开发者缺乏发现浪费、量化改进并推动优化的清晰方法。
Chip-Hexa 是一个开源的实验性处理器架构项目，探索用 16 个简单核心通过六边形片上网络互连，以在性能、能耗和实现成本之间取得平衡。项目目前处于早期研究阶段，包含架构规范和 Python 仿真模型，尚未经硅验证。
该论文提出 Spora，联合设计脉冲编码与注意力算子，通过 Unipolar Binary Spiking (UBS) 和 Bipolar Binary Spiking (BBS) 在少时间步下实现更高容量的连续语义表示，在 GLUE 基准上超越 SpikeLM。
MIT教授Christina Delimitrou运用机器学习优化大型数据中心的资源管理与服务器架构，提升能效、减少电力浪费，从而缓解数据中心扩张对电网和环境造成的压力。
加州大学洛杉矶分校的研究人员展示了一种混合光学-神经处理器，可在并行分析15-18路视频流的同时，以约97.79%的准确率检测深度伪造视频。该系统利用光传播替代能耗极高的数字解码，灵敏度达到99.86%；通过加入无源衍射层还可进一步加深系统，以极低的能耗换取更高的准确率。
GeoWind2Plan 是一个面向城市低空无人机的几何-风场-规划框架，利用局部几何条件神经算子在约 3 秒内预测任务相关的 3D 城市风场（CFD 需约 8 小时），并据此优化能量高效的 3D 路径与速度剖面，相比无风感知规划可减少 4.5%–12.7% 的能耗。
研究人员开发了一种实验室规模的设备，通过在电池中泵送二氧化碳来高效捕获它。该技术旨在显著降低捕获成本，预计规模化后成本可降至每吨92美元。
WattMate 是一款 Mac 菜单栏应用，它可以显示当前哪个应用正在以多少瓦的功率消耗电池，并估算退出该应用后可节省的分钟数，随后在退出后测量实际的功耗变化。该应用需要 Apple 芯片和 macOS 14 及以上版本。