微软称保守假设下，典型AI查询耗水量少于1滴水
Air Explorer Pro是一款跨平台多网盘管理工具，可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
据微软引用《Joule》期刊的一项研究指出，每一次典型人工智能查询耗电量零点一六至零点六零瓦时，其冷却用水量中位数不足一滴水。大规模部署下，单位查询的效率会更高，总能耗可以降低一半以上。
6月15日，微软发布了一篇博文，引用《Joule》期刊的研究指出，AI在大规模部署下的能耗与用水量，其实远低于外界此前的预估。这个结论，可能会让不少人大吃一惊。
研究的核心观点是：对于大规模推理场景，外界不应只盯着单个模型的训练或推理规模，更应该关注用户典型调用时的“每次查询”指标。换句话说，别光看大模型训练一次用了多少电，得看每次你问它一个问题，它要消耗多少资源。
具体数据是这样的：一次典型的常规AI调用，耗电在0.16到0.60瓦时之间。什么概念？相当于一台40瓦的电脑运行15到60秒，或者一台1000瓦的微波炉工作0.6到2秒。和之前文献、媒体报道的数字相比，新研究的数据低至四分之一甚至二十分之一。
水资源方面，保守估计下，一次典型查询的冷却用水量为0到0.067毫升，中位数大约只有一百分之一茶匙，比一滴水还少。微软还提到，随着零用水数据中心设计的推广，这个数字还有继续下降的空间。
微软同时强调了一个关键规律：规模越大，单位查询的效率通常越高。大系统可以同时处理更多请求，并且在模型、调度、硬件多个层面叠加优化。这就好比大型航空公司，通过统一调度能显著节省燃料——云平台也能把效率改进扩散到每一次推理当中。
从数据上看，在10亿次日查询的场景下，基础耗电约为0.7吉瓦时；如果加入各项效率优化，可以降至约0.3吉瓦时。即便其中有10%的请求属于代码生成、多步推理等长任务，整体能耗仍然可以比基线下降一半以上。这个结果，确实值得行业重新审视AI的“环境账单”。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。
AlwaysUp是一款面向Windows的系统服务注册与程序托管工具，可让普通应用、脚本及批处理在无人登录时随系统启动，并通过状态检测、异常重启、资源监控和邮件通知保障关键任务持续运行。