微软发布了测量 LLM 推理能耗（生产规模） • 中位数成本：0.34 Wh/查询（聊天机器人） • 长推理：4.3 Wh/查询（约高出 13 倍） • 车队规模：~0.9 GWh/天 @1B 查询 → ~网络搜索水平 • 公众估计通常高出 4–20 倍 • 效率提升（模型、服务、硬件）→ 可能降低 8–20 倍的能耗 长输出主导能耗；智能优化保持 AI 足迹可控。

Veo 3 = 零-shot 视频推理器 • 在网络规模的视频上训练，展示广泛的零-shot 技能（感知 → 物理 → 操作 → 推理） • 新的“帧链”推理 = CoT 的视觉类比 • Veo2 → Veo3 的重大飞跃：编辑、记忆、对称、迷宫、类比 • 警告：在深度/物理方面仍落后于 SOTA；成本高