微軟提出測量 LLM 推理能耗（生產規模） • 中位數成本：0.34 Wh/查詢（聊天機器人） • 長推理：4.3 Wh/查詢（約高出 13 倍） • 車隊規模：約 0.9 GWh/天 @1B 查詢 → 約網頁搜索水平 • 公共估算通常高出 4–20 倍 • 效率提升（模型、服務、硬體）→ 可能降低 8–20 倍的能耗 長輸出主導能耗；智能優化使 AI 足跡可控。

Veo 3 = 零-shot 視頻推理器 • 在網絡規模的視頻上訓練，顯示出廣泛的零-shot 技能（感知 → 物理 → 操作 → 推理） • 新的「幀鏈」推理 = CoT 的視覺類比 • Veo2 → Veo3 的重大飛躍：編輯、記憶、對稱、迷宮、類比 • 警告：在深度/物理方面仍落後於 SOTA；成本高