边缘语音系统需要在很小的能耗和存储预算中完成多通道增强、目标选择与持续监听。最后的难题不是单纯把网络变小，而是确保节能之后，系统仍保留足够证据证明它没有听错人、补错细节或在错误时刻作出决定。
Spiking Neural Beamforming for Multichannel Speech Enhancement on the Edge 将脉冲稀疏性带入多通道波束形成，目标是降低边缘设备的计算与数据搬运。评估不应止于理论稀疏率：阵列同步、方向误差、瞬态干扰和实际硬件能耗才能说明节省是否成立。What Makes Codec Tokens Effective for Target Speaker Extraction? 则从语义—声学解耦角度追问 codec token 哪些部分真正帮助目标提取，避免系统把内容线索和身份线索混成无法诊断的表示。
Loud-loss 以等响度曲线设计感知损失，提醒“误差相同”不代表人耳代价相同；主动降噪与 AI 增强在真实助听器录音上的联合研究则说明，物理降噪和后端增强可以互补，但应在真实佩戴和不同听力条件下检验。最后，关于噪声中 VAD 窗长的基准表明，即使是最基础的活动判断，窗口选择也会改变延迟、误报和漏检的平衡。
边缘系统的好设计不是每一环都最激进，而是让稀疏计算、感知损失、目标条件与活动决策互相约束。能效只有在系统仍能解释“为什么处理这段声音、为什么相信这个目标、何时应当等待”时，才是真正可交付的能效。