А обработка любого голосового запроса в смартфон потребляет энергии, достаточной, чтобы вскипятить литр воды.

Это Вы из какой зеленой методички такое почерпнули?

Предоположим что один голосовой запрос обрабатывается одним сервером (на самом деле деле конечно один сервер обрабатывает тысячи таких запросов). Среднестатистический сервер ну пусть с 4мя процессорами потребляет порядка 1кВт когда занят какой-нить мрачной задачей типа решения уравнений Максвелла (ну то есть как раз как чайник примерно) — но будем считать что и при обработке Hi Siri, он жрет столько же. Голосовой запрос обрабатывается за 1-2 секунды, причем большая часть из них — это каналы связи. Мой чайник кипятит литр воды минуты за 3. Разница примерно в 90 раз (в предположении что один запрос и только его в один момент времени обрабатывает целый сервер и сильно при этом трудится всеми своими кучами ядер в ТурбоБусте).

Никакой системой охлаждения и прочими накладными в пересчете на один запрос Вы эту разницу не преодолеете.