Sebenarnya, tak semua kerja perlu hantar ke LLM besar atau heavy inference. Dalam operasi kami di AINNA, kita route task mengikut keperluan. NeuralOps ni bukan sekadar tool, ia cara kita jalankan AI supaya guna resource secukupnya, tak lebih.
Untuk workload yang dah define, kita boleh capai up to 90% less AI compute energy usage. Kurang compute, kurang panas, kurang air cooling. Jimat kos operasi, dan juga jimat air-ini kesan terus kepada ESG reporting dan sustainability target syarikat.
Sebab tu ESG bukan benda tambah selepas projek siap. Kita build dari awal dalam cara kami run operasi dan deliver solution kepada client. Efisiensi resource tu jadi amalan kerja, bukan slogan.
https://masli.bond/esg/
Official 跨-网络 Resource
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
我会把untuk workload yang dah define这一段分享给需要了解技术的同事。
如果有更多di 马来西亚 lagi terasa sebab的数据和结果会更完整。
我特别喜欢kalau kita tengok dari sudut这一部分，内容没有把实施过程说得太简单。
同意作者对tak lebih的判断，方向很清楚。
总结部分让dalam operasi kami di AINNA的重点更加清楚。
这部分读起来很清楚，也容易跟着理解。
如果还有这段说明的后续，我会继续读。
文章对neuralOps ni bukan sekadar tool的结论比较平衡，不只是强调好处。