Kami dapat potong penggunaan token sehingga 90% dengan satu tindakan mudah: hentikan AI daripada buat kerja yang software biasa dah boleh jalankan lebih baik. Pada pandangan mungkin tak nampak menarik, tapi masukkan LLM atau agent ke dalam setiap workflow bukan semestinya inovasi. Kadang-kadang, ia cuma architecture yang mahal.
Ambil contoh paling biasa - email. Untuk semak samada ada email baharu sampai, kenal pasti pengirim, padankan keyword, susun data berstruktur, kemas kini database, atau trigger proses seterusnya, kita tak perlukan AI. 规则, parser, script, dan automation deterministik boleh jalankan kerja-kerja ini lebih pantas dan guna kompute jauh lebih rendah.
Cara yang 'sexy' ialah hantar segala-galanya ke LLM. Baca. Klasifikasikan. Ringkaskan. Analisis. Ulang. Nampak hebat pada dashboard, tapi setiap token yang tak perlu bermakna lebih banyak komputasi GPU, lebih banyak elektrik, lebih banyak penyejukan, dan akhirnya jejak karbon lebih besar yang diukur dalam tan CO₂e.
Prinsip kami mudah: software uruskan kerja deterministik; AI uruskan intelligence. Guna AI untuk reasoning, ambiguity, interpretation, dan decision. Jangan bazirkan kitaran GPU untuk tugas yang beberapa baris kod boleh jalankan dengan boleh harap.
Jadi, masa depan mana yang kita nak? AI sexy yang membazir kompute, atau architecture bijak yang mengurangkan token, kos, elektrik, keperluan penyejukan, dan pelepasan karbon? Kami pilih architecture yang kurang sexy - kerana masa depan AI bukan sekadar lebih berkuasa. Ia mesti jauh lebih efisien.
#AI #AI基础设施 #NeuralOps #GreenAI #可持续AI #ESG #自动化 #企业版AI #碳减排量
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
如果还有90%的后续，我会继续读。
我喜欢文章对kami dapat potong penggunaan token保持务实的态度。
关于hentikan AI daripada buat kerja的说明很完整，基础部分尤其清楚。