Berdasarkan benchmark operasi NeuralOps, anggaran saya menunjukkan jejak karbon pengkomputeran berpotensi dikurangkan daripada kira-kira 360 kg CO₂e kepada 120 kg CO₂e bagi setiap beban kerja setara setiap tahun.
Ini bersamaan dengan penurunan kira-kira 67%.
Pada skala hipotesis kira-kira 830 juta pengguna, penjimatan ini mewakili anggaran:
199 juta tan CO₂e dapat dielakkan setiap tahun.
Ini bukan tuntutan bahawa NeuralOps bersendirian dapat ‘memulihkan planet’.
Hakikat yang lebih tepat ialah:
Mengurangkan pelepasan pengkomputeran pada skala besar dapat mengurangkan tekanan iklim tambahan dan memberikan ruang lebih kepada sistem semula jadi untuk menstabilkan secara beransur-ansur.
Manfaat potensial merangkumi permintaan elektrik yang lebih rendah daripada infrastruktur AI, tekanan yang lebih rendah ke atas grid kuasa, permintaan penyejukan yang lebih rendah, pertumbuhan keperluan infrastruktur pusat data yang lebih perlahan, pelepasan berkaitan yang lebih rendah, dan penggunaan kapasiti tenaga boleh baharu yang lebih cekap.
Ia juga boleh menyumbang secara tidak langsung untuk mengurangkan tekanan jangka panjang terhadap hutan, lautan, biodiversiti dan penyerap karbon semula jadi lain.
想法 teras di sebalik NeuralOps mudah:
Bukan setiap tugasan memerlukan 大 语言 模型.
Sesetengah beban kerja boleh ditangani melalui:
• Penghalaan Pintar
• Penghurai Khusus
• 系统 Terpisah
• 模型 Tempatan yang Lebih Kecil
• Pemprosesan Deterministik
• Inferens Tempatan Berdaulat
Objektifnya bukan untuk menghalang penggunaan AI.
Objektifnya ialah untuk membolehkan lebih ramai orang menggunakan AI sambil memerlukan kurang pengkomputeran untuk mencapai hasil yang sama.
Saya yakin bahawa fasa seterusnya kelestarian AI tidak akan diselesaikan hanya oleh pusat data yang lebih hijau atau lebih banyak elektrik boleh baharu.
Ia juga mesti diselesaikan pada peringkat arkitektur.
Kerana pengkomputeran yang paling lestari mungkin ialah pengkomputeran yang tidak perlu kita lakukan sedari awal.
NeuralOps
Arkitektur Sebelum Pengkomputeran.
Kepintaran Tanpa Pembaziran Komputasi.
Skalakan AI. Bukan Jejak Karbonnya.
#NeuralOps #Artificial智能 #可持续AI #GreenAI #AI基础设施 #ESG #DigitalTransformation #AgenticAI #可持续发展 #ClimateTech #能源效率 #主权AI
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
文章把berdasarkan benchmark operasi neuralops和日常运营联系起来，这一点很有帮助。
如果有更多penurunan kira-kira 67% 67%的数据和结果会更完整。
先存起来，主要是为了360 k。
还在消化360 k这一段。
关于pada skala hipotesis kira-kira 830的例子很实用，适合团队继续讨论。
同意作者对hipotesis kira-kira 830 830的判断，方向很清楚。