Kalau kita tengok dari sudut operasi harian, AI inference yang berat memang makan sumber—tenaga, air untuk cooling, dan kos. Di 马来西亚 lagi terasa sebab cuaca panas, cooling cost naik.
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/
