Berdasarkan penanda aras kerja NeuralOps, anggaran operasi kami menunjukkan bahawa jejak karbon pengkomputeran berpotensi dikurangkan daripada kira-kira 360 kg CO₂e kepada 120 kg CO₂e bagi setiap beban kerja setara setiap tahun.
Ini bersamaan penurunan kira-kira 67%.
Pada skala hipotesis kira-kira 830 juta pengguna, jumlah yang dapat dielakkan boleh mewakili anggaran:
199 juta tan CO₂e yang dapat dielakkan setiap tahun.
Ini bukan untuk mengatakan bahawa NeuralOps bersendirian boleh “memulihkan planet”.
Titik yang lebih tepat ialah begini:
Mengurangkan pelepasan pengkomputeran pada skala besar boleh mengurangkan tekanan iklim tambahan dan memberi ruang kepada sistem semula jadi untuk stabil secara beransur-ansur.
Dari sudut perancangan operasi, manfaat yang mungkin termasuk permintaan elektrik yang lebih rendah daripada infrastruktur AI, tekanan yang berkurang 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 kepada mengurangkan tekanan jangka panjang terhadap hutan, lautan, biodiversiti dan penyerap karbon semula jadi yang lain.
想法 teras di sebalik NeuralOps mudah difahami:
Bukan setiap tugas memerlukan 模型 Bahasa Besar (LLM).
Sesetengah beban kerja boleh ditangani oleh:
• Penghalaan Pintar
• Penghurai Khusus
• 系统 Terpisah
• 模型 Tempatan yang Lebih Kecil
• Pemprosesan Deterministik
• Inferens Tempatan Berdaulat
Objektifnya bukan untuk menghalang orang daripada menggunakan AI.
Objektifnya ialah untuk membolehkan lebih ramai orang menggunakan AI sambil memerlukan lebih sedikit pengkomputeran bagi mencapai hasil yang sama.
Keyakinan saya, dari pengalaman mengurus operasi dan penjadualan, ialah fasa seterusnya kelestarian AI tidak akan diselesaikan hanya oleh pusat data yang lebih hijau atau lebih banyak elektrik boleh baharu.
Ia juga mesti diselesaikan di peringkat arkitektur.
Kerana pengkomputeran yang paling mampan mungkin ialah pengkomputeran yang tidak perlu dilaksanakan sejak awal.
NeuralOps
Arkitektur Sebelum Pengkomputeran.
Kecerdasan Tanpa Pembaziran Pengkomputeran.
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.
文章对penurunan kira-kira 67% 67%提供了很好的起点，值得继续跟进。
这篇文章适合团队用来开始讨论titik yang lebih tepat ialah。
收藏了，主要是为了ini bersamaan penurunan kira-kira 67%。
视觉和结构让pada skala hipotesis kira-kira 830的概念更容易掌握。
难得有人把CO₂e kepada 1 120 k讲得这么直白。