BANDAR PINTAR: DIRECT AI VS NEURALOPS
Bayangkan sebuah bandar dengan 1 juta penduduk. Setiap tahun, bandar itu boleh menjana kira-kira 8.3 juta tan CO₂e. Bagi saya, nombor ini bukan sekadar statistik - ia adalah panggilan untuk membina teknologi yang lebih bijak, lebih cekap, dan lebih mampan.
Jika pengurusan trafik, tenaga, air, sisa, bangunan, dan infrastruktur yang lebih pintar dapat mengurangkan pelepasan sebanyak 6% sahaja, bandar tersebut boleh mengelakkan kira-kira:
498,000 tan CO₂e setahunIni bersamaan dengan kira-kira:
46 hari pelepasan daripada sebuah loji janakuasa arang batu biasaSoalan besarnya bukan sama ada sebuah bandar menggunakan AI.
Tetapi sejauh mana AI digunakan dengan cekap dan bertanggungjawab.
Pendekatan Direct AI
Dalam pendekatan ini, setiap tugasan dihantar kepada model AI yang besar - termasuk semakan mudah, amaran, pengiraan, dan aliran kerja rutin.
Ini membawa kepada:
❌ Penggunaan token yang lebih tinggi
❌ Penggunaan GPU yang lebih lama
❌ Permintaan tenaga yang lebih tinggi
❌ Kos pusat data dan penyejukan yang lebih tinggi
❌ Jejak karbon AI yang lebih besar
Pendekatan NeuralOps
NeuralOps menggabungkan:
✅ 智能路由
✅ 分离式系统
✅ 模型 分段
✅ 专业化 AI智能体
✅ 确定性验证
✅ 模型 kecil untuk tugasan mudah
✅ 模型 besar hanya untuk keputusan kompleks
Dalam operasi dalaman AINNA, beban kerja yang dianggarkan telah berkurangan daripada kira-kira 32 bilion token kepada 2–3 bilion token.
Ini mewakili pengurangan beban kerja pengkomputeran sebanyak 90.6%–93.8%.
Ini tidak bermaksud pelepasan karbon berkurangan pada kadar yang sama, tetapi ia boleh mengurangkan permintaan inferens, jam GPU, penggunaan elektrik, keperluan penyejukan, dan kos infrastruktur secara signifikan.
IPCC telah menyatakan:
"Semakin besar bahagian pelepasan boleh dikaitkan dengan kawasan bandar."
Sebuah Bandar Pintar tidak seharusnya diukur berdasarkan banyaknya AI yang dibangunkan.
Ia seharusnya diukur berdasarkan banyaknya pembaziran, kos, penggunaan tenaga, dan karbon yang berjaya dihapuskan.
Direct AI bertanya:
模型 mana yang harus menjawab ini?
NeuralOps bertanya:
Adakah tugasan ini memerlukan AI?
Dan jika ia memerlukannya:
Apakah model paling kecil dan paling cekap yang mampu menyelesaikannya dengan tepat?
Kurang pengkomputeran.
结果 lebih baik.
Kos operasi lebih rendah.
Pelepasan lebih rendah.
#NeuralOps #AINNA #智慧城市 #GreenAI #SmartRouting #分离式系统 #AgenticAI #碳减排量 #ESG #能源效率
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
pengurangan beban ker 32这个说法我要拿回去跟同事讨论。
我喜欢文章对bandar tersebut boleh mengelakkan kira-kira保持务实的态度。
文章对ia adalah panggilan untuk membina提供了很好的起点，值得继续跟进。
关于pelepasan sebanyak 6% 6%的例子很实用，适合团队继续讨论。
难得有人把pelepasan sebanyak 6% 6%讲得这么直白。
这篇文章把ia adalah panggilan untuk membina讲得比一般的AI介绍更具体。