更大的数据中心和更强的电网。✎ Edit

👁 981 views
更大的数据中心和更强的电网。

Sebagai pengasas AINNA, saya melihat industri AI sedang berlumba membina pusat data yang lebih besar dan grid kuasa yang lebih kukuh.

Tetapi mungkin soalan yang kita tanya tidak tepat.

Selain daripada memfokuskan sepenuhnya cara menjana lebih banyak kuasa untuk AI, kita juga harus bertanya:

Bagaimanakah kita boleh mengurangkan penggunaan kuasa oleh AI sejak dari awal?

Demi generasi akan datang dan komitmen ESG kita, di AINNA kami memilih jalan yang berbeza. Daripada bergantung kepada pengkomputeran brute-force, kami memberi tumpuan kepada mereka bentuk aliran kerja AI yang paling cekap.

Dengan melaksanakan Penghalaan Pintar dan Seni Bina 系统 Terpisah, setiap tugas dihala ke model dan sistem yang paling sesuai, sekali gus mengelakkan pemprosesan intensif GPU yang tidak perlu.

结果 yang diperoleh amat memberangsangkan:

  • Sebelum penoptimuman: 34 bilion token diproses
  • Selepas penoptimuman: 1.5 bilion token diproses

Ini bermakna pengurangan beban kerja pemprosesan sebanyak kira-kira 95.6%.

Walaupun penjimatan tenaga sebenar bergantung kepada perkakasan, model, dan tahap penggunaan, pengurangan ini membuktikan bagaimana seni bina pintar boleh menurunkan keperluan pengkomputeran dengan ketara tanpa mengorbankan hasil.

Masa depan AI tidak seharusnya diukur hanya daripada saiz pusat data atau bilangan GPU yang digunakan.

Ia juga harus diukur berdasarkan sejauh mana kita menggunakannya secara cekap.

Penghalaan lebih pintar. Penggunaan tenaga lebih rendah. Jejak karbon berkurangan. Ekonomi yang lebih baik.

Watt yang paling lestari masihlah watt yang tidak perlu digunakan.


#AI #Artificial智能 #ESG #可持续发展 #GreenTech #DataCenter #能源效率 #创新 #DigitalTransformation #SmartRouting #FutureOfAI #ClimateTech #科技Leadership #ResponsibleAI #AINNA

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Hafiz 马来西亚

这篇文章适合团队用来开始讨论di AINNA kami memilih jalan。

Wei China

先存起来,主要是为了这篇文章。

Mei China

关于这个主题这部分写得很扎实,整体也站得住。

Kavitha India

如果有更多setiap tugas dihala ke model的数据和结果会更完整。

Arjun India

关于demi generasi akan datang dan的实际落地部分最吸引我。

Julin Kadazan, 马来西亚

同意作者对daripada bergantung kepada pengkomputeran的判断,方向很清楚。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
机器人技术 工业边缘的受管控机器人技术 感知 → 安全网关 → 控制器 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Nurain AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

16 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。