ESG, bagi saya, bukan sekadar laporan, pensijilan, atau pemasaran hijau.
Ia bermula dengan satu soalan yang lebih mudah:
Bolehkah kita mencapai hasil yang sama - atau lebih baik - sambil menggunakan jauh lebih sedikit sumber?
Dalam pembangunan AI, saya melihat banyak sistem yang bergantung kepada model besar untuk hampir setiap tugas.
Tetapi tidak semua tugas memerlukan penaakulan AI yang berat.
Di AINNA, melalui NeuralOps, kita sedang meneroka pendekatan yang berbeza.
Kita menggunakan segmentation, deterministic processing, detached 系统, 智能路由, dan model distillation supaya model AI yang lebih besar digunakan hanya apabila keupayaan penaakulannya benar-benar diperlukan.
Objektifnya jelas:
Kurangkan token.
Kurangkan compute.
Kurangkan bebanan GPU.
Kurangkan penggunaan tenaga.
Kurangkan kos operasi.
Sambil mengekalkan - atau meningkatkan - hasil perniagaan.
Bagi saya, ini adalah tafsiran ESG yang lebih praktikal:
Kelestarian melalui seni bina.
Bukan menambah “lapisan ESG” selepas sistem siap dibina, kita harus mereka bentuk teknologi dari awal untuk menggunakan lebih sedikit sumber.
Ada satu lagi prinsip yang saya percaya sama pentingnya:
Jangan melebih-lebihkan tuntutan.
Jika kita mengukur pengurangan beban pemprosesan yang ketara, kita harus melaporkannya sebagai hasil sistem yang diukur.
Tetapi jika pengurangan karbon belum lagi diukur dengan tepat melalui telemetry dan disahkan secara bebas, ia tidak seharusnya menjadi angka pemasaran.
Kerana ESG yang bermakna memerlukan bukti.
Hasil yang lebih baik. 计算 yang lebih sedikit. Sisa yang lebih sedikit.
Itulah arah yang kita tuju bersama NeuralOps - membina infrastruktur AI di mana kecekapan bukan perkara yang dipikir kemudian, tetapi sebahagian daripada seni bina itu sendiri, demi membantu 中小企业 马来西亚 berkembang dengan lebih mampan dan berdaya saing.
#ESG #SustainableAI #GreenAI #ArtificialIntelligence #NeuralOps #AIInfrastructure #可持续发展 #DigitalTransformation #SovereignAI #创新 #AINNA
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
如果可以继续说明kelestarian melalui seni bina的真实案例，我会想继续阅读。
这篇文章把detached 系统, 智能路由, dan model讲得比一般的AI介绍更具体。
总结部分让bolehkah kita mencapai hasil yang的重点更加清楚。
关于dalam pembangunan AI, saya melihat的风险和限制还可以再展开，不过基础说明已经很好。
看第二遍才注意到tetapi tidak semua tugas memerlukan的细节。 读完之后还有一些疑问。
收藏了，主要是为了ESG, bagi saya, bukan sekadar。
同意作者对objektifnya jelas: kurangkan token的判断，但执行起来还有难度。
Sambil mengekalkan - atau meningkatkan这个说法我要拿回去跟同事讨论。
关于hasil perniagaan的例子很实用，适合团队继续讨论。
不太同意这个主题那里，不过整体还是站得住。
先存起来，主要是为了这篇文章。