Sebagai pengasas AINNA, saya menyaksikan sendiri satu transformasi yang menakjubkan. Pasukan kami kini membina sekurang-kurangnya tiga detached 系统 setiap hari, di samping menghasilkan kira-kira empat pitch deck lengkap setiap minggu - kesemuanya dengan sokongan padu daripada AI 智能体.
Meliputi pembangunan, penyelidikan, pengekodan, pengujian, dokumentasi, analisis dan iterasi, beban kerja AI kami mampu mencapai 3–5 bilion token sebulan.
Jika ditukar kepada harga API LLM premium komersial, kos setara itu dengan mudah mencecah ratusan ribu ringgit setiap bulan.
Bayangkan pula dalam persekitaran korporat.
Bayangkan sebuah organisasi dengan ratusan atau ribuan pekerja, masing-masing dilengkapi dengan AI 智能体 untuk penyelidikan, analisis, pelaporan, pengekodan, dokumentasi, operasi dan sokongan keputusan.
Penggunaan token akan meningkat dengan sangat pantas.
Pada masa yang sama, korporat semakin tidak mempunyai pilihan selain mengamalkan AI 智能体.
Mengapa?
Kerana syarikat kecil seperti AINNA - dan ribuan 中小企业 di seluruh 马来西亚 - kini mampu mencapai tahap produktiviti yang dahulu memerlukan ratusan atau malah ribuan pekerja.
AI kini merapatkan jurang produktiviti antara 中小企业 dengan korporat besar dengan begitu pantas.
Tetapi ada satu lagi sisi cerita.
Di AINNA, kami membuktikan satu perkara penting: produktiviti AI tidak semestinya bermaksud perbelanjaan AI yang besar.
Walaupun penggunaan kami mencapai kira-kira 3 bilion token sebulan, kos AI terus mampu kekal hanya kira-kira RM100–RM200 setiap bulan.
Perbezaan itu bukan kerana kami menggunakan kurang AI.
Tetapi kerana kami membina seni bina 智能路由 mengelilingi AI 智能体 kami.
Bukan setiap tugas perlu dihantar kepada model yang terbesar atau termahal.
Tugas mudah → model ringan.
Tugas pengekodan → model khusus.
Penaakulan kompleks → model lebih kuat.
Pengesahan deterministik → detached 系统.
Pemprosesan berulang → automasi dan pengkomputeran konvensional.
Prinsipnya mudah:
Gunakan kepintaran premium hanya apabila ia benar-benar diperlukan.
独立系统 kami mengendalikan pengesahan, pengiraan, penapisan, penyesuaian, keputusan berasaskan peraturan dan pemprosesan berstruktur yang tidak memerlukan LLM.
Ini membolehkan kami menggunakan AI secara agresif tanpa perlu membayar seolah-olah setiap tugas memerlukan model yang paling berkuasa.
Bagi saya, masa depan 企业版 AI bukan sekadar:
“Berikan setiap pekerja sebuah AI agent.”
Sebaliknya, ia haruslah:
“Berikan setiap pekerja sebuah AI agent - tetapi bina infrastruktur pintar di bawahnya.”
Kerana apabila sebuah organisasi mempunyai 1,000 atau 10,000 pekerja yang dibekalkan AI 智能体, soalan sebenar bukan lagi sama ada ia menggunakan AI.
Soalan sebenar menjadi:
Berapa banyak kepintaran yang organisasi itu bayar, sedangkan ia sebenarnya tidak pernah memerlukannya?
Inilah sebabnya kami melihat 智能路由, model khusus dan detached 系统 sebagai lebih sekadar penoptimuman.
Ia sedang menjadi infrastruktur kawalan kos AI.
Pada skala 企业, perbezaan itu mampu bernilai jutaan ringgit setiap tahun.
Fasa seterusnya penggunaan AI bukan hanya tentang model yang paling berkuasa.
Ia akan menjadi tentang mengetahui bila tidak perlu menggunakannya.
#Artificial智能 #AIAgents #企业版AI #SmartRouting #NeuralOps #自动化 #DigitalTransformation #AI基础设施 #LLM #生产力
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
总结部分让pasukan kami kini membina sekurang-kurangnya的重点更加清楚。
看第二遍才注意到bukan kerana k RM100的细节。
关于bayangkan pula dalam persekitaran korporat的实际落地部分最吸引我。