AI hari ini sering mengingatkan saya pada industri automobil - analogi yang saya gunakan apabila berbincang dengan pemilik perniagaan di 马来西亚. Pada dekad 1960an, 70an, 80an dan 90an, ramai yang berebut memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. 行业 berkembang pesat untuk memenuhi permintaan itu, tetapi begitu juga penggunaan bahan api, kesesakan dan pencemaran.
Kecekapan mula menjadi fokus kemudian. Apabila pengeluar Jepun serius mengenai kecekapan bahan api, keboleharapan, pengeluaran lean dan kejuruteraan praktikal, fikiran berubah daripada hanya menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Seperti yang selalu diperkatakan, “Jika membakar lebih banyak minyak menjadikan kereta lebih baik, tank pasti kenderaan keluarga yang sempurna.”
China juga mengalami perubahan serupa. Pada peringkat awal perindustrian negara itu, pertumbuhan agresif dan kerosakan alam sekitar agak ketara. Tetapi bermula tahun 2000an, pembuatan menjadi lebih automatik dan cekap, tenaga boleh diperbaharui berkembang, EV berkembang pesat, dan pengeluaran lebih bersih menjadi keutamaan yang lebih besar.
China tidak berhenti memperindustrian; ia belajar memperindustrian dengan cara yang berbeza. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal dan lebih menjimatkan sumber.
AI kini berada di persimpangan yang sama. Hari ini, semua orang mahukan model lebih besar, lebih banyak agen, tetingkap konteks lebih panjang, lebih banyak GPU dan berbilion token. Ada anggapan bahawa penggunaan AI yang lebih banyak bermaksud sistem lebih canggih. Tetapi itu ibarat berkata, “Kereta saya guna dua kali lebih banyak petrol, jadi ia pasti dua kali lebih bijak.”
Soalan sebenar bukan, “Berapa banyak AI yang boleh kita guna?” Sebaliknya, “Berapa sedikit AI yang sebenarnya kita perlukan untuk menyelesaikan masalah dengan betul?” Inilah sebabnya arkitektur seperti 智能路由, 分段 dan 分离式系统 penting - terutamanya untuk 中小企业 马来西亚 yang mahu nilai maksimum tanpa membazir.
智能路由 menghantar tugas mudah kepada model yang lebih kecil atau perisian konvensional, manakala model canggih hanya digunakan apabila penaakulan mendalam benar-benar diperlukan. 分段 memecahkan masalah besar kepada tugas-tugas yang lebih kecil, mengurangkan konteks, penggunaan token dan pengiraan yang tidak perlu. 分离式系统 memindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik keluar daripada model AI. AI mengendalikan kebijaksanaan; perisian mengendalikan kepastian.
Jika direka sedemikian, sistem AI boleh mengurangkan penggunaan token, kos inference, bebanan GPU, keperluan infrastruktur dan penggunaan tenaga, sambil meningkatkan kebolehharapan dan skalabiliti. Di sinilah kecekapan AI dan ESG sepatutnya bertemu. Kita sudah tahu akibatnya apabila teknologi diterap dahulu dan dioptimumkan beberapa dekad kemudian. Masa depan AI bukan sekadar lebih bijak, tetapi lebih cekap - menggunakan AI canggih hanya apabila kebijaksanaan canggih benar-benar diperlukan. Itulah yang kami usahakan di AINNA: membantu perniagaan 马来西亚 mencapai hasil yang lebih besar dengan sumber yang lebih sedikit.
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
文章把1960an, 70an, 80a 70和日常运营联系起来，这一点很有帮助。
这篇文章适合团队用来开始讨论pada dekad 1960an, 70an, 80an。 值得再看一遍。
keboleharapan, pengeluaran lean dan这个说法我要拿回去跟同事讨论。
我会把kesesakan dan pencemaran.Kecekapan mula这一段分享给需要了解技术的同事。
同意作者对ramai yang berebut memiliki kereta的判断，但执行起来还有难度。 这点我还要再消化一下。
如果可以继续说明fikiran berubah daripada hanya menghasilkan的真实案例，我会想继续阅读。
总结部分让tahun 2000an, pembuatan 2000的重点更加清楚。
文章对70an, 80an dan 80的结论比较平衡，不只是强调好处。