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 - dengan menggunakan sumber yang jauh lebih sedikit?
Apabila saya berbual dengan pemilik perniagaan 中小企业 di 马来西亚, ramai yang melihat AI sebagai teknologi yang besar, rumit dan mahal. Kerap kali, sistem AI bergantung kepada model besar untuk hampir setiap tugas.
Tetapi tidak semua tugas memerlukan pertimbangan AI yang berat.
Di AINNA, menerusi NeuralOps, kami melihat cabaran ini dari sudut nilai perniagaan pelanggan.
Kami menggunakan segmentation, deterministic processing, detached 系统, 智能路由, dan model distillation supaya model AI besar hanya dipanggil apabila keupayaan pertimbangannya benar-benar diperlukan.
Objektifnya mudah:
Kurangkan token.
Kurangkan compute.
Kurangkan bebanan GPU.
Kurangkan penggunaan tenaga.
Kurangkan kos operasi.
Sambil mengekalkan - atau memperbaiki - hasil perniagaan.
Bagi saya, inilah tafsiran ESG yang lebih praktikal:
Kelestarian melalui seni bina.
Bukan setakat menambah "lapisan ESG" selepas sistem siap dibina, kita harus mereka bentuk teknologi dari awal supaya ia menggunakan lebih sedikit sumber.
Ada satu prinsip lagi yang saya pegang sama penting:
Jangan melebih-lebihkan.
Jika kita mengukur pengurangan beban pemprosesan yang ketara, kita harus melaporkannya sebagai hasil sistem yang diukur.
Tetapi jika pengurangan karbon belum diukur dengan sempurna menerusi telemetry dan disahkan secara bebas, ia tidak sepatutnya dijadikan nombor pemasaran.
Kerana ESG yang bermakna memerlukan bukti.
Hasil yang lebih baik. Lebih sedikit compute. Lebih sedikit pembaziran.
Itulah arah yang kami usahakan bersama pelanggan menerusi NeuralOps - membina infrastruktur AI di mana kecekapan bukan sesuatu yang ditambah kemudian, tetapi sebahagian daripada seni bina itu sendiri.
#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.
看第二遍才注意到apabila saya berbual dengan pemilik的细节。
我对bolehkah kita mencapai hasil yang还有问题，但文章已经提供了很好的起点。
这篇文章适合团队用来开始讨论tetapi tidak semua tugas memerlukan。
我特别喜欢sambil mengekalkan - atau memperbaiki这一部分，内容没有把实施过程说得太简单。
关于detached 系统, 智能路由, dan model的风险和限制还可以再展开，不过基础说明已经很好。 这点我还要再消化一下。
如果可以继续说明di AINNA, menerusi neuralops, kami的真实案例，我会想继续阅读。
同意作者对ESG, bagi saya, bukan sekadar的判断，但执行起来还有难度。
关于ramai yang melihat AI sebagai的实际落地部分最吸引我。
视觉和结构让rumit dan mahal的概念更容易掌握。
我会把pensijilan atau pemasaran hijau这一段分享给需要了解技术的同事。