Dari pengalaman saya sehari-hari di AINNA berurusan dengan syarikat 马来西亚, AI hari ni mengingatkan saya pada industri automotif. Pada zaman 1960an, 70an, 80an dan 90an, orang berlumba-lumba nak miliki kereta sebab kereta melambangkan kemajuan dan pertumbuhan ekonomi. 行业 berkembang pantas untuk tampung permintaan, tetapi bersama-sama itu, penggunaan bahan api, kesesakan jalan dan pencemaran turut naik.
Kecekapan datang kemudian. Apabila pengeluar Jepun mula serius pasal kecekapan bahan api, kebolehpercayaan, lean manufacturing dan kejuruteraan praktikal, fikiran berubah daripada hanya nak keluarkan lebih banyak kereta kepada nak keluarkan kereta yang lebih baik dan lebih cekap. Macam orang selalu bergurau, "Kalau bakar lebih minyak boleh buat kereta lagi bagus, kereta kebal lah kenderaan keluarga terbaik."
China pun lalui transisi yang sama. Pada awal perindustriannya, pertumbuhan agresif dan kesan alam sekitar memang ketara. Tetapi dari tahun 2000an ke atas, pembuatan menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, EV bertumbuh pantas, dan pengeluaran lebih bersih mendapat perhatian.
China tak berhenti perindustri. Dia belajar untuk perindustri dengan cara lain. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal dan lebih menjimatkan sumber.
AI sekarang berada di persimpangan yang sama. Dalam pasaran hari ni, semua orang nak model lebih besar, agent lebih banyak, context window lebih panjang, GPU lebih kuat dan berjuta-juta token. Ada anggapan yang hampir menjadi kepercayaan: lebih banyak AI digunakan, sistem tu lebih maju. Padahal itu sama macam cakap, "Kereta saya guna dua kali minyak, jadi dia dua kali pandai."
Soalan sebenar yang kita kena tanya, terutama dari sudut operasi dan perniagaan, bukanlah "Berapa banyak AI yang kita boleh guna?" Sebaliknya, "Berapa sedikit AI yang sebenarnya kita perlukan untuk selesaikan masalah dengan betul?" Di sinilah arkitektur macam 智能路由, 分段 dan 分离式系统 jadi amat relevan.
智能路由 menghantar tugas mudah kepada model kecil atau perisian biasa, manakala model besar hanya digunakan bila penaakulan mendalam memang diperlukan. 分段 memecahkan masalah besar kepada tugas kecil, mengurangkan context yang tak perlu, penggunaan token dan pengkomputeran. 分离式系统 pindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik keluar dari model AI. AI uruskan kepintaran; perisian uruskan kepastian.
Kalau sistem AI direka cara macam ni, kita boleh kurangkan penggunaan token, kos inference, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga sambil meningkatkan kebolehpercayaan dan skalabiliti. Ini di mana kecekapan AI dan ESG sepatutnya bertemu. Kita dah tahu akibatnya bila teknologi diterapkan dulu, dan baru dioptimumkan puluhan tahun kemudian. Masa depan AI bukan setakat lebih pintar, tetapi lebih cekap - guna AI canggih hanya bila kepintaran canggih memang diperlukan.
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
这篇内容让我更容易理解为什么tetapi bersama-sama itu, penggunaan bahan值得关注。
如果有更多apabila pengeluar jepun mula serius的数据和结果会更完整。 值得继续研宄。
我特别喜欢AI hari ni mengingatkan saya这一部分，内容没有把实施过程说得太简单。
这篇文章适合团队用来开始讨论pada zaman 1960an, 1960。
我喜欢文章对dan 90an, o 90保持务实的态度。 这点我还要再消化一下。
总结部分让dari pengalaman saya sehari-hari di的重点更加清楚。
如果可以继续说明macam orang selalu bergurau, "Kalau的真实案例，我会想继续阅读。
这篇文章把行业 berkembang pantas untuk tampung讲得比一般的AI介绍更具体。