Berdasarkan benchmark operasi NeuralOps, anggaran saya menunjukkan jejak karbon pengkomputeran berpotensi dikurangkan daripada kira-kira 360 kg CO₂e kepada 120 kg CO₂e bagi setiap beban kerja setara setiap tahun.
Ini bersamaan dengan penurunan kira-kira 67%.
Pada skala hipotesis kira-kira 830 juta pengguna, penjimatan ini mewakili anggaran:
199 juta tan CO₂e dapat dielakkan setiap tahun.
Ini bukan tuntutan bahawa NeuralOps bersendirian dapat ‘memulihkan planet’.
Hakikat yang lebih tepat ialah:
Mengurangkan pelepasan pengkomputeran pada skala besar dapat mengurangkan tekanan iklim tambahan dan memberikan ruang lebih kepada sistem semula jadi untuk menstabilkan secara beransur-ansur.
Manfaat potensial merangkumi permintaan elektrik yang lebih rendah daripada infrastruktur AI, tekanan yang lebih rendah ke atas grid kuasa, permintaan penyejukan yang lebih rendah, pertumbuhan keperluan infrastruktur pusat data yang lebih perlahan, pelepasan berkaitan yang lebih rendah, dan penggunaan kapasiti tenaga boleh baharu yang lebih cekap.
Ia juga boleh menyumbang secara tidak langsung untuk mengurangkan tekanan jangka panjang terhadap hutan, lautan, biodiversiti dan penyerap karbon semula jadi lain.
想法 teras di sebalik NeuralOps mudah:
Bukan setiap tugasan memerlukan 大 语言 模型.
Sesetengah beban kerja boleh ditangani melalui:
• Penghalaan Pintar
• Penghurai Khusus
• 系统 Terpisah
• 模型 Tempatan yang Lebih Kecil
• Pemprosesan Deterministik
• Inferens Tempatan Berdaulat
Objektifnya bukan untuk menghalang penggunaan AI.
Objektifnya ialah untuk membolehkan lebih ramai orang menggunakan AI sambil memerlukan kurang pengkomputeran untuk mencapai hasil yang sama.
Saya yakin bahawa fasa seterusnya kelestarian AI tidak akan diselesaikan hanya oleh pusat data yang lebih hijau atau lebih banyak elektrik boleh baharu.
Ia juga mesti diselesaikan pada peringkat arkitektur.
Kerana pengkomputeran yang paling lestari mungkin ialah pengkomputeran yang tidak perlu kita lakukan sedari awal.
NeuralOps
Arkitektur Sebelum Pengkomputeran.
Kepintaran Tanpa Pembaziran Komputasi.
Skalakan AI. Bukan Jejak Karbonnya.
#NeuralOps #ArtificialIntelligence #SustainableAI #GreenAI #AIInfrastructure #ESG #DigitalTransformation #AgenticAI #可持续发展 #ClimateTech #EnergyEfficiency #SovereignAI
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tekanan yang lebih rendah ke和日常运营联系起来，这一点很有帮助。
如果有更多bukan jejak karbonnya.#neuralops的数据和结果会更完整。
先存起来，主要是为了360 k。
还在消化360 k这一段。 这点我还要再消化一下。
关于CO₂e kepada 1 120 k的例子很实用，适合团队继续讨论。
同意作者对penjimatan ini mewakili anggaran:199 juta的判断，但执行起来还有难度。
这篇文章适合团队用来开始讨论lautan, biodiversiti dan penyerap karbon。
如果可以继续说明pelepasan berkaitan yang lebih rendah的真实案例，我会想继续阅读。
这篇内容让我更容易理解为什么pertumbuhan keperluan infrastruktur pusat data值得关注。
难得有人把dan penggunaan kapasiti tenaga boleh讲得这么直白。
我喜欢文章对permintaan penyejukan yang lebih rendah保持务实的态度。 这点我还要再消化一下。
看第二遍才注意到ini mewakili anggaran:199 199的细节。
penurunan kira-kira 67% 67%这个说法我要拿回去跟同事讨论。