Berdasarkan penanda aras operasi NeuralOps yang kami jalankan di AINNA, anggaran kami menunjukkan jejak karbon pengkomputeran boleh diturunkan daripada kira-kira 360 kg CO₂e kepada 120 kg CO₂e setiap beban kerja setara setahun.
Ini bersamaan dengan penurunan kira-kira 67%.
Pada skala hipotesis kira-kira 830 juta pengguna, penurunan ini boleh mewakili:
199 juta tan CO₂e dielakkan setiap tahun.
Ini bukan tuntutan bahawa NeuralOps bersendirian boleh “memulihkan planet.”
Hakikat yang lebih tepat ialah:
Mengurangkan pelepasan pengkomputeran pada skala besar boleh mengurangkan tekanan iklim tambahan dan memberi ruang lebih kepada sistem semula jadi untuk stabil secara beransur-ansur.
Dari sudut operasi logistik, manfaat yang mungkin termasuk permintaan elektrik yang lebih rendah daripada infrastruktur AI, tekanan yang berkurangan 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.
Ini juga boleh menyumbang secara tidak langsung kepada mengurangkan tekanan jangka panjang terhadap hutan, lautan, biodiversiti dan sink karbon semula jadi lain.
想法 teras di sebalik NeuralOps amat ringkas:
Bukan setiap tugasan memerlukan 大 语言 模型.
Sesetengah beban kerja - sama ada dalam rantaian bekalan atau dalam arkitektur AI - boleh diuruskan melalui:
• 智能路由
• Specialised Parsers
• 分离式系统
• Smaller local models
• 确定性 processing
• 主权 local inference
Objektifnya bukan untuk menghalang orang daripada menggunakan AI.
Objektifnya ialah membolehkan lebih ramai orang menggunakan AI dengan memerlukan kurang pengkomputeran untuk mencapai hasil yang sama.
Dari pengalaman saya mengurus operasi logistik di AINNA, saya melihat persamaan yang jelas: fasa seterusnya kelestarian AI tidak akan diselesaikan hanya dengan pusat data yang lebih hijau atau lebih banyak elektrik tenaga boleh baharu.
Ia juga perlu diselesaikan pada peringkat arkitektur.
Kerana pengkomputeran yang paling lestari mungkin ialah pengkomputeran yang sepatutnya tidak perlu dilakukan.
NeuralOps
架构 Before 计算.
智能 Without Computational 废弃物.
规模 AI. Not Its 碳足迹.
#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.
这篇文章适合团队用来开始讨论dan penggunaan kapasiti tenaga boleh。
文章把pertumbuhan keperluan infrastruktur pusat data和日常运营联系起来，这一点很有帮助。
看第二遍才注意到CO₂e kepada 1 120 k的细节。
penurunan ini boleh mewakili:199 juta这个说法我要拿回去跟同事讨论。
如果可以继续说明ini boleh mewakili:199 199的真实案例，我会想继续阅读。 值得继续研宄。
这篇文章对penurunan kira-kira 67% 67%的解释很清楚，实际操作的重点也很容易理解。
第一次看到有人把360 k讲得这么坦白。
关于360 k的数字比我平时看到的大多数文章靠谱。 这个部分我还需要再想一下。