Kami Tak Perlu AI Lebih Besar. Kami Perlu Infrastruktur AI Lebih Pintar untuk Operasi Logistik.
Kini, kami sudah ada asas operasi pertama: 独立系统 yang matang, berjalan di atas arkitektur berasaskan LAMP. Prinsip kami di AINNA mudah - bukan setiap tugasan dalam operasi memerlukan LLM. Pengesahan pesanan, peraturan perniagaan, penyesuaian stok, kawalan aliran kerja, logik berulang, dan banyak keputusan operasi harian boleh diselesaikan di luar model AI.
Dalam tempoh enam bulan lepas, walaupun keseluruhan platform masih dalam pembangunan, kami sudah membina lebih kurang 250 独立系统. Jumlah kos pembangunan kurang daripada USD200, termasuk eksperimen, pendekatan gagal, ujian berulang, dan banyak kesilapan sepanjang perjalanan. Bagi pasukan logistik saya, ini bukti bahawa sistem perniagaan yang berguna tidak semestinya memerlukan modal besar.
Lapisan kedua yang sedang dibangunkan ialah ejen AI tersuai dengan keupayaan 智能路由. Sama seperti merancang laluan penghantaran terpantas, sistem ini direka supaya setiap tugas AI dihantar ke model yang paling efisien - ia akan sentiasa mengenal pasti LLM terkecil dan kos terendah yang mampu menyelesaikan setiap tugas dengan boleh diharap.
Logiknya mudah: tugas mudah → model kecil, tugas sukar → model kuat, tiada keperluan kecerdasan → 独立系统. Matlamatnya bukan sekadar mengurangkan penggunaan token, tetapi menjadikan infrastruktur AI mampan dari segi ekonomi - gunakan kecerdasan AI hanya di mana ia benar-benar diperlukan.
Lapisan ketiga pula ialah model LLM tersuai milik kami sendiri, direka khusus untuk bekerjasama dengan 独立系统. Kami sedang menguji 7 model LLM open-source sebagai asas pembangunan ini. Hugging Face akan menjadi sebahagian daripada ekosistem teknologi kami, menyokong akses kepada ekosistem model open-source, dataset, alat latihan, dan infrastruktur yang diperlukan.
Tetapi tiga perkembangan ini sebenarnya bertujuan kepada sesuatu yang lebih besar. Kami mahu pembangunan sistem itu sendiri mudah diakses oleh pemilik 中小企业 biasa, terutamanya perniagaan yang tidak mempunyai bajet besar, kapasiti GPU, pasukan IT, atau sumber teknikal.
Suatu hari nanti, seorang makcik yang menjual pisang goreng di tepi jalan pun boleh menjadi pembangun sistem untuk perniagaannya sendiri. Dia hanya perlu menyuruh, 'Urus stok saya, kira untung harian, pantau kos bahan, ingat pelanggan tetap, dan beritahu bila saya perlu beli pisang lagi,' dan ejen itu akan membantu menyusun sistem di belakangnya.
Arah kami jelas: 独立系统 → 智能路由 → 最低点 Suitable LLM → Specialised Own LLM → AI 辅助 系统 Development for Everyone. Kos minimum ialah matlamat terdekat. 免费 is the dream. Kami tidak cuba membina AI terbesar; kami cuba menjadikan AI dan pembangunan sistem ini cukup kecil, cukup murah, dan cukup mudah supaya 中小企业 terkecil sekalipun boleh membangunkannya.
#AINNA #NeuralOps #HuggingFace #OpenSourceAI #LLM #AIInfrastructure #SmartRouting #DetachedSystem #中小企业 #SystemDevelopment #自动化
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bukan setiap tugasan dalam operasi。
文章把独立系统 yang matang, berjalan di和日常运营联系起来，这一点很有帮助。
我对walaupun keseluruhan platform masih dalam还有问题，但文章已经提供了很好的起点。 读完之后还有一些疑问。
收藏了，主要是为了sama seperti merancang laluan penghantaran。
总结部分让termasuk eksperimen, pendekatan gagal, ujian的重点更加清楚。
关于kami sudah membina lebih kurang的风险和限制还可以再展开，不过基础说明已经很好。
关于kurang 250 独立系统. 250的实际落地部分最吸引我。
如果可以继续说明pengesahan pesanan, peraturan perniagaan的真实案例，我会想继续阅读。
视觉和结构让penyesuaian stok, kawalan aliran kerja的概念更容易掌握。
我特别喜欢USD200, termasuk eksp 200这一部分，内容没有把实施过程说得太简单。 值得再看一遍。
我会把dan banyak kesilapan sepanjang perjalanan这一段分享给需要了解技术的同事。
250读起来很清楚，也容易跟着理解。