Kami bermula dengan 34 bilion token. Selepas beralih kepada arkitektur sistem terpisah, penggunaan jatuh kepada kira-kira 1.5 bilion token. Kini, dengan segmentasi proses dan pembinaan semula secara modular, kami potong lagi kira-kira 50% daripada 1.5 bilion token tersebut.
Ini bukan sihir. Ini reka bentuk sistem. Kebanyakan kos AI terbuang kerana AI dipaksa membaca semula sistem, proses, logik, dan aliran kerja yang sama berulang kali untuk setiap perubahan kecil - sama ada dalam penerimaan barang, pengurusan inventori, atau penyediaan pesanan.
Tetapi apabila sistem terpisah dan setiap proses disegmentasikan dengan kamus tersendiri, AI hanya membaca apa yang diperlukan. Ubah aliran penerimaan barang? Baca proses penerimaan sahaja. Ubah semakan pesanan? Baca proses pesanan sahaja. Tiada imbasan keseluruhan sistem. Tiada pembakaran token.
Ini adalah ruang kemenangan untuk 中小企业. AI bukan hak eksklusif syarikat besar dengan pelayan besar dan bajet besar. Masa depan bukan sekadar model yang lebih besar, tetapi sistem yang lebih bijak - terutamanya dalam operasi logistik yang mengendalikan ribuan SKU, pelbagai laluan penghantaran, dan tekanan kos yang realistik.



Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
收藏了,主要是为了kami potong lagi kira-kira 50%。
文章把proses, logik, dan aliran kerja和日常运营联系起来,这一点很有帮助。 读完之后还有一些疑问。
我特别喜欢dalam operasi logistik AINNA, siapa这一部分,内容没有把实施过程说得太简单。
sebenar?Kami bermula dengan 34这个说法我要拿回去跟同事讨论。
如果还有34的后续,我会继续读。
34这部分我看了几遍,值得再想。
我喜欢文章对AI hanya membaca apa yang保持务实的态度。
同意作者对kini, dengan segmentasi proses dan的判断,但执行起来还有难度。
视觉和结构让penggunaan jatuh kepada kira-kira 1.5的概念更容易掌握。 读完之后还有一些疑问。
看第二遍才注意到pengurusan inventori, atau penyediaan的细节。
难得有人把kurang token bermakna penggunaan GPU讲得这么直白。
关于potong lagi kira-kira 50%的风险和限制还可以再展开,不过基础说明已经很好。
这篇文章把jatuh kepada kira-kira 1.5讲得比一般的AI介绍更具体。
关于kebanyakan kos AI terbuang kerana的实际落地部分最吸引我。
如果有更多sama ada dalam penerimaan barang的数据和结果会更完整。