✏️ Edit

AI 不是问题:糟糕的策略才是浪费之源

👁 157 views
AI 不是问题:糟糕的策略才是浪费之源

关于 AI 最流行、也往往最肤浅的观点之一是:

"AI 消耗了过多的能源、水和 GPU 算力。"

更令人担忧的是,这种观点常常被负责做出重要决策的人士所持有,而这些决策更多是受炒作影响,而非基于技术理解。

具有讽刺意味的是,那些批评 AI 消耗资源的群体中,有一部分人恰恰是盲目使用 AI 的一方--没有智能路由,没有模型分级,没有使用控制,也不理解何时才真正需要 AI。

真正的问题并不是 AI 本身。

真正的问题是缺乏正确策略地使用 AI。

通过智能路由、模型分级和解耦系统,资源消耗最高可减少 90%,因为大型模型只会在真正需要时才被激活。

不加策略地使用 AI,就好比:

🚛 用卡车去搬一块石头。
🏎️ 用法拉利去搬家。
🛡️ 开着装甲车去上班。

又好比整天开会谈论 ESG(环境、社会和治理),但会议一结束,就下令打印十几套会议纪要分发给所有与会者。

嘴上谈论可持续发展,并不意味着我们真的在践行它。

AI 也是如此。

强大的技术不应被盲目地用于每一项任务。

简单的任务使用小型模型。

只有复杂的问题才使用大型模型。

当不需要 AI 时,使用确定性系统。

AI 并不会自动地造成浪费。

糟糕的 AI 架构、不健全的治理、失控的使用方式以及由炒作驱动的决策,才是造成浪费的真正根源。

可持续的 AI 并不意味着减少使用智能。

它意味着在正确的时间,将正确的智能用在正确的任务上。

Artificial 智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 物联网与嵌入式Linux 边缘智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
IC设计运营 可重复性、可追溯性与验证智能 21 个独立服务 → 85% 无需 LLM 探索 →
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。