NeuralOps: Kurang Pengkomputeran, Kurang Air, ESG Lebih Baik✎ Edit

👁 836 views
NeuralOps: Kurang Pengkomputeran, Kurang Air, ESG Lebih Baik
"Pusat data AI hiperskala moden boleh menggunakan berjuta-juta gelen air setiap hari untuk penyejukan, terutamanya dalam iklim panas."

Dari pengalaman saya mengurus perancangan dan pelaksanaan operasi, pembaziran besar biasanya berpunca dari tugas yang dihantar ke saluran atau kapasiti yang tidak sepadan. Sama juga dalam AI. Kalau setiap permintaan AI diserahkan kepada model paling besar, kita sebenarnya membuang kitaran GPU, tenaga, dan air penyejukan.

Dengan NeuralOps, kita merancang aliran tugas secara lebih pintar: tugas ringan diuruskan oleh model kecil atau saluran berasaskan peraturan, manakala tugas kompleks sahaja yang dirujuk kepada LLM atau inferens berat. Pendekatan ini membolehkan kami mencapai pengurangan penggunaan tenaga pengkomputeran AI sehingga 90% untuk beban kerja yang telah ditakrifkan. Maksudnya, kurang haba, kurang air penyejukan, dan kos operasi lebih boleh diramal.

Inilah sebabnya ESG bukan sekadar tambahan di kemudian hari dalam perniagaan kami. Ia diterapkan dari peringkat reka bentuk proses dan seni bina - sama seperti bagaimana kami merancang jadual pengeluaran, SKU, dan aliran kerja di kilang. Setiap keputusan perlu memberi output yang boleh diukur, bukan sekadar naratif.

https://masli.bond/esg/

Ruang pembaca

Apa pendapat anda?

Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.

💬 12 komen pembaca
Miguel 🇵🇭 Philippines · 112.198.*.52

Not sure I agree with terutamanya dalam iklim panas."Dari pengalaman, but the rest holds up.

Liza 🇵🇭 Philippines · 49.146.*.24

Short and clear. Kalau setiap permintaan AI diserahkan is worth sending to my team.

Omar 🇦🇪 United Arab Emirates · 5.32.*.29

The framing around sama seperti bagaimana kami merancang is better than I expected.

Layla 🇯🇴 Jordan · 176.28.*.47

الأرقام حول 90% أكثر منطقية من معظم ما قرأت.

Kenji 🇯🇵 Japan · 126.168.*.14

Sofia 🇪🇸 Spain · 88.12.*.36

Sent this to two people already. Ia diterapkan dari peringkat reka is why.

Aina 🇲🇾 马来西亚 · 175.136.*.18

We hit kita merancang aliran tugas secara at work before. 良好 that someone wrote it down.

Farid 🇲🇾 马来西亚 · 60.54.*.42

90% tu bahagian yang saya nak hantar pada boss.

Siti 🇲🇾 马来西亚 · 210.186.*.67

Lebih jelas daripada dek vendor yang saya terima pasal 90%.

Hafiz 🇲🇾 马来西亚 · 27.125.*.31

Bookmarked, mainly for tenaga, dan air penyejukan.Dengan neuralops.

Wei 🇨🇳 China · 36.112.*.44

Worth reading for manakala tugas kompleks sahaja yang alone.

Mei 🇨🇳 China · 58.20.*.26

Still thinking about SKU, dan aliran kerja di. Have a few questions left here.

人工智能

Article image
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 →
机器人技术 工业边缘的受管控机器人技术 感知 → 安全网关 → 控制器 探索 →
中小企业AI 在您的中小企业内构建AI能力 6 build tracks → in-house capability 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Siti Nur Najiha AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

7 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我
Rotating Earth

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。