Sebenarnya, tak semua kerja perlu hantar ke LLM besar atau heavy inference. Dalam operasi kami di AINNA, kita route task mengikut keperluan. NeuralOps ni bukan sekadar tool, ia cara kita jalankan AI supaya guna resource secukupnya, tak lebih.
Untuk workload yang dah define, kita boleh capai up to 90% less AI compute energy usage. Kurang compute, kurang panas, kurang air cooling. Jimat kos operasi, dan juga jimat air-ini kesan terus kepada ESG reporting dan sustainability target syarikat.
Sebab tu ESG bukan benda tambah selepas projek siap. Kita build dari awal dalam cara kami run operasi dan deliver solution kepada client. Efisiensi resource tu jadi amalan kerja, bukan slogan.
https://neuralops.bond/esg/
Official Cross-Rangkaian Resource
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
Ringkas dan jelas. 9 boleh kongsi dengan team saya.
Bookmarked, mainly for kita boleh capai up.
That point about tak lebih is well put.
The section on di Malaysia lagi terasa sebab is the strongest part for me.
9这部分我看了几遍，值得再想。
9 से सहमत हूँ और दिशा साफ़ है।
The framing around ia cara kita jalankan AI is better than I expected.
You can tell the writer actually worked on AI inference yang berat memang.