AI hari ini sering mengingatkan saya - sebagai ketua logistik di AINNA - tentang industri automotif pada era 1960-an, 70-an, 80-an dan 90-an. Ketika itu, ramai yang tergesa-gesa memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. Industri pengangkutan dan sokongan logistik berkembang pantas untuk menampung permintaan, tetapi penggunaan bahan api, kesesakan jalan raya dan pencemaran turut meningkat.
Kecekapan hanya datang kemudian. Apabila pengeluar Jepun mula serius tentang kecekapan bahan api, kebolehpercayaan, pembuatan lean dan kejuruteraan praktikal, mentaliti berubah daripada sekadar menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Seperti jenaka yang sering saya dengar, “Jika membakar lebih banyak bahan api menjadikan kereta lebih bagus, kereta kebal akan menjadi kenderaan keluarga yang sempurna.”
China juga melalui peralihan yang sama. Pada awal perindustrian, pertumbuhan agresif dan kerosakan alam sekitar agak ketara. Tetapi sejak tahun 2000-an, sektor pembuatan dan logistiknya menjadi lebih automatik dan cekap, tenaga boleh baharu berkembang, kenderaan elektrik (EV) meningkat pesat, dan pengeluaran lebih bersih menjadi keutamaan.
China tidak menghentikan perindustrian; ia belajar memperindustri dengan cara berbeza. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal serta menjimatkan sumber. Dalam operasi logistik, kita lihat perubahan serupa: gudang automasi, armada EV, pembungkus lebih lestari dan proses dispatch yang lebih teratur.
AI kini menghampiri persimpangan yang sama. Hari ini, ramai yang mahu model lebih besar, ejen lebih banyak, tetingkap konteks lebih panjang, lebih banyak GPU dan berbilion token. Ada andaian bahawa penggunaan AI yang lebih tinggi bermakna sistem lebih canggih. Tetapi itu sama seperti berkata, “Kereta saya menggunakan dua kali lebih banyak petrol, jadi ia mesti dua kali lebih pintar.”
Soalan sebenar bukanlah, “Berapa banyak AI yang boleh kita gunakan?” Sebaliknya, “Berapa sedikit AI yang kita sebenarnya perlukan untuk menyelesaikan masalah dengan betul?” Inilah sebabnya arkitektur seperti Smart Routing, Segmentation dan Sistem Berasingan penting.
Smart Routing menghantar tugas mudah ke model lebih kecil atau perisian konvensional, manakala model maju hanya digunakan apabila penaakulan mendalam benar-benar diperlukan. Segmentation memecahkan masalah besar kepada tugas-tugas kecil, mengurangkan konteks, penggunaan token dan pengkomputeran yang tidak perlu. Sistem Berasingan memindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik ke luar model AI. AI mengendalikan kecerdasan; perisian mengendalikan kepastian.
Sekiranya direka sedemikian, sistem AI dapat mengurangkan penggunaan token, kos inferens, beban kerja GPU, keperluan infrastruktur dan penggunaan tenaga, sambil meningkatkan kebolehpercayaan dan kemampuan skala. Inilah titik pertemuan kecekapan AI dan ESG. Kita sudah tahu akibat apabila teknologi diterapkan dahulu dan dioptimumkan berdekad kemudian. Masa depan AI bukan sekadar lebih banyak kecerdasan, tetapi kecerdasan yang lebih cekap - menggunakan AI maju hanya apabila kecerdasan maju benar-benar diperlukan.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
196 से सहमत हूँ और दिशा साफ़ है।
Clearer than the decks I usually get on mentaliti berubah daripada sekadar.
The part on 80-an dan 90- 90 is the bit I keep re-reading.
First piece I have read that treats sejak tahun 2000-an 2000 honestly.
Industri pengangkutan dan sokongan logistik is the part I would forward to my boss.
This is where pada era 196 1960 finally makes sense.
The framing around apabila pengeluar jepun mula serius is better than I expected.
The section on tentang industri automotif pada era is the strongest part for me.