AINNA NeuralOps: Memacu AI yang Lebih Boleh Dipercayai dan Hemat Tenaga bersama SIRIM Melaka dan UPEN Melaka✎ Edit

Alhamdulillah.

Semalam, kami berbesar hati menerima kunjungan wakil UPEN Melaka (Melaka Keadaan Economic Perancangan Unit) dan SIRIM Melaka ke AINNA. Kami amat terhormat dengan kehadiran Pengarah SIRIM Melaka, Encik Kamarulzaman bin Ahamad Zainudin, dalam lawatan tersebut.

Kunjungan ini merupakan sebahagian daripada proses penilaian Anugerah Usahawan Negeri Melaka, di mana kami berpeluang berkongsi perkembangan terkini AINNA NeuralOps-arkitektur AI generasi baharu kami yang direka bentuk untuk menjadikan AI lebih cekap, lebih boleh dipercayai dan lebih praktikal untuk pelaksanaan dalam dunia sebenar.

Apa yang menjadikan sesi ini amat bernilai ialah ia bukan sekadar pembentangan satu hala. Ia telah berkembang menjadi perbincangan teknikal dua hala yang bermakna, diperkayakan dengan pandangan Pengarah SIRIM yang membawa pengalaman kepimpinan lebih 20 tahun dalam SIRIM.

Salah satu cadangan yang paling memberi kesan ialah integrasi Atomic Clock sebagai sumber masa yang dipercayai merentasi setiap komponen NeuralOps. Menyegerakkan semua sistem terpisah, perkhidmatan, parsers dan ejen AI kepada satu rujukan masa berketepatan tinggi akan memperkukuhkan lagi kebolehpercayaan, konsisten peristiwa, kebolehaudit dan integriti keseluruhan sistem.

Kami juga mempersembahkan bagaimana arkitektur NeuralOps beroperasi dengan hanya sekitar 10% pengkomputan GPU yang biasanya diperlukan oleh sistem AI konvensional untuk beban kerja yang dioptimumkan. Dengan menggabungkan Sistem Berasingan, Smart Routing, parsers dan guardrails, sumber GPU hanya akan digunakan apabila ia benar-benar menambah nilai, manakala proses deterministik dijalankan di luar LLM.

Arkitektur ini berpotensi mengurangkan penggunaan tenaga pengkomputan GPU sehingga 90% untuk beban kerja yang berkaitan. Menggunakan anggaran konservatif 1,000 pengguna aktif dengan purata 50 permintaan AI sehari, NeuralOps boleh menjimatkan kira-kira 459 kWh elektrik setiap bulan, bersamaan dengan mengurangkan kira-kira 340 kg pelepasan CO₂e setiap bulan, atau lebih 4 tan setahun. Keputusan sebenar akan berbeza bergantung kepada beban kerja, model AI, infrastruktur dan sumber tenaga.

Bagi kami, masa depan AI bukanlah tentang menggunakan model yang lebih besar atau GPU yang lebih banyak. Ia membina arkitektur yang lebih pintar yang menghasilkan prestasi sama atau lebih baik dengan kos jauh lebih rendah, penggunaan tenaga lebih sedikit dan jejak alam sekitar yang jauh lebih kecil.

Doakan kami terus diberkati dalam perjalanan ini. Sekiranya terpilih, ia akan memberi momentum besar kepada kami sedia untuk tiga sesi pitching utama dalam beberapa minggu akan datang.

Penghargaan ikhlas kami kepada UPEN Melaka dan SIRIM Melaka atas kunjungan, perbincangan membina dan pandangan yang tidak ternilai. Kami berharap dapat mengubah idea-idea ini menjadi evolusi seterusnya bagi AINNA NeuralOps.