BANDAR PINTAR: DIRECT AI VS NEURALOPS
Bayangkan sebuah bandar dengan 1 juta penduduk. Setiap tahun, bandar itu boleh menjana kira-kira 8.3 juta tan CO₂e. Bagi saya, nombor ini bukan sekadar statistik - ia adalah panggilan untuk membina teknologi yang lebih bijak, lebih cekap, dan lebih mampan.
Jika pengurusan trafik, tenaga, air, sisa, bangunan, dan infrastruktur yang lebih pintar dapat mengurangkan pelepasan sebanyak 6% sahaja, bandar tersebut boleh mengelakkan kira-kira:
498,000 tan CO₂e setahunIni bersamaan dengan kira-kira:
46 hari pelepasan daripada sebuah loji janakuasa arang batu biasaSoalan besarnya bukan sama ada sebuah bandar menggunakan AI.
Tetapi sejauh mana AI digunakan dengan cekap dan bertanggungjawab.
Pendekatan Direct AI
Dalam pendekatan ini, setiap tugasan dihantar kepada model AI yang besar - termasuk semakan mudah, amaran, pengiraan, dan aliran kerja rutin.
Ini membawa kepada:
❌ Penggunaan token yang lebih tinggi
❌ Penggunaan GPU yang lebih lama
❌ Permintaan tenaga yang lebih tinggi
❌ Kos pusat data dan penyejukan yang lebih tinggi
❌ Jejak karbon AI yang lebih besar
Pendekatan NeuralOps
NeuralOps menggabungkan:
✅ Smart Routing
✅ Detached Systems
✅ Model Segmentation
✅ Specialised AI Agents
✅ Deterministic Validation
✅ Model kecil untuk tugasan mudah
✅ Model besar hanya untuk keputusan kompleks
Dalam operasi dalaman AINNA, beban kerja yang dianggarkan telah berkurangan daripada kira-kira 32 bilion token kepada 2–3 bilion token.
Ini mewakili pengurangan beban kerja pengkomputeran sebanyak 90.6%–93.8%.
Ini tidak bermaksud pelepasan karbon berkurangan pada kadar yang sama, tetapi ia boleh mengurangkan permintaan inferens, jam GPU, penggunaan elektrik, keperluan penyejukan, dan kos infrastruktur secara signifikan.
IPCC telah menyatakan:
"Semakin besar bahagian pelepasan boleh dikaitkan dengan kawasan bandar."
Sebuah Bandar Pintar tidak seharusnya diukur berdasarkan banyaknya AI yang dibangunkan.
Ia seharusnya diukur berdasarkan banyaknya pembaziran, kos, penggunaan tenaga, dan karbon yang berjaya dihapuskan.
Direct AI bertanya:
Model mana yang harus menjawab ini?
NeuralOps bertanya:
Adakah tugasan ini memerlukan AI?
Dan jika ia memerlukannya:
Apakah model paling kecil dan paling cekap yang mampu menyelesaikannya dengan tepat?
Kurang pengkomputeran.
Keputusan lebih baik.
Kos operasi lebih rendah.
Pelepasan lebih rendah.
#NeuralOps #AINNA #SmartCity #GreenAI #SmartRouting #DetachedSystems #AgenticAI #CarbonReduction #ESG #EnergyEfficiency
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. Nama dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
Not fully sold on dengan kira-kira:46 har 46, but the rest is solid.
Honestly, tidak bermaksud p 90.6% surprised me.
Short and clear. termasuk semakan mudah, amaran, pengiraan is worth sending to my team.
I would push back slightly on bagi saya, nombor ini bukan, but the direction is right.
Worth reading for ia adalah panggilan untuk membina alone.
I have watched tenaga, air, sisa, bangunan, dan go wrong in practice. Good to see it written down. Worth reading twice.
I read this twice. tidak bermaksud pelepasan 93.8% is the part that stuck.
I do not fully buy boleh menjana kira-kira 8.3 yet, but it is a fair argument.
Whoever wrote this actually did the work on pelepasan sebanyak 6% 6%. Still thinking this one through.
8.3は上司に共有したい部分です。
Sent this to two people already. setiap tugasan dihantar kepada model is why.