比特幣浪費能源並造成氣候變遷?劍橋學者估計每年用電匹敵瑞士全國
比特幣浪費能源並造成氣候變遷?劍橋學者估計每年用電匹敵瑞士全國

時常聽到挖礦(生產密碼貨幣)的過程十分耗電,但究竟有多浪費能源?劍橋大學科學家最近的研究指出,維持比特幣網路耗費的電力,足以匹敵瑞士一個國家的用電量。

劍橋學者本週推出一個名為「劍橋比特幣電力消耗指數(CBECI)」的網站,能即時估算當下維持比特幣網路所需的電力,進而推估出一整年的耗電量。

超越瑞士全國耗電量,比特幣一年用60兆瓦小時電量

目前該網站估計比特幣網路約使用逾7GW( 百萬瓩)電量,一年可消耗約60兆瓦小時電量,約占全球整體用電量的0.28%。這個數字或許很難讓人產生實際感,若以國家作為比較對象的話,比特幣網路所耗電量介於瑞士與捷克之間。

bitcoin energy cost
劍橋學者估計,比特幣網路耗電約介於瑞士與捷克之間。
圖/ CBECI

瑞士人口逾834萬人,每年用電量58.46兆瓦小時,排名全球第45名;相較之下,台灣每年用電量237.4兆瓦小時,排名全球第16名。

研究人員表示,他們希望藉由這個網站,提供民眾自由衡量比特幣能源消耗的工具,至於這個數字看起來「很費電」、「似乎還好」或者「沒想像中多」,全由網站訪客自行決定。

隨著密碼貨幣發展日益蓬勃,挖礦的電力消耗一直是許多人所關注的目標。劍橋官方新聞稿表示,過去很少有關於比特幣用電量的準確估計,大多只能提供非常片面的數據。

bitcoin energy cost 2
網站內也有一些有趣的事實:全美一年閒置電器浪費的電力,足以供應比特幣網路運作4年。
圖/ CBECI

且由於用電浮動程度相當大,不同估計間的數字往往具有驚人差異,而這點也反應在CBECI紀錄的用電上下限中,截稿前網站上顯示的用電下限為22.53兆瓦小時,上限為182.69兆瓦小時。

比掏金還耗電,「挖礦」會導致氣候變遷嗎?

為了獲得密碼貨幣,礦工必須要將挖礦機連接上比特幣網路,協助用戶驗證交易。在這個過程中,會需要與其他礦工競爭解開一道道複雜的數學題,率先完成者將能獲得少許獎勵。

然而挖礦這種費電,卻又毫無實質生產力的行為,長久以來為人詬病。去年11月時,曾有一項美國研究指出,挖出一美元的比特幣,其電力消耗是挖出同樣價值黃金的兩倍。

在這之前,也有一項研究預測,當比特幣如同信用卡一般普及時,保守估計將在22年內導致全球氣溫上升2度。

不過就目前而言,劍橋研究人員認為,比特幣對整體環境的影響微乎其微,即便假設比特幣消耗的電力全為火力發電,碳排放量仍不會超過5,800萬噸,約略等於全球碳排放量的0.17%。

bitcoin energy cost 3
比特幣網路一年耗費的電力,足以讓劍橋大學365年用電無虞。
圖/ CBECI

雖然暫時沒有影響環境疑慮,依舊不能改變密碼貨幣浪費電的本質。普華永道(PwC)區塊鏈專家亞歷克斯.德弗里斯(Alex de Vries)表示,比特幣網路一年處理少於1億次交易,卻耗費了不成比例的龐大能源。

德弗里斯指出,這個次數相對於全球金融交易顯得微不足道,傳統金融產業每年處理多達5千億次交易。然而,比特幣網路進行每一筆交易的能源成本,比全球所有金融機構加起來還要多。

資料來源:The Verge、BBC、Complex、CBECI

責任編輯:張庭銉

往下滑看下一篇文章
從獲客到理解需求,SHARP 攜手 Insider One 如何用第一方數據重寫家電行銷?
從獲客到理解需求,SHARP 攜手 Insider One 如何用第一方數據重寫家電行銷?

家電是典型的低頻、高單價商品,消費者可能數年才換一次冰箱、洗衣機或空氣清淨機,但品牌與消費者的接觸遠早於購買當下:從搜尋產品資訊、比較規格、閱讀評價,到進一步留下會員資料、瀏覽官網,甚至進入門市體驗,消費者的決策路徑越來越分散,即使最後的交易發生在線下,購買的決策可能早在線上決定。

這也是夏普(SHARP)會重新思考數位行銷的原因。

過去,品牌比較關注如何「帶來多少流量」,但當數位接觸點持續增加,重要議題逐漸變成:誰在關注什麼?誰可能進入購買週期?又該在什麼時間點,提供什麼內容?

SHARP 台灣總經理張凱傑表示:「我們的目標是串聯產品、 AI 、會員數據以及服務,讓 SHARP 從一個『賣家電的品牌』,逐步成為一個理解家庭生活需求的品牌。」

從空氣淨化、冰箱除菌保鮮、洗衣清潔、健康烹調、 AI 咖啡機到顯示技術, SHARP 致力將科技融入日常生活,預先設想、解決消費者不同階段的生活需求;如今,這套「半步先行」的思維也延伸到數位行銷:不只是等消費者說出需求,而是透過數據,更早辨識需求正在形成的訊號。

從散落的第一方數據到「看到完整消費者旅程」

SHARP 累積來自官網、會員、客服、維修與交易等大量第一方數據,但因數據資料分散在不同部門與系統,想要為行銷活動建立目標消費者輪廓,需要跨部門整理與人工處理。例如,需要先請 IT 撈取資料,再由行銷團隊分類目標客群,前後可能花上 3 到 5 天,活動發送出去後,也難以即時掌握消費者接下來的行為。

為解決上述挑戰, SHARP 開始評估、測試客戶資料平台(CDP),最終選擇與 Insider One 合作。評估過程中, SHARP 關注的不只是資料整合能力,也包括系統是否容易上手,以及線上、線下數據能否進一步串聯。

首先, SHARP 希望能縮短資料整合與行銷執行的距離。

Insider One 除可協助團隊進行第一方數據的整合、分群與分類,還有提供行銷引導與 AI 工具,例如行銷自動化等,讓團隊可以更精準地擬定媒體策略與決策,以清晰的投資報酬率(ROI)等數據,建立內部行銷與業務部門的信賴機制。

張凱傑指出:「對我們來說, CDP 的價值是縮短從資料、決策與行動的時間,讓行銷團隊可以把更多時間放在策略與內容,而不是處理資料。」舉例來說,導入 Insider One 後,行銷團隊用說的就可以完成受眾設定與行銷流程初步建置,將原本需要 3 到 5 天的時間縮短成 1 分鐘,然後,由系統觸及,以及追蹤開信、點擊與轉換,大幅縮短跨部門協作的工作流程。

Insider One
1912 年創立的夏普,在台灣積極數位轉型。SHARP 台灣總經理張凱傑攜手 Insider One ,透過數據整合,真正了解消費者的需求,精準推薦,股東購物節創造雙位數成長。右為 Insider One 吳一凡總經理。
圖/ 數位時代

對 SHARP 來說,另一個關鍵是降低團隊學習與使用數據的門檻。

為協助 SHARP 團隊快速上手與習慣使用, Insider One 團隊扮演如導師般的角色,透過手把手的培訓與指導,不僅大幅縮短系統摸索時間,更將原先至少要 3 個月以上的多元數據資料整合時間縮短在 1.5 個月內,成功趕上 SHARP 的年度最重要節慶活動–股東購物節。

第三個議題是捕捉線上互動跟線下交易之間的資料斷點,以消費者全通路(OMO)旅程數據持續深化互動關係。

張凱傑表示, SHARP 超過 80% 的銷售來自線下通路,部分合作通路同樣採用 Insider One,讓跨通路數據串接有了共通基礎,在 Insider One 團隊的協助下, SHARP 與生鮮超市合作,在符合資料授權跟隱私規範的前提下,透過會員輪廓標籤掌握跨通路消費需求,並以此規畫跨業聯合促銷(Joint Promotion)。

股東購物節四大指標皆雙位數成長, SHARP 如何從「廣撒行銷」走向「找對的人」

對 SHARP 來說,股東購物節是年度最重要活動,透過 Insider One 的站上模組、智能推薦、自動化顧客旅程與 A/B Test 等解決方案,結合會員資料整合與行為分析,去(2025)年, SHARP 行銷團隊可以從過去依年齡、性別等基本條件分群,轉變成掌握消費者對不同產品與內容的興趣,再搭配個人化推薦與自動化顧客旅程,讓對的內容在對的時機觸達對的人,極大化行銷綜效。

SHARP
「股東福利」官網提供一站式數位權益服務,包含股東卡領取、合作商家優惠查詢及精選好禮解鎖,輕鬆掌握各項專屬禮遇。
圖/ Insider

更重要的是,隨著數據累積與平台熟悉度提升, SHARP 的數位行銷成效持續優化。

以股東購物節為例,今(2026)年,不僅股東購物節的 eDM 開信率近 40%,流量、轉換率、客單價與回購率皆較去年成長15至25%,讓 SHARP 更加確信:數位行銷的重點不只是「吸引多少人」,而是能否辨識「哪些人值得溝通,以及現在應該說什麼」。

AI 智慧手沖咖啡機則是另一個案例。透過會員數據分析與問卷, SHARP 成功從會員名單中找出 4,000~5,000 名具有相關興趣與行為特徵的消費者,如喜愛手沖咖啡、熱愛科技、享受質感生活等客群,針對這群人進行精準溝通,帶動數百台產品銷售,創下轉換率超過 15% 的成績。

張凱傑認為,以 CDP 持續深化第一方數據資料有助於極大化行銷成效,以維修服務為例,如果系統辨識出消費者的冰箱使用年限已久,且近期有多次維修紀錄,即可在適當時機提供換機資訊,甚至從節能效益切入,讓這一次維修服務成為下一次產品需求的起點。

一次又一次的亮眼行銷成果,不僅讓 SHARP 從「廣撒行銷」轉向「找對的人」,持續深化對消費者的理解,讓線上的互動、內容與優惠,成為消費者消費或走進實體通路的前一站,也反映出家電行銷正從追求流量轉向對消費者需求的持續理解,成為家電數位行銷競爭的新典範。

想知道更多 Insider One 零售與家電產業應用,立即了解:https://insiderone.com/zh-hant/contact-us/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓