迎接下世代摩爾定律,「每瓦效能」成新典範!
迎接下世代摩爾定律,「每瓦效能」成新典範!

摩爾定律(Moore’s Law)長期以來一直是半導體產業的發展路徑圖。一開始被視為是一種預測(晶片上的電晶體數量大約每兩年會翻一倍,而相對成本會下降),後來它成為產業演進的藍圖與自我應驗的預言,舉例來說過去一個12平方毫米大小的處理器只能容納的下大約2,250個電晶體,進步到現在每平方毫米隨隨便便就能塞進超過1億個電晶體。

隨著每代的電腦與行動裝置功能變得越來越強大、外型設計更流線,這一路的進展改寫了用戶體驗、推進了更銳利的數位影像、高傳真遊戲,以及越來越精準的語音及影像辨識。不過,當摩爾定律已經接近尾聲,那接下來的發展呢?

科技發展對氣候變遷的衝擊

摩爾定律構想提出時,運算技術才剛萌芽。儘管科學家Eunice Foote Newton早在1856年就首次提出溫室效應,我們人類才剛開始探討自身影響氣候變遷的可能性,部份原因是用來進行相關計算的電腦才剛剛開始問市。

過去幾乎沒人留意到氣候與電腦消耗的能源彼此間有任何相關性,主要原因是電腦雖然是個吃電怪獸,但在1990以前,個人電腦的數量跟現在比起來還是少的可憐。

把時間從1856年快轉到21世紀的現在,連網已變成基本需求,從醫療資訊到採購食品雜貨的幾乎所有東西都可以在網路上進行。網際網路就是「機會」的代名詞:資訊在網際網路上進行共享、學習也透過網路進行、徵人廣告也在網路刊登。基本上,不上網,就沒機會。

Arm
圖/ Arm

多數人都理解數位落差以及數位落差帶來的影響,但全球仍有37億人無法完整使用數位科技。縮短數位落差是道德上必須履行的責任,但也為科技界帶來新的難題:該如何減輕加上這37億名全新數位使用者帶來的環境衝擊、讓所有人隨時隨地都能連網,又不會災難性地加速氣候變遷?

很明顯地,我們不能只專注於運算力的提升。從同樣的晶片搾出更多的效能仍是重要的考量,但每瓦效能才是新王道。但除了瓦數本身,還有能源-長期下來被消耗的電力。

「每瓦效能」與「總消耗電力」這兩者都很重要。例如,資料中心除了把每一台伺服器的功耗控制得宜之外,還必須把整體營運的能源消耗降到最低。行動裝置除了受到電池容量的限制,其瞬時功率則受到整機的散熱設計所限制。

又例如,由太陽能電池驅動的感測器,雖然可以使用大量天然的能源,但是擠出來的電力非常有限。我們設計產品的目標,是在電力、能源與熱量這些挑戰下,擠出每瓦更高的效能,才能夠將全球電子裝置的能源消耗降到最低。

庫梅定律:運算效率的研究

史丹佛大學教授強納森‧庫梅(Jonathan Koomey)於2010年創造了「庫梅定律」(Koomey’s Law)這個名詞,它說明每焦爾耗能的運算次數趨勢。這個數字在1945年到2000年之間,每18個月會加倍(相當於每10年多100倍),之後則會慢下來;2000年以後大約每2.6年才會加倍(相當於每10年成長16倍)。

庫梅定律被普遍用來衡量運算所需的電力:從一開始的峰值效率,到最近的日常使用效率。即便根據摩爾定律,裝置的運算能力提升了,它還是得符合對應的功率曲線。

隨著晶片的工作電壓無法再以同等的速度跟電晶體的尺寸一起往下降;這意味設計人員必須努力追求能源效率,因為電壓降低不再是製成微縮理所當然的附帶結果。

這點也反映在工廠的優先順序上。如果要降低整體的功耗,必須要堅決地專注在能源效率:我們現在比過去任何時候,更應該專注在降低運算的碳排放。

研華科技
圖/ Shutterstock

每瓦效能(Performance per Watt):新的典範

你可能沒有意識到,每天全球有將近70%的人口使用基於Arm技術的3C裝置,因此我們有責任協助整個生態系統,以更節能、更能有效減少碳排的方式,共同因應氣候變遷問題。Arm CEO Simon Segars 在今年COMPUTEX的主題演講中,就曾提到「脫碳運算」(Decarbonizing Compute)的觀念。多餘的碳排肇因無效的運算,而隨著網際網路與雲端服務的興起,運算本身就已耗用相當能源。全球資料中心的工作負載可能在未來十年成長十倍以上,降低能耗不能只靠物理性的方法,運算本身就必須得節能,雲端運算需要不同的思維。

摩爾定律與庫梅定律並不是自然的定律,而是對科技發展方向的觀察結果,而我們可以利用它們來觀察未來可能會如何發展。如果依據庫梅定律推斷,就會預期裝置會持續變得更節能省電,而處理器由於功耗極低,甚至還會從所處的環境採集自然能源。

越來越多人把軟體優化到只需要超低功耗處理器。像是TinyML就是把機器學習(ML)工作負載優化到可以只用上幾毫瓦的電力,就能夠運行。

隨著我們開始縮短數位落差、與數十億個科技新用戶分享連網的效益,這種對效率永不停歇的專注將更為重要。如果要避免災難性的氣候變遷,光是保持穩定的功耗與能源統計數字是不夠的;我們必須努力確保這些數字主動降低與減少能源消耗,並在所有運算發生的地方減少碳排放。每瓦效能必須成為新的典範,並引導產品的發展時程,以便從越來越低的功耗限制下擷取更多的效能。

科技是環境問題的解決方案,也是使其惡化的原因。我們要努力的,是讓正面的貢獻必須大於負面的影響,這點對於地球的未來極為關鍵。讓每瓦效能極大化是其中一環,同時也要窮盡我們所有系統中所有可以緊縮功耗的地方,並以更高的效率運算出等效結果。此外,也要觀察系統的運作情況,並以更好的運算能力讓系統的整體系統更有效率。

我們從新聞上看到極端氣候造成的災難並非遠在天邊,現在科技界努力的每一步都能避免氣候惡化。Arm做為運算科技的領導廠商,正處在一個獨特地位可以降低運算對環境帶來的衝擊,讓科技站在歷史正確的一方,成為氣候解決方案與更為永續未來的一環

責任編輯:傅珮晴、陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

【延伸閱讀】

1.辭三星半導體工程師、留50個月生活費專心閉關創作,韓國小說新銳寫出《魷魚遊戲》殘酷社會中的夢境救贖
2.台灣將買COVID-19口服藥!美國默沙東集團開發臨床實驗傳喜訊,陳時中:談判中

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #半導體
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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