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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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