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
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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