從程式碼到雲端：實踐數位永續的綠色軟體全攻略─資策會 FIND科技報─智邦公益電子報
enews.url.com.tw · September 18,2025從程式碼到雲端：實踐數位永續的綠色軟體全攻略
FIND研究員：李佳珮
在全球氣候危機加劇的背景下，數位轉型的浪潮帶來意想不到的環境挑戰。資訊通訊技術（Information and communications technology，ICT）的碳排放正以驚人速度增長，預計未來將佔全球排放的更大比例。特別是人工智慧模組訓練與推論的高能耗，對科技巨頭的淨零目標將構成嚴峻挑戰。
為什麼需要綠色軟體？
雖然軟體本身不直接耗能，其設計、開發與使用方式卻深刻影響硬體的能源消耗與碳足跡。根據IEA（International Energy Agency，國際能源總署）統計，2024年全球資料中心約佔全球用電量1.5%，預估2030年將達到3%。綠色軟體的崛起正是為了應對這項挑戰，根據Accenture的研究，優化軟體設計最高可減少60%碳排放，將GCP雲端服務遷移至低碳區域更可降低66%排放。綠色軟體不僅關注功能性，更能在能源效率、硬體資源最小化與碳足跡可控性之間取得平衡。
綠色軟體：不只是環保，更具商業價值
綠色軟體不僅能減少環境衝擊，更為企業帶來實質的商業價值，此為企業數位轉型與創新競爭力的核心。企業推動綠色軟體的具體效益包括：
- 達成ESG與企業社會責任目標
- 提升企業品牌形象與吸引永續人才
- 優化客戶體驗，帶動營收成長
- 滿足市場與法規對永續產品的需求
綠色軟體的六大核心原則
圖1：綠色軟體架構實踐
圖片來源：AI 生成（Claude）
綠色軟體的實踐圍繞以下原則展開，旨在從設計到營運全面降低環境足跡：
- 碳效率：開發低碳應用程式，優化程式碼與演算法，減少不必要的資源消耗。
- 能源效率：開發節能軟體與硬體效率相輔相成，確保軟體與硬體能發揮最大能源效益。
- 碳意識：高耗能任務應選擇低碳電力時段運行以最大化減少碳排放。
- 硬體效率：延長設備生命週期，減少電子廢棄物，提升伺服器利用率。
- 測量：透過專業工具追蹤能源消耗與碳足跡，確保效果可被量化。
- 氣候承諾：制定明確的減碳目標並將其融入企業策略。
國際標準與實務依據
實務層面，國際標準如定義軟體產品品質模型（Software Product Quality）的ISO/IEC 25010與提出軟體碳強度（SCI）標準的ISO/IEC 21031:2024倡議已提出具體指標，協助企業檢測與優化軟體的永續性表現。SCI 由微軟與綠色軟體基金會（Green Software Foundation）推動，主張以「每單位功能所產生的碳排放」作為綠色軟體衡量標準，這將有助於在開發早期就納入永續考量。
軟體碳強度（SCI）：軟體碳強度的量化標準
SCI為測量軟體系統碳排放提供了統一方法。其核心公式為：
SCI = （（E × I） + M） / R
- E：軟體耗能（kWh）
- I：區域電力碳強度（gCO2eq/kWh）
- M：硬體隱含碳排放
- R：功能單元（如使用者數、資料量等）
SCI適用於從個人電腦到雲端環境的各類軟體，幫助開發者基於數據決策，減少碳排放。它強調系統性影響，避免局部優化引發負面效應。可以透過 Code Carbon、CO2.js、GSMM等常用工具去協助開發者與企業精準追蹤碳足跡，持續優化。
綠色軟體開發的實踐框架
要實現綠色軟體，需在日常開發與營運中融入以下實務：
- 綠色基礎建設：優先選擇具綠能認證的硬體供應商、推動負責任採購提升硬體循環利用率。
- 綠色開發生命週期：從平台選擇到架構設計，全面採用節能做法將節能考量融入軟體開發的每一個環節。
- 綠色UI/UX：設計高效使用者介面，如壓縮圖像、提供暗黑模式選項，以減少螢幕耗能與資料傳輸量。
- 綠色AI：在模型效能與能耗之間取得平衡，針對特定任務優化模型最高可減少80%的碳排放。
- 綠色雲端與資料中心：遷移至低碳區域的雲端服務可降低66%排放。
- 綠色數據管理：透過資料壓縮與重複資料移除，減少70%-90%的「暗數據」儲存與傳輸成本。
- 節能區塊鏈：採用權益證明（POS）而非工作量證明（POW）算法以降低區塊鏈的能耗。
全球與台灣的數位永續趨勢
國際間，綠色軟體基金會SCI/GSMM等標準逐步普及，微軟等科技巨頭積極投入綠色技術；法國發布數位服務生態設計政策架構（RGESN），希望從設計階段便開始減少網站、視訊串流平台、應用程式及人工智慧工具等數位服務所產生之環境足跡。台灣也正積極響應數位永續趨勢，計劃推出軟體碳排放標籤與ICT認證，優先針對圖像處理、程式碼效率等高碳排項目，打造本土化的網際網路永續設計指南，聚焦高碳排領域，產官學攜手打造永續生態。
挑戰與未來展望
推廣綠色軟體仍面臨諸多挑戰，例如技術能力不足、標準工具匱乏與普遍的認知障礙。尤其AI的高能耗與全新軟體的測量難度更增添複雜性；然而，但隨著標準化、法規與市場需求升溫，綠色軟體將成為數位轉型不可或缺的核心。未來，組織需系統性整合永續工程，而每位開發者與企業也應積極選擇綠色應用，共同驅動產業持續進化邁向數位淨零的目標。
結語
數位轉型不應與能源浪費劃上等號。綠色軟體不只是履行環境責任，更是數位創新的新機遇。在這條通往永續數位轉型的道路上，每一位開發者與企業都能發揮影響力，從優化每一行程式碼、每一個架構選擇，到企業策略與消費者行動，打造更綠色的數位未來！
參考資料來源：
- 1.AI資料中心用電至2030年成長一倍 台灣準備好了嗎？
https://e-info.org.tw/node/241110 - 2.Uniting Technology and Sustainability: How to Get the Full Value from Your Sustainable Tech Strategy
https://www.accenture.com/content/dam/accenture/final/a-com-migration/pdf/pdf- - 177/accenture-tech-sustainability-uniting-sustainability-and-technology.pdf#zoom=40
- 3.網路永續發展相關趨勢研析
https://greenweb.moda.gov.tw/gain/download/22/11729739415.pdf/%E7%B6%B2% - FIND研究員：劉韋忠
過去，我們總是鼓勵學生「筆耕不輟」，一步一腳印地打磨文字；但在AI寫作工具日益普及的今日，他們只需輕點幾下，就能瞬間生成結構完整、語句流暢的文章。面對 ChatGPT、Claude、Gemini 等眾多「智慧小幫手」走進教室，老師們該如何重新定義寫作教學？是堅守傳統的筆戰精神，還是擁抱新時代的創作協作？本篇將從技術演進、教學策略與實踐案例出發，探討在AI寫作風暴下，教師如何引領學生既保有思辨深度，也能善用工具提升創造力。
【技術發展背景與介紹】
自2017年「Transformer」架構問世以來，自然語言處理（Natural Language Processing，NLP）領域進入了大規模預訓練模型的時代。Google在同年提出的BERT，開啟了雙向編碼器的先河；OpenAI緊接著於2018年推出GPT（Generative Pre-trained Transformer）系列，將「單向預訓練＋下游微調」的方式發揚光大。這些模型憑藉海量語料學習到的語言結構與邏輯能力，奠定了生成式AI（Generative AI）用於文章撰寫的基礎。
Transformer架構與預訓練策略有以下三項：
-
自注意力機制（Self-Attention）：讓模型能夠在處理每個詞時，動態地參考同一句話中其他所有詞的影響力，提升長距依賴的表現。
-
Masked Language Modeling／Causal Language Modeling：分別用於雙向理解（如BERT）和自回歸生成（如GPT），前者適合分類與理解任務，後者則可連貫地產出文字。
-
大規模語料＋多階段訓練：先在通用大語料（書籍、網路文章）進行無監督預訓練，再在特定領域或任務上微調，兼具通用性與專業深度。
圖1： transformer架構圖，左邊為編碼器，右邊為解碼器
資料來源：https://zh.wikipedia.org/zh-tw/Transformer%E6%9E%B6%E6%A7%8B
從GPT-2到GPT-4，生成式AI能力快速迭代發展下列階段：
-
GPT-2（2019）：首度展現生成數百字文章不掉鏈的能力，讓「AI寫作」成為可能。
-
GPT-3（2020）：擁有1,750億參數，一次可生成上千字的段落，支持多種語言與風格。
-
ChatGPT（2022）：結合對話式介面與強化學習人類回饋（>
NVIDIA自動駕駛模擬之生成式AI應用
FIND研究員：盧建智 隨著自動駕駛技術的發展，生成式AI成為提升自駕感知、決策與測試效率的關鍵技術之一，NVIDIA運用生成式AI技術突破自動駕駛測試瓶頸，開發STRIVE（Stress Test DRIVE）壓力測試系統，透過 AI自動生成高風險交通事故場景，>
-
