隨著5G與AI等新興技術的興起，新一代運算晶片已經跟過去有了非常大的差異，無法再以傳統的思維來進行晶片設計，研發人員必須捨棄舊有的應用概念，才能打造出滿足全新應用需求的運算晶片。

Arm 首席應用工程師沈綸銘指出，相較上一代的4G，5G強調的是更快的速度、更低的延遲、更多的連結數量，這些特點將引爆更多種應用與Edge Computing 的需求，介於End-Device 到雲端之間的裝置將越來越多。此外，在未來世界，端點裝置（end-point device）也能有資訊運算能力 (Intelligence)。而除了佈局在傳統CPU 工作負載的效能以外，現階段值得再多關注一個象限，也就是AI 與機器學習的表現。

擊破5G網路能耗

根據GSMA智庫所發表的《5G能效，綠色潮流》白皮書指出，要真正降低無線基地台能耗，就需要對5G網路能耗組成的各個部分逐個擊破。基地台節能降耗的有效手段，包括更高效率的電池解決方案、更低能耗的基地台設備，更智能的AI驅動的睡眠模式，更精準的網絡部署規劃等。透過這些手段可實現無線基地台端到端節能降耗，並且構建一張綠色通信網路嘉惠所有使用者。

為應對全球氣候變化，降低移動網絡運營成本，節能降耗已成為通信行業共同的責任和使命。移動網路帶給人們更優質的連接方式、更為便利的生活和更多娛樂方式，隨著越來越多的人通過LTE和5G將智能手機用於視頻和其他帶寬需求量大的服務，在沒有干預措施的情況下，功耗和能耗將會增加。作為移動網絡中占比最多的部分，無線基地台也被視為能源消耗的主力。根據白皮書，2025年單用戶流量將會比目前提升三倍， LTE和5G網絡的部署擴張必將帶來越來越大的網絡能耗壓力。

圖一 : 人工智慧裝置希望在提高效能同時也可幫助節能減碳。圖為具備機器學習能力的Arm Cortex-A15處理器。（Source：Arm.com）

GSMA智庫的研究主管Tim Hatt表示，能源在運營商支出中占很大的比例，占20%到40%不等。隨著高效網路技術的發展和能源向可再生方向的傾斜，越來越多的電信運營商為實現碳中和並最終實現零排放而制定了宏大長遠的目標。如今，很多企業都將能源和氣候方面的工作視為其工作重心，而不僅僅是企業社會責任。

高效率網路

在電信領域，許多導致企業網路成本上漲的特定因素，進一步影響了通訊的工作效率。 LTE和5G升級在新興經濟體和已開發經濟體（以美國和中國為首）的混合效應，將導致這些技術在2025年之前分別佔有全球行動連接網路基礎的60％和20％。

行動數據流量的持續增加，在2019年估計為每位用戶每月6.4 GB，預計在未來五年內，每位用戶的數量將成長三倍。加上頻譜的成本上升，資本投資和正在進行的RAN維護與升級，使得網路營運中的節能措施成為一種必要的方式。

5G NR與上一代行動技術相比，每GB的能源效率有了顯著提高。但是，新的5G應用和mmWave的採用，將需要更多的基地台站點和天線。這導致了一個新的結果：更高效率的網路前景。

圖二 : 5G Massive MIMO天線陣列的功耗將非常可觀。(Source：NI.com)

除了減少電源通過網路階段時的能量洩漏技術持續改進之外，還必須採取一系列措施來全面提高整個網路的效率。 其中包括：

‧用戶設備和裝置。最終用戶終端裝置（主要是手機）的能耗與延長電池壽命的方法。

‧應用現場的創新。新型鋰電池解決方案、整流器、液體冷卻、空調系統和簡化現場設置等。

‧RAN和網路設備的創新。AI驅動的軟體支援最大化的睡眠狀態，以避免RAN中不必要的能耗。

‧網路規劃和優化。包括淘汰2G和3G網路，以及可再生能源的長期購買策略。

對於營運商而言，最終是否能夠有效減少碳排放量，取決於能否將高能效技術包裝成一個涵蓋所有運營面向的廣泛綠色能源策略。為了達到這樣目標，許多大型運營商已根據獨立的科學目標計劃（SBTi）來進行KPI的制訂。而在逐步實現零碳排放這一更加困難和雄心勃勃的目標之前，許多營運商已經先行採取了分階段的方法來設定減排目標，以期能先行達到碳中和狀態。

AI耗能？ 以AI來節能

新興科技媒體中心也針對AI與能源效率的議題提出了看法。近年來，人工智慧熱潮、人工智慧演算法、技術與應用時常成為討論焦點。許多人工智慧裝置以節省能源為出發點，隨著相關技術日趨成熟，希望在提高效能的同時也可幫助節能減碳。然而，提高效能與能源的使用量，兩者如何權衡實為關鍵。同時，計算中心的數據及運算工作隨著科技潮流逐漸增加，這些大量的能源及電力需求，都將成為人工智慧所產生的隱形社會成本。

新興科技媒體中心認為，廣泛使用AI來節能的趨勢正在發展，現階段一般企業僅利用AI演算法取代一些操作行為，尚未大量用於節能。其實AI可以有效幫助能源管理，例如學習人的用電習慣，或是國外企業大樓節能的案例，幫助減少生活中的電力浪費。除此之外，電力傳輸和調度也十分耗電且需要時間，依靠AI預測的功能也可協助處理傳輸及調度問題。甚至運用邊緣運算將傳輸的資料做前處理，有價值的資料才輸送至後端，也可以節省整體能耗。這些案例多數有示範模型及技術，尚待實際應用的評估。

結語

雖然整體而言使用AI會消耗電力，但若能夠運用AI結合智慧電網等管理技術應用在家庭的節電上，讓公眾看見生活中電費確實下降，或許AI幫助節能的方式可更普及化，在未來達到能源消耗與節省的平衡點。

在研究層面，為了省電而研發低耗電的電路，但其他周邊輔助電路可能為此耗更多電能，或是耗費電力在資料蒐集卻無法有效運用解決真實事業的問題，也是應該檢視及反思的問題。

**刊頭圖（source：energystorage.org）