執行摘要
過去十年間，資訊與通訊科技 (ICT) 產業的用電議題已引發廣泛討論。各界擔心，隨著數位化程度提升、資料量持續擴增，加上資料處理與儲存需求成長，ICT產業的電力消耗可能大幅增加。然而回顧過往，多數 ICT 研究對未來用電量的預測都明顯高估，主要原因在於這些研究大多基於「資料量增加將導致資料傳輸與處理的用電量呈等比例成長」的假設。
愛立信研究[1]顯示，雖然 2007 至 2023 年間全球數據流量成長約 80 倍 (呈指數級成長)，但 ICT 產業用電量在實際使用階段僅增加 1.4 倍。這清楚表明資料傳輸量與用電量並不成正比。要準確預測未來 ICT 用電趨勢，需結合硬體市場統計資料以及企業實際申報的用電量數據，才能更可靠地掌握目前與未來的能源發展動向。
預估未來幾年，網路與資料中心的用電量將持續增長。但根據愛立信分析，數位化發展、網路擴建及傳統資料中心服務的成長，不會導致用電量呈指數級上升。主要不確定性在於未來 AI 服務與技術的演進方向。短期內，AI 硬體供應量受限，難以支撐用電量的指數級增長。業界普遍預期，未來必須開發更高效率的 AI 模型與硬體，才能符合獲利要求、成本控管及其他必要條件。因此，數位領域的技術進步，結合紮實的預測分析，對於掌握未來趨勢、制定明智的政策以支援數位永續發展，具有關鍵作用。
簡介
目前持續推進的數位化進程，已引發各界對 ICT 產業用電量及相應溫室氣體排放的密切關注。過去數十年間，雖有諸多用電需求預測模型相繼推出，但多數研究不僅未能準確預測 ICT 產業用電趨勢，其結果更普遍存在誇大現象。
本白皮書將說明為何預測研究經常出現錯誤、過去十年間網路與資料中心的實際用電量變化，以及驅動這些技術用電量的關鍵因素。我們將證明資料量與用電量並非直接相關，並聚焦於網路與資料中心，探討產業未來可能的情境。此外，本文也將嘗試探討 AI 的影響，以及其目前與未來的能源使用情況。
歷史及目前用電分析
ICT 產業主要由三大部分組成：固網與行動網路、資料中心，以及使用者裝置，例如：智慧型手機和電腦等。愛立信研究顯示，自 2007 年以來，ICT產業的用電量每年持續成長約 1% 至 2%，同時產品與解決方案的能源效率也不斷提升。儘管 2007 年至 2023 年間，全球數據流量呈指數級成長，增加約 80 倍，但全球 ICT 用電量僅成長 1.4 倍。同期，用戶及其使用的裝置數從約 30 億固定與行動用戶增加至超過 100 億，因此每位用戶的平均用電量已顯著下降。ICT 產業相關的溫室氣體排放量趨勢與其能源消耗一致。然而，自 2020 年起，整個生命週期的溫室氣體總排放量已開始下降。ICT 產業屬於能源與碳排密集度低的產業，僅消耗全球約 4% 的電力，溫室氣體排放量佔全球 1.4%。[2]
ICT 產業 2020-2023 年用電量分析
2023 年，整個 ICT 產業在使用階段的用電量約為 1,000 太瓦時 (TWh)。[3]相較於 2020 年報告的約 940 TWh，僅有小幅增長。在 2023 年的總用電量中，網路與資料中心共計消耗約 550 TWh 電力，其餘 450 TWh 則來自使用者裝置。這些結果源自愛立信的研究成果，並結合 160 多家大型 ICT 企業公開揭露的電力使用報告，這些企業的網路流量佔全球 90% 以上。為確保全球代表性，我們將公開的數據進行推估，得出各子產業的總用電量。
ICT 產業總用電量 (TWh) (包含實際測試報告數值及推估外插數值)
透過收集和分析網路營運商與資料中心營運商公開的資訊，我們得以深入研究這些領域的發展趨勢。圖 3 顯示了 63 家網路營運商報告的資料，這些營運商合計涵蓋全球約 75% 的行動和固網用戶。資料顯示 2023 年用電量較 2020 年僅有小幅增加。圖 3 右側圖表為從 36 家大型資料中心營運商收集的用電量資料，這些企業處理超過 90% 的全球網路流量。資料顯示該領域用電量增長顯著，幅度約達 50%。
63 家網路營運商與 36 家資料中心營運商之實測報告用電量
根據 Omdia 研究機構資料，2023 年大多數新型 AI GPU 主要由微軟、Meta、Google和甲骨文等少數企業採購。據估計[4]，2023 年專門用於 AI 服務的用電量約佔資料中心總用電量的 8%，即不到 ICT 產業總用電量的 1%。
歷年來有多項研究對 ICT 產業不同年度的用電量與碳足跡進行預測。愛立信於2024 年根據實際結果所發佈的研究[5]顯示，許多針對 2020 年的預測高估了該產業的用電量與溫室氣體排放成長。這些高估主要源於研究採用資料的品質問題。多數研究僅基於預估的未來資料量，並假設資料量增長將導致傳輸與處理資料的用電量成正比增長。此類計算方法將導致結論失真 (詳見第 4 節說明)。
本研究透過分析公開資訊獲取之關鍵發現
五大 ICT 龍頭企業 (微軟、亞馬遜、Google、Meta 與蘋果)：
來自 Netflix 的公開資訊顯示：
為何能源消耗未呈指數成長？
關鍵在於能源使用與資料量並非呈現直接正比關係。在網路領域，傳輸與處理資料僅佔用電量的小部分，多數電力用於提供網路覆蓋(即使在沒有資料傳輸或處理時，仍需消耗的基礎負載電力)。例如在行動網路中，基地台與裝置 (例如手機) 持續交換少量訊號資料，以同步位置、訊號強度等參數。此類基礎負載用電約佔總耗電量的 95%，此時網路仍會持續監控所有連接到網路中個別基地台的裝置。
傳統自上而下研究法在預測未來用電量時，通常採用與能源強度指標 (如每資料單位耗能 (kWh/GB)) 掛鉤的基準能耗估算。下一步驟會假設現有能源強度在未來保持不變，再依據資料量成長預測未來能耗，並針對能源效率提升進行微幅調整，多數過往研究因此嚴重高估該產業實際耗電量，可見「自上而下」方法無法準確反映未來網路能耗，亦不適用於真實應用場景的能耗計算。
相較之下，「自下而上」研究方法透過採用詳細的技術參數資料，如伺服器功耗規格、資料中心基礎設施特性 (包含電力使用效率/PUE)，以及設備安裝基數與出貨量等資料進行分析，其結果通常更接近網路與資料中心的實際狀況。但必須強調的是，採用自下而上法時需結合企業實際報告的用電數值進行驗證，以確保模型能真實反映系統運作情況。
能源效率與行動通訊標準
蜂巢式網路的用電量主要取決於所採用的通訊技術世代。以 4G 系統為例，需每 0.2 毫秒 (ms) 傳輸一次系統訊號來維持裝置通訊；而在 5G 標準中，強制傳輸間隔可延長至 20ms 甚至更久，達到 4G 標準的 100 至 800 倍。這種延長通訊間隔的設計使無線接取網路能更有效運用休眠模式，從而顯著降低用電量。展望未來的 6G 技術，將有機會進一步優化通訊間隔設計，實現更高的能源效率。[6]
但需注意的技術瓶頸在於必須維持使用者對通訊網路的即時存取需求，因此間隔時間不能過長以致影響使用體驗，例如妨礙正常服務使用或通話建立。
用電量估算
建議採用「兩階段評估法」來估算網路與資料中心的用電量，結合自下而上的技術分析與實際報告的能耗資料。這種「自下而上分析」(亦稱為「功耗模型」) 已在同儕審查論文中詳述。[7]功耗模型原則上透過分析個別硬體元件，考量其最大功耗與閒置模式功耗值，進而計算整個網路或資料中心在特定時段內的代表性能源使用量。第二步為「實證檢核」階段，透過企業報告的當期實際資料，檢視功耗模型得出的估算值是否準確。在評估企業報告的資料時，可輔以全國性能源生產與消耗的統計資料進行交叉驗證。例如，檢視特定歷史期間產業預估成長值是否反映於公開統計資料中。此實證檢核對取得符合實際狀況之數值至關重要，並有助於理解多項關鍵因素，如資料中心設備使用率，以及評估整體預測模型之適用性。
此外，長期而言，每位用戶平均能耗 (kWh/用戶) 是需要觀察的重要能源效率指標，因用戶數量通常不會隨時間大幅波動。如前所述，網路中多數電力消耗用於維持系統基礎運作，而非傳輸資料。以疫情期間為例，全球行動通訊協會 (GSMA) 報告指出，行動網路資料傳輸量增長達 50%，但用電量卻維持平穩。[8]而在資料中心領域，關鍵在於評估實際使用的電力容量，該數值通常遠低於最大設計容量。此外，從能源角度來看，電信網路與資料中心的核心差異在於容量動態調節能力及其連帶用電變化。
多數未來預測未充分考量之另一方面是 ICT 設備持續進化及能效提升。網路設備和新一代技術不僅能源效率提升，其傳輸容量與運算能力亦同步增強，因此達成相同效能所需設備數量將減少。此現象同樣出現在伺服器、路由器、交換器等基礎設施，此為影響未來基礎設施整體能耗之關鍵因素。
結論而言，即使資料傳輸量呈指數成長，用電量亦不會成正比增加，此現象於歷史資料中已獲驗證，未來亦可能持續適用。
未來如何發展？
未來預測相當複雜，需考量多項因素，例如網路覆蓋率與資料中心的擴建、所用設備類型、用戶數量，以及硬體與系統世代的技術演進。結合實際資料的功耗模型，如先前章節所述，是目前最為精確的分析方法。同樣地，對於網路而言，研究顯示若採用強度值 (如每傳輸單位資料的能耗) 將導致高估與錯誤結論。
數位化程度提升、網路覆蓋需求擴大、儲存與運算從本地端轉向雲端服務，加上高品質資料服務的整體需求增長，將推升數位服務的用電量。愛立信針對 ICT 產業的用電量與潛在碳足跡進行評估，預測至 2030 年 (參見圖 6)。預計從 2023 年到 2030 年，整體用電量將持續成長約10%，達到約1,100 TWh。就網路與傳統資料中心服務而言，預期至 2030 年用電量將分別增加 6% 與 13%。
此外，運用 AI 的服務正在擴張，而我們僅處於此演變的開端。然而，即便預期網路與傳統資料中心服務的用電量會增加，但並不會如部分研究所述呈指數型成長。主要原因在於設備能效持續提升、新一代網路系統標準日益納入節能措施，且資料傳輸量與用電量從非直接連動。更重要的是，隨著新一代網路與伺服器系統的建置部署，老舊且低能效的技術世代與硬體將逐步淘汰，由更節能的設備取代。
AI 的影響為何？
未來幾年 AI 的普及將如何影響資料中心市場？首先，該技術仍處於發展初期且快速演進，難以預測未來 AI 系統的建構方式。目前系統需耗費大量電力進行訓練，並採用持續升級的高效能硬體。但我們也觀察到潛在的突破性發展，例如 DeepSeek 宣稱其大型語言模型 (LLM) 的運作能效遠高於同業。此外，大量資金已投入 AI 研發，這些資源也將用於提升技術效率。從商業角度而言，降低 AI 的能源成本是打造未來具吸引力服務與健全商業模式的必要條件。
愛立信估算，截至 2023 年底全球約有 1,200 萬顆 AI 圖形處理器 (GPU) 運作，耗電量約 21 TWh，相當於資料中心總用電量的 8% (即不到 ICT 產業整體的 1%)。展望未來，據估計 [9] 至 2028 年 AI 能耗將佔資料中心總用電量的 20%。
2024 年高階 GPU 銷量預估為 2023 年銷量的三倍，達約 200 萬顆，與低階 GPU 銷量持平[10]。預期未來幾年高階 GPU 銷量將持續攀升。目前這類高能耗裝置有 70% 由少數全球大型企業採購，同時傳統伺服器系統市場則呈現衰退。
另一關鍵在於 AI 系統的使用頻率與持續時間。訓練 AI 模型雖是目前最耗能的活動，但未來 AI 推論或使用的能耗預計將佔更大比重。
最後必須強調，評估 AI 用電量預測的可信度至關重要。透過自下而上的分析，審視伺服器與 GPU 銷售市場資料，結合 ICT 公司公佈的能耗報告及全國用電統計資料，我們能更準確掌握未來可能的發展樣貌。由於資料中心的營運成本很大程度取決於用電量，汰換老舊低能效硬體將成為降低營運成本、提升競爭力的關鍵手段。此外，技術演進的影響不容忽視。根據國際能源總署 (IEA) 研究，AI 相關晶片的能效每三年翻倍一次，最新晶片執行相同運算的耗電量相較 2008 年模型更減少 99%。[11] 由此可合理推斷，在 2030 年前，市場推出的新一代伺服器與 AI GPU 都將搭載更高能效的處理器。
總結
隨著數位化進程加速，ICT 產業 (特別是網路與資料中心) 的用電量確實可能增長，但增幅將低於部分報告的誇大預測。關鍵不確定因素在於未來數年 AI 服務與技術的演變路徑。
目前全產業用電量約佔全球的 4%，預計至 2030 年，網路與傳統資料中心服務的年用電成長率將維持在 1% 至 3% 之間。為控制營運成本，業界將持續以更節能的新設備替換舊設備。AI 技術本身也會被運用於優化網路與資料中心的整體能效，包括降低能耗。同時，固定電話、2G/3G 等低能效的傳統技術將逐步淘汰，由 5G 等高能效標準取代。此演變不僅能減少用電量，還可提升網路與資料中心的負載能力。
ICT 產業未來用電趨勢的預測極具挑戰性，需考慮多個方面。從歷史經驗來看，許多預測都因依循有缺陷的方法論而出現高估情況，例如採用強度指標，或是未將預測結果與企業實際申報數值進行交叉驗證。
這些方法論亦未能充分考量技術運作原理、科技進步趨勢以及未來服務需求。
AI的崛起可能徹底改寫數位技術與服務的格局。由於訓練 LLM 及後續推論需龐大算力，其用電問題備受關注。未來勢必需要開發更高效率的 AI 硬體與模型，以降低能源成本並優化 AI 服務的商業可行性。關鍵在於區分專用型 AI 模型與 LLM 的差異。以特定用途設計的專用型 AI 服務 (例如優化電信網路能耗管理或提升電網運作效率) 在創造永續效能方面具有顯著潛力。
目前，微軟、亞馬遜、Google和 Meta 等少數大型企業採購了 80% 的高端 AI 硬體設備，這些公司佔全球網路流量的70%。目前，只有少數公司提供此類硬體，導致短期內供應受限。根據市場統計資料與 AI 模型運作特性，預計 AI 服務的用電量將在未來數年持續上升。但考量 AI 技術仍處早期階段，加上 AI 硬體與軟體的能效持續改善，實際增幅與未來長期能耗演變仍難以精確預測。然而，歷史經驗表明，對於熱門技術發展的未來預測往往容易過度樂觀，21 世紀初網路泡沫時期的情況便是如此。
數位化投資與未來監管政策的制定，必須奠基於精確資訊與合理假設。ICT 產業用電量作為關鍵考量因素，其可靠預測將成為決策的重要依據。支援公用事業、電網、運輸系統、建築與工業的連網技術與數位解決方案，將是綠色轉型的核心推手。我們必須優先推動數位化進程，透過政策激勵加速淘汰化石燃料，實現社會全面脫碳。
