網宿科技與深度動力聯合發佈全鏈路優化解決方案，提升每瓦Token效率

網宿科技與深度動力近日共同宣布，推出「綠電→電網→芯片→算力→Token」全鏈路效率優化解決方案。該方案從能源端的綠色電力引入開始，一路貫穿電網傳輸、晶片運算、算力資源調度，最終優化至模型輸出階段Token的生成功耗，目標是在整體鏈條上顯著提升每瓦Token的產出效率。不同於傳統僅聚焦單一環節的節能手段，這套方案建立了一套從源頭到終端的全環節協同機制，期望為當前AI工作負載下持續攀升的能耗與算力需求，提供更系統性的應對之道。隨著大型語言模型與生成式AI應用的快速普及，資料中心與邊緣運算節點的電力消耗正以驚人速度成長。

一方面，模型訓練與推理需要大量運算資源，晶片功耗與散熱壓力隨之升高；另一方面，全球對永續發展的關注，使企業必須在追求高效能運算的同時，設法降低碳足跡與電力成本。傳統節能方案往往只針對單一環節——例如僅改善晶片能效，或僅優化電網配送——但整體鏈條中任何一處瓶頸，都可能讓其他環節的努力大打折扣。網宿科技與深度動力此次推出的全鏈路優化解決方案，正是試圖打破這種片段式思維，從能源端到運算輸出端進行完整鏈條的最佳化。具體而言，這套方案涵蓋五個關鍵環節。首先是「綠電」環節，著重於確保來自太陽能、風能等再生能源的電力能夠穩定接入，避免因綠電波動影響運算任務的連續性。

其次是「電網」環節，透過智慧調度與傳輸損耗管理，降低電力從發電端到用電端的傳輸損失，並最佳化配電效率。第三個環節是「芯片」，即針對晶片層級的功耗控制，包括動態電壓頻率調整、先進製程與架構設計，以提升每瓦運算效能。第四個環節是「算力」，涵蓋邊緣運算與雲端資料中心的算力資源動態分配，根據任務負載即時調配運算單元，避免閒置浪費。最後則是最終的「Token」環節，聚焦於模型推論與訓練過程中Token生成的能耗最佳化，確保每一次運算轉化為有效輸出時，耗電量降到最低。網宿科技長期深耕邊緣運算與內容傳遞網路，在算力排程與能源管理方面累積豐富經驗；深度動力則專注於晶片設計與低功耗運算技術。

雙方結合各自優勢，使這套全鏈路方案能夠涵蓋從基礎設施到晶片微架構的完整技術棧。例如，在邊緣運算場景中，網宿科技的邊緣節點可根據即時算力需求與綠電供應狀況，動態調整運算任務分配；深度動力的晶片設計則能確保在低功耗模式下仍維持足夠的運算吞吐量，讓每瓦Token的產出效率獲得實質提升。對於企業而言，這套方案帶來的直接效益是能以更低的電力成本，獲取更高的運算輸出。在AI模型訓練與推理過程中，Token是衡量模型輸出量的基本單位，每瓦Token效率越高，代表每一度電所能產生的模型回應或推理結果越多。這不僅有助於降低營運支出，也讓企業在面對日益嚴格的碳排規範時，能夠更從容地達成永續運算目標。

此外，由於方案涵蓋電網與綠電接入，企業無需自行從零建置複雜的能源管理系統，即可透過網宿科技與深度動力的協同服務，快速導入全鏈路優化。業界分析指出，隨著AI算力需求持續成長，資料中心用電量預計在未來數年內將呈倍數增加。傳統的單環節節能方案已難以應付整體能耗的爆炸性增長，唯有從能源供應、傳輸、晶片、算力調度到輸出效率的全鏈條協同，才能實現真正的綠色運算。網宿科技與深度動力的此次合作，正是回應了這一趨勢，為AI基礎設施提供了一條從「綠電」到「Token」的完整優化路徑。展望未來，這套全鏈路優化解決方案有望廣泛應用於雲端資料中心、邊緣運算節點、智慧工廠以及大型AI訓練集群等場景。

隨著更多企業開始重視運算效率與碳足跡的平衡，類似從能源端到運算輸出端的整合式方案，將成為推動AI基礎設施永續發展的重要關鍵。網宿科技與深度動力表示，將持續迭代技術，並攜手更多合作夥伴，共同探索更高效、更環保的AI運算新典範。